爬虫参考

 

 

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。

 

源代码：

 1 import requests as r
 2 import json as j
 3 url="https://edu.cnblogs.com/Homework/GetAnswers?homeworkId=2422&_=1544078707814"
 4 text=r.get(url)
 5 data=j.loads(text.text)['data']
 6 result=''
 7 for d in data:
 8     result+=str(d['StudentNo'])+','+d['RealName']+','+d['DateAdded'].replace('T',' ')+','+d['Title']+','+d['Url']+'\n'
 9 with open ('hwlist.csv','w') as f:
10     f.write(result)

爬取结果：

发现的问题：

有一个时间显示不出来，但是双击#####可以显示正确的时间，原因未知，是格式问题？？？