子标签，这些子标签对字体大小、颜色等属性进行了定义。而我们需要的信息夹在这些子标签最当中，紧邻的标签是标签。

对目标网页的结构有了初步了解之后，开始写代码！

Part 2.写代码

首先导入需要用到的库：

import requestsimport bs4from bs4 import BeautifulSoupimport xlwt

根据功能将程序划分为为了四个模块，定义了四个函数

1.gethttps函数，访问目标网页，提取并返回网页源代码

def gethttps(url):    try:        kv = {"user-agent":"Mozilla/5.0"}        r = requests.get(url,timeout=30,headers=kv)        r.raise_for_status()        r.encoding = r.apparent_encoding        return r.text     except:        return "err"

2.filllist函数，解析网页源代码，提取所需信息

def filllist(ulist,html):    soup = BeautifulSoup(html,"html.parser")    for tr in soup.find('tbody').children:        if isinstance(tr,bs4.element.Tag):            fonts = tr('font')            ulist.append([fonts[0].string, fonts[1].string])

3.printlist函数，建立excel文档，设置相关格式，将数据填入excel文档。

def printlist(ulist):    workbook = xlwt.Workbook(encoding='utf-8')    worksheet = workbook.add_sheet('My Worksheet')    worksheet.col(0).width = 3333    worksheet.col(1).width = 5555       for i in range(len(ulist)):        u = ulist[i]        for j in range(2):            worksheet.write(i,j, label = u[j])    workbook.save('新乡一中2018年高考录取.xls')

4.main函数，即程序主函数。

def main():    url = "http://www.hnxxyz.com/news/37_10334"    unifo = []    html = gethttps(url)    filllist(unifo,html)    printlist(unifo)

最后调用main函数：

main()

Part 3.运行程序

写完了代码，运行程序~发现在当前路径中生成了一个excel文件：

打开看一看：

成了！！！

Part 4.举一反三

稍微改了改代码，又成功爬取了2020中国大学100强排行榜：

效果很理想！

补充：

昨天推送了初识网络爬虫这篇文章，忘记在最后注明参考资料了！

只好在这里补上了：

参考资料：

1.百度百科：网络爬虫

2.中国大学mooc课程《Python网络爬虫及信息提取(第9次开课)》北京理工大学.嵩天

3.中国大学mooc课程《Python网络爬虫程序技术》深圳信息职业技术学院.黄锐军

4.《Python网络爬虫》传播智客.无崖子

关注我，

一起学编程！

@宇梵文书