python爬虫

1.Data_Analysis文件夹（教务处数据分析）

这些数据范围为从福大教务处刚开始 既 2022 - 10 - 28 开始的范围数据

1.统计每月的通知数量在2023-2024年的变化

---

根据这个从2003到2024的数据（2022因为数据太少而且不精准所以去掉了）

• 可以分析出在 2 月 和 7 - 8 月的假期，通知数量不管是均值还是个别数量都出现了谷值
• 根据置信值区间（98%）可以统计出在每年的九月是通知数量的最高峰（可能和新生的入学有关？军训）
• 而在3-6月随着年份的不同数值不是那么集中，可以从置信的宽度看出来，明显数据差异较大

所以可以对未来进行数据分析，接下来的趋势大概还是如m曲线一样的走势

2.统计通知人的类型：

---

可以得到以下结论：

• 教学运行作为通知人在福大教务处主要发布信息
• 教材中心发布的最少

3.附件下载次数与通知人的关系

---

得到了有关于下载次数和通知人之间的图表

可以得出以下结论：

1. 实践科的附件最受欢迎？断崖式领先...
2. 似乎教学通知大家都不看哦，20几年的数据不到2000条

代码部分放在了（Data_Analysis文件夹内，数据为output_test

2.Fzu文件夹（福大教务处爬取）

1.福专主页爬取.py

---

​ 通过 requests 方法获取到福大教务处的页面地址，先进行解析获取每一页的数据，再通过拼凑的方法得到每一页的 url 进行读取。

Caution

分别获取到了六个点

• 通知人

• 标题

• 日期

• 详情页面链接

• 附件下载总次数 （没想到很好的将附件分离出去的操作 故直接进行累加了）

• 附件名字（中间以 进行分离）

一些奇怪的注意事项

1. 建议导入 time 库可能是我抓取附件下载地址的时候重复 使用了 get 导致循环过多可能被ban

---

2.attachment.py

​ 这个文件作为自建的模块用来处理附件，通过导入页面的详细地址，对附件的名字进行抓包判断，若没有附件直接返回空列表和0（表明没有附件）

一些奇怪的注意事项

1. 对附件名字的处理，这边需要特别点名一些奇怪的党政文件，正常文件的转换为中文输出可以这样子写

file_name.encode('iso-8859-1').decode('utf-8')

可是这类文件不一样他需要进行进行这样子的转换才能输出中文

file_name.encode('utf-8').decode('utf-8')

而且使用第一类对于这类文件会发生 UnicodeEncodeError 的报错


所以我的解决方案就是使用 try - except 把报错提取 然后进行更改

        try:
            # 尝试执行的代码
            file_name2.append(file_name1.encode('iso-8859-1').decode('utf-8'))
        except UnicodeEncodeError:
            # 退而求其次
            file_name2.append(file_name1.encode('utf-8').decode('utf-8'))
            print("  **文件  ")

2. 对于提取下载次数问题的处理，我发现直接用xpath无法提取到下载的次数，再尝试几次无果后，我发现这个下载次数再一个get命令下的返回包中，而且每一个都是相同的，只是id不同，故而我就先将每一个的id提取出来，拼凑成一个url再调用另一个模块 （get_download_numbers.py） 对这个下载次数进行处理。

3.get_download_numbers.py

​ 这个模块通过提取get命令返回的值进行提取下载次数的操作

一些奇怪的注意事项

1. 其实也没啥，就是获取下来的是个str类型的数据，需要稍微对数据进行一些处理，得到最后的数字类型的下载次数

---

4.csv_making.py

​ 这个模块主要有两个功能，创建一个csv供写入使用和传入数据写入csv文件中

一些奇怪的注意事项

1. 没啥注意的主要是复习了一些有关于文件oi的问题