python爬虫爬网络数据_python 爬虫爬取网络

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

*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。

首先使用开发者工具获取所需爬取的url，如图所示

查看数据类型为json格式，看之前各位大佬的博客叫json数据类型，

用json库loads转换为dict数据格式取出每一个元素，再打开文件写入数据，

importrequestsimportjsontry:

r=requests.get('https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2420&_=1544072161608')

r.raise_for_status()

r.encoding=r.apparent_encoding

datas=json.loads(r.text)['data']except:print("网络错误")else:

crawl=''

for data indatas:

crawl+=str(data["StudentNo"])+","+data["RealName"]+","+data["DateAdded"].replace("T"," ")+","+data["Title"]+","+data["Url"]+"\n"with open ('hwlist.csv','w') as f:

f.write(crawl)

以上是源代码，下面是结果