python爬虫+pygal交互式可视化爬取大学QS排名
目录
前言
一、用到的python库
二、准备工作
1.找个有近几年QS排名的网站
2.找到数据
3.分析json结构
三、编写代码
四、结果呈现
总结
前言
不久后要做大学宣讲,顺便捡一下爬虫的语法,就写了这个爬虫的代码。记录一下免得以后又忘了。
一、用到的python库
requests(爬虫基本库)
re(正则表达式库,在本文中也可用内置的find方法代替)
pygal(交互式画图库)
以上库均可用"pip install name"(name即上述库的名称)安装
如果用的是anaconda环境管理,将pip改为conda
二、准备工作
1.找个有近几年QS排名的网站
我这里找的是QS在中国的官网:世界大学排名 | QSChina(但说实话数据有点少,只有4年的)
2.找到数据
通过检查找到网络后点击完整榜单,捕获数据。
找一下后发现数据在这个网址中,复制URL。(还有要加上自己浏览器的User-Agent进行伪装)
注意:这里请求的方法是GET但爬虫时用requests.get()方法会报错,应该用requests.post()。
3.分析json结构
打红框的就是我们要的目标数据,其中uni除了学校名是中文,其余均英文字符。
所以可以用re的语法提取出来:
reg=re.compile('[\u4E00-\u9FA5]+')
这个是匹配中文字符的表达式。
(但因为有的学校的名称是以英文或其他语言呈现的,所以最好爬取海外知名院校和中国院校)
三、编写代码
# This is a py file to crawl the ranks of your university in QS.
import requests
import re
import pygaldef getJson(url):r=requests.post(url,headers=headers).json()return rdef parse(dict):D={}reg=re.compile('[\u4E00-\u9FA5]+')# This line is to find the Chinese characters, so the university's name should be in Chinese, then you can get the QS rank of it. for d in dict['data']:try:name=re.search(reg,d['uni']).group()# If the uni name is in English, it will return None. Use the group() to None will get an error.if name in uName:D[name]=[int(d['overall_rank'])]if len(D)==len(uName):breakexcept:passreturn Ddef getuName():s=input("请将你想查的大学名称用中文输入(中间用‘,’隔开):")#, is the comma in ChineseL=s.split(',')return Ldef darwLine():line=pygal.Line()for i in uName:line.add(i,dataDict[i])line.x_labels=yearline.y_title="QS排名"line.x_title="年份"line.title="近四年QS排名"line.legend_at_bottom=Trueline.render_to_file('learning scrapy\\crawl the ranks of QS\\查询结果.svg')# Before you run this file, you should change the above line to your path.def main():global uNameuName=getuName()for i in range(3,-1,-1):if i==3:global dataDictdataDict=parse(getJson(url[i]))else:D=parse(getJson(url[i]))for name in uName:dataDict[name].append(D[name][0])darwLine()if __name__ == '__main__':url=['https://www.qschina.cn/sites/default/files/qs-rankings-data/cn/2122636_indicators.txt','https://www.qschina.cn/sites/default/files/qs-rankings-data/cn/2057712_indicators.txt','https://www.qschina.cn/sites/default/files/qs-rankings-data/cn/914824_indicators.txt','https://www.qschina.cn/sites/default/files/qs-rankings-data/cn/397863_indicators.txt']headers={'user-agent': you need to add it}year=[2019,2020,2021,2022]main()
四、结果呈现
最后将svg文件在浏览器中打开。
中国顶尖学府:
还有在武汉备受争议的华科武大之争:
(QS排名不完全代表教学水平高低,仅作参考)
总结
本文介绍了排名类爬虫流程,并附上了查询近四年QS排名的代码,欢迎大家在评论区交流。
python爬虫+pygal交互式可视化爬取大学QS排名相关推荐
- python爬虫(一)爬取豆瓣电影排名前50名电影的信息
python爬虫(一)爬取豆瓣电影排名前50名电影的信息 在Python爬虫中,我们可以使用beautifulsoup对网页进行解析. 我们可以使用它来爬取豆瓣电影排名前50名的电影的详细信息,例如排 ...
- python爬取图片教程-推荐|Python 爬虫系列教程一爬取批量百度图片
Python 爬虫系列教程一爬取批量百度图片https://blog.csdn.net/qq_40774175/article/details/81273198# -*- coding: utf-8 ...
- python爬虫对炒股有没有用_使用python爬虫实现网络股票信息爬取的demo
实例如下所示: import requests from bs4 import BeautifulSoup import traceback import re def getHTMLText(url ...
- python爬虫 豆瓣影评的爬取cookies实现自动登录账号
python爬虫 豆瓣影评的爬取cookies实现自动登录账号 频繁的登录网页会让豆瓣锁定你的账号-- 网页请求 使用cookies来实现的自动登录账号,这里的cookies因为涉及到账号我屏蔽了,具 ...
- 转 Python爬虫实战一之爬取糗事百科段子
静觅 » Python爬虫实战一之爬取糗事百科段子 首先,糗事百科大家都听说过吧?糗友们发的搞笑的段子一抓一大把,这次我们尝试一下用爬虫把他们抓取下来. 友情提示 糗事百科在前一段时间进行了改版,导致 ...
- 《python爬虫实战》:爬取贴吧上的帖子
<python爬虫实战>:爬取贴吧上的帖子 经过前面两篇例子的练习,自己也对爬虫有了一定的经验. 由于目前还没有利用BeautifulSoup库,因此关于爬虫的难点还是正则表达式的书写. ...
- Python 爬虫 中国行政区划信息爬取 (初学者)
Python 爬虫 中国行政区划信息爬取 (初学者) 背景 环境准备 代码片段 1.定义地址信息对象 2.地址解析对象 2.1 获取web信息 2.2 web信息解析 2.3 区划信息提取 2.4 省 ...
- python爬虫学习 之 定向爬取 淘宝商品价格
python爬虫学习 之 定向爬取 淘宝商品价格 import requests import redef getHTMLText(url):try:r = requests.get(url, tim ...
- python爬虫股票市盈率_使用python爬虫实现网络股票信息爬取的demo
实例如下所示: import requests from bs4 import BeautifulSoup import traceback import re def getHTMLText(url ...
最新文章
- 镁光ssd管理工具 linux,在 SSD 上使用 Btrfs 文件系统的相关优化
- Windows内存管理 - 隐藏在new和malloc背后的heap
- emacs 入门教程,菜单汉化,配置文件等杂乱文章
- Python机器学习:逻辑回归003逻辑回归的损失函数的梯度
- zipparameters 使用_zip4j的简单运用
- MFC更改环境目录可执行文件目录下继承的值
- 8数码问题-搜索-双向BFS/A*算法
- 蚂蚁课堂视频笔记思维导图-4期 一、微服务技术
- 好多网友都不知道怎么阅读Linux内核源码,这篇让你快速理解
- 曲线运动与万有引力公式_不要再追问库库了,物理公式大全拿走!
- 服务器基线扫描修复,怎么对服务器进行基线和漏洞扫描
- android:style/theme.holo.light,Galaxy Nexus上的Android Theme.Holo.Light在模拟器没有的时候有灰色背景...
- 使用docker运行mysql:5.7
- ElasticSearch已有字段添加Fields
- linux下安装asm数据库,Linux下ASM实例的安装
- GIS入门进阶之015
- spec文件知识整理
- 通过httpurlconnection发带图片的文件
- 一个描述二氧化硅的两体势能BKS
- UVa - 11283 - PLAYING BOGGLE