网络爬虫作业

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

 

代码如下

 

import requests
import json
import os
from threading import Timer


url='https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1542959851766'

  
try:
    r=requests.get(url,timeout=30)
    r.raise_for_status()
    r.encoding=r.apparent_encoding
    datas=json.loads(r.text)['data']
except:
    print("获取数据错误")
    
else:
    table=list()
    for data in datas:
        table.append(str(data['StudentNo'])+','+data['RealName']+','+data['Title']+','+data['DateAdded'].replace('T',' ')+','+data['Url'])
    #print(table)     
    filename='hwlist.csv'
    with open (filename,'w') as f:
        for table1 in table:
            f.write(table1+'\n')

 

爬取结果如下图所示：

 

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。

 

#创建名称为“hwFolder”的文件夹，用于存储爬取下来的作业页面
os.mkdir("hwFolder")
os.chdir("hwFolder")

for data in datas:
    os.mkdir(str(data['StudentNo']))
    os.chdir(str(data['StudentNo']))
    
    try:
        name=requests.get(data["Url"],timeout=30)
        name.raise_for_status
        name.encoding=name.apparent_encoding
    except Exception as e:
        print(e)
    else:      
        with open(str(data["StudentNo"])+"html","wb") as f1:
            f1.write(name.content)
        os.chdir(os.path.pardir)

 

生成的文件夹如下图所示：

 

在这部分代码中由于python的os库我之前没有学过，所以只能在网上找了相关资料，然后参观了大佬们的博文才写出来

os库的DSCN网址如下：

http://www.runoob.com/python/os-file-methods.html

https://blog.csdn.net/lygzscnt12/article/details/52470017/