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

 

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。

 

我要先声明的是，这份作业我并不是独立完成的。我看了助教马孟林大佬提交的作业，写的非常详细，不过我仍然花了一个多小时才敲出第一部分内容的代码

import requests
import json
URL='https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1542959851766'
try:
    r = requests.get(URL,timeout=1)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
except:
    print('网络异常或页面未找到，请重试')
    
datas=json.loads(r.text)['data']  #json.loads将字符串转为字典
results=""
for data in datas:
    results=results+ str(data['StudentNo'])+','+data['RealName']+','+data['Title']+','+data['DateAdded'].replace('T','，')+','+data['Url']+'\n'

with open('hwlist.csv','w') as f:
    f.write(results)               

爬取结果如下：

关于爬到的作业提交时间格式有一个问题，这里的.replace('T',', ')如果改为.repalce('T',' ')，单引号里将逗号改为空格（手敲的空格），就会出现问题

 results=results+ str(data['StudentNo'])+','+data['RealName']+','+data['Title']+','+data['DateAdded'].replace('T','，')+','+data['Url']+'\n'