Python爬取SDNUOJ两用户Solved problems查找遗漏的水题

Description

输入用户名，爬取SDNUOJ指定用户Information页面Solved Problems题号，通过对比，输出对方已解决而自己尚未解决的题目的题号

可执行文件下载链接：https://github.com/fireworks99/Tools/raw/master/OJ_compare_sloved.exe

Thanks

感谢LTR师哥( https://blog.csdn.net/ltrbless )耐心指导，拿出自己珍贵的大把的时间悉心为我讲解细节，在我求“鱼”之时授我以“当下之鱼”及“来日之渔”

题目做腻了的时候看了看爬虫入门的东西，偶然想起某天MF(YMF https://solodance.top/ )与旁人闲聊时提到这个（爬取两用户Information比较得出自己遗漏的水题）有趣的东西，想着自己也试试。在此说明原Idea来自于他。

Code

import urllib.request
from bs4 import BeautifulSoup

fro = 'http://www.acmicpc.sdnu.edu.cn/user/info/'

print("Please input your Username:")
my_url = input()
my_url = fro + my_url
print("Please input his or her Username:")
its_url = input()
its_url = fro + its_url
# print(my_url)
# print(its_url)
my_res = ""
its_res = ""

# 获得html文档
try:
    my_res = urllib.request.urlopen(my_url)
    its_res = urllib.request.urlopen(its_url)
except Exception as e:
    print(e)

if my_res is "":
    print("Your Username is wrong")
elif its_res is "":
    print("His or her Username is wrong")
else:
    # print(my_res.getcode())
    # print(its_res.getcode())

    # 创建BeautifulSoup对象
    my_bs = BeautifulSoup(my_res, features='html.parser', from_encoding='utf-8')
    its_bs = BeautifulSoup(its_res, features='html.parser', from_encoding='utf-8')

    # 找到所有 标签为"div",class_ 属性为"row"的内容,返回一个列表
    my_list = my_bs.find_all("div", class_="row")
    its_list = its_bs.find_all("div", class_="row")
    # print(my_list[4]) # 共七个元素，我们发现第五个是我们想要的,它本身是一个标签(Tag)

    # print(type(my_list))
    # print(type(my_list[4]))

    # 将该标签通过str强转为字符串作为文本，再次构建一个BeautifulSoup对象
    # my_soup = BeautifulSoup(unicode(my_list[4]), features='html.parser') # py2 -> unicode / py3 -> str
    my_soup = BeautifulSoup(str(my_list[4]), features='html.parser')
    its_soup = BeautifulSoup(str(its_list[4]), features='html.parser')

    # 在此范围内查找所有的'a'标签，即链接
    my_soup = my_soup.find_all('a')
    its_soup = its_soup.find_all('a')
    # print(my_soup.find_all('a'))

    # 用  .string  取出其中的NavigableString（可操纵字符串）对象，即已通过题目的题号,生成列表
    my_sloved = []
    for i in my_soup:
        my_sloved.append(i.string)

    its_sloved = []
    for i in its_soup:
        its_sloved.append(i.string)

    for i in its_sloved:
        if i not in my_sloved:
            print(i)
        else:
            continue

    print("No more!")

Process

确定所爬 url：http://www.acmicpc.sdnu.edu.cn/user/info/

审查元素

鼠标指着某段代码会出现相应模块，我们当前指向即为所需部分(Solved Problems)

发现其Tag(标签)为”div”,class_属性为”row”

find_all所有这样的内容，返回一个my_list列表

其中第5个元素，即my_list[4]是我们想要的Solved模块，将其转为字符串文本，创建为一个新的BeautifulSoup对象

对新对象find_all(‘a’)，标签a为“链接类”标签

<a href="/status/list?name=2018zhaobaole&pid=1025&type=10">1025</a>

后面的1025属于NavigableString(可操纵字符串)对象，可以通过.string直接访问

不懂的语法、函数去官方文档(BeautifulSoup4.2.0文档)找

https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html

更多内容详见code

Attention

使用上述代码时需要保证该Python Project中有beautifulsoup4解释器

pycharm如何安装beautifulsoup4：https://blog.csdn.net/huatian5/article/details/74502687