羊车门作业已发布,很快就会有同学提交作业,在此作业基础上,我们发布本网络爬虫作业。
本作业共分两部分,第一部分必做,第二部分选作。
第一部分:
请分析作业页面,爬取已提交作业信息,并生成已提交作业名单,保存为英文逗号分隔的csv文件。文件名为:hwlist.csv 。
文件内容范例如下形式:
学号,姓名,作业标题,作业提交时间,作业URL
20194010101,张三,羊车门作业,2018-11-13 23:47:36.8,http://www.cnblogs.com/sninius/p/12345678.html
20194010102,李四,羊车门,2018-11-14 9:38:27.03,http://www.cnblogs.com/sninius/p/87654321.html
*注1:如制作定期爬去作业爬虫,请注意爬取频次不易太过密集;
*注2:本部分作业用到部分库如下所示:
(1)requests —— 第3方库
(2)json —— 内置库
=========================================================================================================================
代码:
import requests import json r=requests.get('https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1543846454037') json_data=json.loads(r.text) result="" with open("hwlist.csv",'w') as f: for item in json_data['data']: result=str(item['StudentNo'])+','+item['RealName']+','+item['Title']+','+(item['DateAdded'].replace('T',' '))+','+item['Url']+'\n' f.write(result)
运行结果:
![](https://img2018.cnblogs.com/blog/1482467/201812/1482467-20181205174906037-112735975.jpg)
问题:
发现时间的年月日没有了,但在单独操作时存在。
还没有没有找到原因。
第二部分:
在生成的 hwlist.csv 文件的同文件夹下,创建一个名为 hwFolder 文件夹,为每一个已提交作业的同学,新建一个以该生学号命名的文件夹,将其作业网页爬去下来,并将该网页文件存以学生学号为名,“.html”为扩展名放在该生学号文件夹中。