python爬虫田康林
代码如下
import requests
import json import time import os from threading import Timer def getHTML(url): try: r=requests.get(url,timeout=30) r.raise_for_status() r.encoding=r.apparent_encoding datas=json.loads(r.text)['data'] except: print('连接失败') else: result="" for data in datas: result+=str(data['StudentNo'])+','+data['RealName']+','+data['DateAdded'].replace('T',' ')+','+data['Title']+','+data['Url']+'\n' f=open('F:\羊车门爬虫作业\hwlist.csv','w') f.write(result) f.close() os.mkdir('F:\羊车门爬虫作业\hwFolder') os.chdir('F:\羊车门爬虫作业\hwFolder') for data in datas: os.mkdir(str(data['StudentNo'])) os.chdir(str(data['StudentNo'])) try: web=requests.get(data['Url'],timeout=30) web.raise_for_status() web.encoding=web.apparent_encoding except: print('连接失败') else: f=open(str(data['StudentNo'])+'.html','wb') f.write(web.content) f.close() os.chdir(os.path.pardir) url='https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1543216235911' if __name__=='__main__': t=Timer(300,getHTML(url)) t.start()
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
文件内容范例如下形式:![](https://img2018.cnblogs.com/blog/1482516/201811/1482516-20181127211648430-60031701.png)
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。
![](https://img2018.cnblogs.com/blog/1482516/201811/1482516-20181127174034494-451589506.png)
![](https://img2018.cnblogs.com/blog/1482516/201811/1482516-20181127174049357-711047565.png)
![](https://img2018.cnblogs.com/blog/1482516/201811/1482516-20181127174103042-530648669.png)