python学习之 12306的一个小爬虫

来源：互联网发布：java b2b2c 开源编辑：程序博客网时间：2024/04/27 03:16

本文思路主要来源于实验楼的教程，但是一些具体的一些细节是我自己发现的，比如哪里获得站点对应的3位英文编号，怎么获得这个查询的url

本文用到的库主要有requests(获取url的内容),prettytable（让文本输出美观）,argparse（命令行参数解析）

关于这些库怎么使用，可以参见我之前的博文

1、首先打开12306余票查询的界面

https://kyfw.12306.cn/otn/lcxxcx/init

我们想要的信息当然就是在输入了始发站、终点站和日期之后各车次的时间和车票余量，那么我们尝试在始发站使用检查元素，观察一下它是怎么上传始发站的信息的，那么我们不妨随便输入出发地、目的地和信息，使用抓包工具来看看它是怎么发包的（使用浏览器也可以，因为我们只需要查看包的内容，不需要更改包）

2、

在chrome的network中我们可以查看到我们点击之后浏览器发送的所有包（关于http包的知识不熟悉的同学，可以看看《图解http》这本书）

点击查询之后我们马上就会注意到以query开头的这个包，显然这就是一个查询指令，我们看看这个包的url

'https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate=2016-10-04&from_station=BJP&to_station=XKS'

然后我们看看它的response

仔细观察就能发现它其实是一串json格式的字符串（要非常有经验。。。。）

3、经过以上这些过程，我们大致就能知道我们需要做的是什么了，我们只需要更改url中的data，fromstaion,tostaion后面的内容，然后用requests获得response，然后解析这一串json字符就行了。

但是我们会发现，日期还好说，对于fromstation和tostaion的代码，我们该怎么办呢？

4、有两种可能，一中可能是这些文件在服务器上，每回改变站点网页都会从服务器请求这个站点的代码，还有一种可能是这个已经下载到本地了，如何判断呢？我们不妨改变一下始发站，然后用抓包软件（或者浏览器）观察我们的浏览器是否向12306发送了包

把北京改成了上海，但是我们发现浏览器并没有发送包

这样我们基本可以肯定这个车站编号信息是存在本地了（已经从服务器下载下来）

5、我们这时候，就需要分析html来发现这个编号信息到底储存在了那里

我们试着检查一下出发地附近的html标签，在‘热门’上面点击检查，我们很容易发现这个标签上面带了一个onclick方法

我们发现这个onclick方法指向了一个js文件，并且名字是‘Stationfor12306’，基本我们可以确定这个js文件就是我们需要的站点信息文件了。

6、我们尝试在这个html（12306余票查询界面）里面搜一下stationfor，我们马上就能发现，它就在<head>标签的<script>元素里，并且指向了一个url

进入这个url看看，我们马上就发现站点信息已经被我们找到啦(注意这是一个相对URL,绝对url需要在前面补上https://kyfw.12306.cn/)

关于怎么获取三位数的车站代码，用正则，字符串查询都是可以的啦，由于这里是固定的3位车站代码，我就用简单的字符串查询来提取这个代码了。

7、剩下的工作，基本就是代码实现了，关于具体怎么实现，大家可以参看实验楼的代码，我也把我的代码贴在下面了。

实验楼：https://www.shiyanlou.com/courses/623/labs/2072/document

我的代码

#coding=utf-8import requestsimport argparseimport datetimeimport refrom prettytable import PrettyTablenow = datetime.datetime.now()tomorrow = now+datetime.timedelta(days=1) tomorrow = tomorrow.strftime('%Y-%m-%d')print tomorrowargument = argparse.ArgumentParser()argument.add_argument('--fromcity','-f',default='hangzhoudong')argument.add_argument('--tocity','-t',default='xiamen')argument.add_argument('--date','-d',default=tomorrow)# argument.add_argument('-d',action='store_true')args =argument.parse_args()from_station =  args.fromcityto_station = args.tocityDate = args.datestationlist_url = 'https://kyfw.12306.cn/otn/resources/js/framework/station_name.js'r = requests.get(stationlist_url, verify=False)stationlist = r.contentToStation = ''FromStation = ''placea = stationlist.find(from_station)placeb = stationlist.find(to_station)for i in range(-4,-1):FromStation += stationlist[placea+i]for i in range(-4,-1):ToStation += stationlist[placeb+i]query_url='https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate='+Date+'&from_station='+FromStation+'&to_station='+ToStationr = requests.get(query_url,verify=False)with open('json.txt','w') as fp: fp.write(str(r.json()))if 'datas' in r.json()["data"]:rj = r.json()["data"]["datas"]pt = PrettyTable()header = '车次 车站 到站时间 时长 一等座 二等座 软卧 硬卧 硬座 无座'.split()pt._set_field_names(header)for x in rj:ptrow = []ptrow.append(x["station_train_code"])ptrow.append('\n'.join([x["from_station_name"],x["to_station_name"]]))ptrow.append('\n'.join([x["start_time"], x["arrive_time"]]))ptrow.append(x["lishi"].replace(':','h')+'m')ptrow.append(x['zy_num'])ptrow.append(x['ze_num'])ptrow.append(x['rw_num'])ptrow.append(x['yw_num'])ptrow.append(x['yz_num'])ptrow.append(x['wz_num'])pt.add_row(ptrow)print ptelse :print '这两个站点没有直达列车'

1 0