爬虫作业

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

 

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。

 

 

 

import json
import requests
url="https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2422&_=1543836981912"
try:
    q=requests.get(url)
    q.raise_for_status()
    q.encoding=q.apparent_encoding
except:
    print("产生异常")
datas=json.loads(q.text)["data"]
a=""
for data in datas:
    a += str(data["StudentNo"])+","+data["RealName"]+","+data["DateAdded"].replace("T","")+","+data["Title"]+","+data["Url"]+"\n"
with open("C:\\hwlist.csv","w") as f:
        f.write(a)