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

 

=========================================================================================================================

代码：

import requests
import json
r=requests.get('https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1543846454037')
json_data=json.loads(r.text)
result=""
with open("hwlist.csv",'w') as f:
    for item in json_data['data']:
        result=str(item['StudentNo'])+','+item['RealName']+','+item['Title']+','+(item['DateAdded'].replace('T',' '))+','+item['Url']+'\n'
        f.write(result)

 

运行结果：

问题：

发现时间的年月日没有了，但在单独操作时存在。

还没有没有找到原因。

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。

转载于:https://www.cnblogs.com/wszlm/p/10072460.html