python 爬阳光高考高校数据_爬取阳光高考-程序员宅基地

技术标签: python  1024程序员节  

import json
import time
from requests_html import HTMLSession


# 爬取阳光高考院校库
def get_school_data():
    # 开启会话
    session = HTMLSession()
    # 初始化院校列表
    school_list = []
    # 分页参数,起始位置
    start = 1
    # 分页参数,每页条数,阳光高考院校库默认为20条/页
    limit = 10
    # 开始执行时的时间
    start_time = time.time()
    print("阳光高考院校库爬取任务")
    print("开始执行...")
    # 分页循环获取
    while True:
        # 阳光高考院校库查询网址
        # url = 'https://gaokao.chsi.com.cn/sch/search.do?searchType=1&start=' + str(start)
        url = 'https://gaokao.xdf.cn/college/china/searchSchool/_____'+str(start)
        # 获取请求到的html
        r = session.get(url)
        # 从中获取到院校库的table中的所有文字
        result = r.html.find("body > div.main > div.container > div.main-table > table > tbody > tr")

        # 初始化本次循环的数据列表
        this_list = []
        for res in result:
            text = res.text
        # 通过.将字符串拆分为数组,对本次循环获取到的分页数据进行循环处理
            # 每一条数据通过换行符拆分为数组
            arr = text.split("\n")
            # 初始化院校信息
            school = {}
            # 如果长度为1,则为通过.拆分时的最后一条无用信息,直接跳过
            if len(arr) == 1:
                continue

            if len(arr) == 9:
                school.update({"name": arr[0], "area": arr[1], "property": arr[2], "type": arr[3], "level": arr[4], "attrs": arr[5]})
            else:
                school.update({"name": arr[0], "area": arr[1], "property": "", "type": "", "level": "", "attrs": ""})
            # property = ""
            # if not arr[2]:
            #   property = arr[2]
            #
            # type = ""
            # if not arr[3]:
            #     type = arr[3]
            #
            # level = ""
            # if not arr[4]:
            #     level = arr[4]
            #
            # attrs = ""
            # if not arr[5]:
            #     attrs = arr[5]
            #
            # if property is None:
            #      property = ""
            #
            # if type is None:
            #      type = ""
            #
            # if level is None:
            #     level = ""
            #
            # if attrs is None:
            #     attrs = ""



            # 将院校追加到本次循环结果的数组中
            this_list.append(school)
            # 将院校追加到总的结果中
            school_list.append(school)
        print("爬取第 " + str(int(start)) + " 页,本页获取到 " + str(len(this_list)) + " 条数据")
        # 如果本次分页循环的长度小于分页的每页长度,说明本次为最后一页数据,数据读取完毕,终止循环
        if len(this_list) < limit:
            break
        # 否则起始位置需要加上一页
        start += 1
    # 执行完毕时的时间
    end_time = time.time()
    print("执行完毕,耗时 " + str(round(end_time - start_time, 2)) + " 秒,共获取到 " + str(len(school_list)) + " 条数据")
    # 关闭会话
    session.close()
    # 返回结果
    return school_list


# 保存为JSON数组
def save_json_data(school_list):
    data = open('./data.json', 'w')
    data.write(json.dumps(school_list, ensure_ascii=False, ).encode("utf8").decode())
    print("已保存为JSON数组(./data.json)")


# 保存为SQL可执行文件
def save_sql_file(school_list):
    school_sql = "insert into ant_user_school(name,area,property,type,level,attrs) values "
    for school in school_list:
        school_sql += "('" + school["name"] + "','" + school["area"] + "','" + school["property"] + "','" + school["type"] + "','" + school["level"] + "','" + school["attrs"] + "'),"
    if school_sql.endswith(","):
        school_sql = school_sql[0:-1]
    data = open('./data.sql', 'w')
    data.write(school_sql)
    print("已保存为SQL可执行文件(./data.sql)")


data = get_school_data()
# save_json_data(data)
save_sql_file(data)

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_39175589/article/details/120941940

智能推荐

教父2-英文版-程序员宅基地

文章浏览阅读2k次。MARIO PUZO'S THE GODFATHER PART IIby Mario Puzo and Francis Ford CoppolaFADE FROM BLACK TO: MICHAEL, in profile looking downward. He holds out his hand and ROCCO kissing it.DISSOLVE TO: A ..._教父2英文版

pydot_ng.InvocationException:Program terminated with status:1. stderr follows: Format:“ps” not ……_invocationexception: program terminated with statu-程序员宅基地

文章浏览阅读5.5k次,点赞26次,收藏9次。在曲折地安装完graphviz之后,运行代码时出现这个问题(安装graphviz的教程:https://blog.csdn.net/wyx100/article/details/80253072or https://blog.csdn.net/Snowy_susu/article/details/90439423?ops_request_misc=&request_id=&..._invocationexception: program terminated with status: 1. stderr follows: form

springboot2.2整合spring-data-elasticsearch3.2_spring data elasticsearch health check close sprin-程序员宅基地

文章浏览阅读4k次。环境:Elasticsearch:7.4.1Springboot:2.2.1Spring-data-elasticsearch:3.2.0IDE:STS_3.9.2.RELEASEpom.xml配置<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0..._spring data elasticsearch health check close spring 3.2

图形化编程Mixly——RFID智能门禁_csdnrfidmixly-程序员宅基地

文章浏览阅读2.4k次,点赞2次,收藏11次。文章目录1.软硬件连接2.图形化编程块3.代码块4.实验成果实验材料与环境1、硬件Arduino开发板、舵机SG90、RFID-RC522读卡器、校园卡、杜邦线若干2、软件Mixly IDE(下载地址:https://pan.baidu.com/s/1vKnY-vC4LU0qMFitArEXfw提取码:tbfe)实验内容【1】读取校园卡ID号。【2】读取到指定校园卡时S..._csdnrfidmixly

java/jsp/ssm基于web的多媒体素材管理系统【2024年毕设】_基于web的多媒体素材管理系统zip-程序员宅基地

文章浏览阅读53次。springboot基于Springboot的企业cms内容管理系统。springboot基于Vue和Springboot的会议室管理系统。开发软件:eclipse/myeclipse/idea。springboot中小型企业物流管理系统的设计与实现。springboot微信小程序的食谱大全“食全食美”springboot基于微信小程序的舟袍设计工作室。ssm基于web的佳茗天香茶品销售平台的设计与实现。springboot医考答题练习系统的设计与实现。springboot微信小程序的火锅店点餐系统。_基于web的多媒体素材管理系统zip

vue多种实现动画效果分享【推荐学习】_vue 动画-程序员宅基地

文章浏览阅读1k次。通常我们实现动画效果会用到CSS中的class类,这也是比较基本的方式实现动画。_vue 动画

随便推点

Android P Camera架构_android camera2 id 103-程序员宅基地

文章浏览阅读3.1k次。一、APP层打开摄像头:openCamera();二、frameworks层:CameraManager:代码路径:\frameworks\base\core\java\android\hardware\camera2\CameraManager.javaprivate CameraDevice openCameraDeviceUserAsync(String cameraId, ..._android camera2 id 103

米家接入HomeKit系列二:通过群辉NAS的Docker搭建HomeAssistant_群晖接入米家-程序员宅基地

文章浏览阅读1.1w次,点赞5次,收藏41次。通过前面的文章我们已经知道我们为什么要搭建HomeAssistant,那么本篇文章我们就来给大家讲解如何通过群辉NAS的Docker搭建HomeAssistant,以及其基本的配置和使用。_群晖接入米家

Windows 10下载安装openjdk及环境变量配置(以openjdk 8为例)_openjdk环境变量配置-程序员宅基地

文章浏览阅读9.2k次,点赞7次,收藏13次。Windows 10下载安装openjdk及环境变量配置(以openjdk 8为例)Windows 10下载安装openjdk及环境变量配置下载地址https://www.azul.com/downloads/zulu-community/?package=jdk安装双击已下载的安装包点击Next,安装目录可以自己定义点击Next进入安装界面进行安装安装完成后显示如下界面设置环境变量1.进入环境变量配置界面1.右键点击计算机–>属性–>高级系统设置–>高级_openjdk环境变量配置

PyTorch如何打印模型详细信息_python打印模型-程序员宅基地

文章浏览阅读1.7k次,点赞2次,收藏15次。如何打印模型_python打印模型

维修Proface普洛菲斯触摸屏GP-4502WW 4301 4501TW 4401T人机界面-程序员宅基地

文章浏览阅读498次,点赞14次,收藏4次。伦茨、KEB、西门子、力士乐、施耐德电气、、鲍米勒、丹佛斯、派克、三菱、Allen Bradley、ABB、罗克韦尔、东芝、Gerfan、松下、Proface、台达、Beckhoff、Omron欧姆龙、Sumitomo住友、Sodick沙迪克、SedoTreepoint、WEINVIEW威纶通、Axiomtek艾讯、Portwell瑞传、Laetus.......等各大知名进口品牌工控机。W275 x H206 x D38.2 毫米 [W10.85 x H8.11 x D1.50 英寸]

Apipost 上手指南_apipost上传文件接口-程序员宅基地

文章浏览阅读4.3k次。Apipost是一个用于Web开发的接口调试工具,由国人开发。目前版本:7.0类似的产品还有,不过个人感觉功能上不如Apipost好用。_apipost上传文件接口

推荐文章

热门文章

相关标签