网络爬虫作业

题目如下：

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

 

爬取页面如下：

在对应位置鼠标右键——审查元素，可以找到对应代码如图：

紧接着我们需要拿到这部分的url 按F12——network中找到对应的name——answer啥的。。。

紧接着也能发现这是一个json文件。

代码如下：

import requests as r
import json
import time
try:
    a = r.get('https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1543758681318')
except:       
    print('Error')
def cd():
    b = json.loads(a.text)['data']
    e = ''
    for i in b:
        c = (str(i['StudentNo']) + ',' + str(i['RealName']) + ',' + str(i['Title']) + ',' + str(i['DateAdded'].replace('T',' ')) + ',' + str(i['BlogUrl'])).replace('None','助教')
        e = e + c + '\n'
        print(e)
        with open('E:\\hwlist.csv','w') as f:
            f.write(e)
while True:
    cd()
    time.sleep(2500)

 

结果：

 

学生序号有问题不知道为啥。。。‘