请你用Python编写一个功能强大的爬虫，爬取西南科技大学在四川的录取分数数据（2021年-2024年），对数据进行清洗和预处理，保存为 CSV文件格式。选取10个专业，对其历史录取分数进行可视化分析。使用图表类型包括但不限于饼图、条形图、直方图等。

在Python中编写一个强大的爬虫并进行数据分析涉及到多个步骤。首先，我们需要安装必要的库，如requests、BeautifulSoup用于网页抓取，pandas用于数据处理，matplotlib和seaborn用于数据可视化。下面是一个基本的框架，展示如何实现这个任务：

# 导入所需库
import requests
from bs4 import BeautifulSoup
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 网页URL
url = "https://example.com"  # 需要替换为你实际获取数据的网址
years = [2021, 2022, 2023, 2024]  # 收集的年份范围

# 定义函数来爬取页面内容
def scrape_data(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.text, 'html.parser')
    data = []  # 存储数据的列表
    for year in years:
        # 模拟提取每个年份的专业和录取分数
        # 这里假设数据结构类似：{'专业': 分数}
        # 实际上你需要解析HTML找出对应信息
        scores = get_scores(soup, year)
        data.extend(scores)
    return data

# 假设get_scores是个辅助函数，用于从soup中提取具体数据
def get_scores(soup, year):
    scores_dict = {}  # 初始化字典
    # ... (在这里实现具体的HTML解析和数据收集)
    return scores_dict

# 爬取数据并存储为DataFrame
all_scores = []
for url_part in ['year_2021', 'year_2022', 'year_2023', 'year_2024']:
    page_url = f"{url}/{url_part}"
    page_data = scrape_data(page_url)
    all_scores.extend(page_data)

df = pd.DataFrame(all_scores)
# 清洗和预处理数据
df.dropna(inplace=True)  # 删除缺失值
df.to_csv('swust_score.csv', index=False)  # 保存为CSV文件

# 数据可视化部分
selected_professions = df['专业'].head(10).unique()  # 取前10个专业
data_by_profession = df[df['专业'].isin(selected_professions)]

# 条形图示例
plt.figure(figsize=(10, 5))
sns.barplot(x='专业', y='分数', hue='年份', data=data_by_profession)
plt.title('各专业历年录取分数分布')
plt.xlabel('专业')
plt.ylabel('录取分数')
plt.show()

# 更多图表类型可根据需要添加，例如饼图和直方图
# ...