《python网络爬虫和信息提取》是北京理工大学的一门网络课程（中国大学MOOC(慕课)）。
偶然机会我在网上学习了这门课程，中国大学排名是老师在课程里举的一个例子。作为一个认真学习的python菜鸟，我把老师的代码认真敲打出来，一运行却出现问题。
是老师的代码有问题么？我把网址输入浏览器，却打不开，搜索了一下，发现几年后的今天，原网站进行了升级，从域名到网站结构，都发生了翻天覆地的变化，原代码当然不适用了。但在网上搜索，还能看到原封不动照搬老师代码的所谓学习心得，误人不浅，故把自己真正的学习心得放到这里，供和我一样的菜鸟参考。
首先打开网页对应清华大学排名源代码部分，对相关标签进行分析。
经过分析发现，名次1是tds[0],校名“清华大学”却并不是单独的tds[1]，而是和英文校名、双一流/211一起，都属tds[1]，在原代码tds[1].string基础上修改为：
tds[1]("a")[0].string,tds[1]("a")[1].string,tds[1]("p")[0].string，分别提取出了校名、英文校名、双一流/211等信息，但不知为什么，用tds[2].string,tds[3].string没能正常提取出省市（北京）、类别（综合）的信息，仍显示为None，用tds[4].string可以正常提取总分（999.4）信息。请高手们指正。（昨天文章在博客发表后，今天继续研究解决办法在网上搜索，就看到有人转载。）今天搜索到一篇文章，好像是真神下场在为自己的代码进行修改，也让我学到了解决之道。就是将string换成text即可，大神就是大神，不得不摩拜。
修改后的代码为：
import requestsimport bs4from bs4 import BeautifulSoupdef getHTMLText(url):try:r = requests.get(url, timeout=30)r.raise_for_status()# print(r.request.url)r.encoding = r.apparent_encoding# print(r.text[:1000])return r.textexcept:# return ""print('网页抓取失败！')def fillUnivList(ulist,html):soup = BeautifulSoup(html, "html.parser")# print('title=',soup.title)for tr in soup.find('tbody').children:if isinstance(tr,bs4.element.Tag):tds = tr('td') # 列表形式# print('tds=',tds)ulist.append([tds[0].string.strip(),tds[1]('a')[0].string.strip(),tds[1]('a')[1].string.strip(),tds[1]('p')[0].string.strip(),tds[2].text.strip(),tds[3].text.strip(),tds[4].text.strip()]) # 加('a')[0]解决None问题，OK# print('title=', soup.title)# print('省市=',tds[2].text)# print('校名2=', tds[1]('a')[0].string)# print('ulist=',ulist)def printUnivList(ulist, num):tplt = "{0:^10}\t{1:{7}^10}\t{2:<45}\t{3:{7}^16}\t{4:^8}\t{5:^8}\t{6:^6}"# tplt = "{:^10}\t{:^6}\t{:^10}"print(tplt.format("排名", "学校名称", "英文名","是否双一流985/211","所属省市","学校类型","总分", chr(12288)))# print('%s\t\t%s\t\t%s' %("排名","学校名称","总分"))for i in range(num):u = ulist[i]# print('%s\t\t%s\t\t%s' %(u[0].strip('\n '),u[1],u[4].strip('\n '))) # 删除左边的空格print(tplt.format(u[0],u[1],u[2],u[3],u[4],u[5],u[6], chr(12288)))def main():url = '/rankings/bcur/.html'uinfo = []html = getHTMLText(url)fillUnivList(uinfo,html)printUnivList(uinfo,20) # 20 univsmain()
修改后的代码运行结果如下：
再次感谢大神！！！
