码迷,mamicode.com
首页 > 编程语言 > 详细

利用Python实现12306爬虫--查票

时间:2018-01-26 18:52:41      阅读:311      评论:0      收藏:0      [点我收藏+]

标签:frame   head   name   purpose   mktime   请求   标准   exists   时间   

在上一篇文章(http://www.cnblogs.com/fangtaoa/p/8321449.html)中,我们实现了12306爬虫的登录功能,接下来,我们就来实现查票的功能.

其实实现查票的功能很简单,简单概括一下我们在浏览器中完成查票时的主要步骤:

  1.从哪一站出发

  2.终点站是哪里

  3.然后选定乘车日期

既然我们已经知道是这个步骤了,那我们应该怎样通过程序的形式来实现这个步骤呢?

最主要的问题:

  1.在程序中我们如何获取站点.不妨想一下,选择的站点是全都保存到一个文件中,还是分开的?

  2.乘车日期是不是不能小于当前系统时间而且也不能大于铁路局规定的预售期(一般是30天左右)

 

好了,到目前为止,我们主要的问题是如何解决上面两个问题!

首先我们要明白一点:车票信息是通过异步加载的方式得到的

我们先看一下查票的URL:

  出发日期:2018-02-22, 出发地:深圳,目的地:北京

  https://kyfw.12306.cn/otn/leftTicket/queryZ?

    leftTicketDTO.train_date=2018-02-22&

    leftTicketDTO.from_station=SZQ&

    leftTicketDTO.to_station=BJP&

    purpose_codes=ADULT

我们重点关注2个字段:

   1.from_station=SZQ

   2.to_station=BJP

  问题来了:我们明明选择了出发地是:深圳,目的地:北京,那么在from_station中为什么是SZQ,to_station中是BJP?

     from_station和to_station的值好像不是深圳和北京被加密后的值,而是和他们的汉语拼音首字母有点联系

    那我们做一个大胆的猜测:12306网站那边应该是把每个站点都与一个唯一的站点代码建立起了关联!

 

通过以上分析,我们就有更加明确的目标去进行抓包(抓包这次使用Chrome中的工具)!

我们填好所有必要信息时,点击查询按钮,得到的结果如下:

  技术分享图片

 

  在所有结果中我们只看到了3条信息,最主要的还是第一条,我们看看里面的结果是什么

  技术分享图片

很明显我们得到从深圳到北京的所有车次信息了!

其他两个结果都是图片,不可能是站点啊,找不到站点信息,这可怎么办?技术分享图片技术分享图片技术分享图片技术分享图片┓( ′-` )┏

那我们点击刷新按钮来看看会出现什么结果

  技术分享图片

这次好像有好多东西出来了,那我们运气会不会好一点,能找到一些站点信息呢?

  技术分享图片

哦,好像我们发现了什么东西!!!!!!

  在station_name.js中我们看到了熟悉的字段:BJP,那就让我们的这里面探索探索吧!!!

 

那么目前为止我们的工作就只剩下代码的事情了

我们只要两个请求就好了:

  1.用GET请求把station_name.js中的数据全都获取到,并保存到文件中,我们需要用到,而且最好是以字典的格式保存

  2.同样用GET请求去获取查票的URL,看看有出发地到目的地有哪些车次信息.

 

项目结构:

  技术分享图片

完整的代码如下:

 

  1 from login import Login
  2 import os
  3 import json
  4 import time
  5 from collections import deque, OrderedDict
  6 
  7 class Station:
  8     """ 查询车票信息 """
  9 
 10     def __init__(self):
 11         # 使用登录时候的session,这样好一些!
 12         self.session = Login.session
 13         self.headers = Login.headers
 14 
 15 
 16     def station_name_code(self):
 17         """
 18         功能:获取每个站点的名字和对应的代码,并保存到本地
 19         :return: 无
 20         """
 21         filename = station_name.txt
 22 
 23         url = https://kyfw.12306.cn/otn/resources/js/framework/station_name.js
 24         resp = self.session.get(url, headers=self.headers)
 25         if resp.status_code == 200:
 26             print(station_name_code():获取站点信息成功!)
 27             with open(filename, w) as f:
 28                 for each in resp.text.split(=)[1].split(@):
 29                     if each != "":
 30                         f.write(each)
 31                         f.write(\n)
 32         else:
 33             print(station_name_code() error! status_code:{}, url: {}
 34                   .format(resp.status_code, resp.url))
 35 
 36     def save_station_code(self, filename):
 37         """
 38         功能:从站点文件中提取站点与其对应的代码,并保存到文件中
 39         :return:
 40         """
 41 
 42         if not os.path.exists(filename):
 43             print(save_station_code():,filename,不存在,正在下载!)
 44             self.station_name_code()
 45 
 46         file = name_code.json
 47         name_code_dict = {}
 48         with open(filename, r) as f:
 49             for line in f:
 50                 # 对读取的行都进行split操作,然后提取站点名和其代码
 51                 name = line.split(|)[1] # 站点名字
 52                 code = line.split(|)[2] # 每个站点对应的代码
 53                 # 每个站点肯定都是唯一的
 54                 name_code_dict[name] = code
 55 
 56         # 把name,code保存到本地文件中,方便以后使用
 57         with open(file, w) as f:
 58             # 不以ascii码编码的方式保存
 59             json.dump(name_code_dict, f, ensure_ascii=False)
 60 
 61 
 62     def query_ticket(self):
 63         """
 64         功能:查票操作
 65         :return: 返回查询到的所有车次信息
 66         """
 67 
 68         data = self._query_prompt()
 69         if not data:
 70             print(query_ticket() error: {}.format(data))
 71         _, from_station, to_station = data.keys()
 72         train_date = data.get(train_date)
 73         from_station_code = data.get(from_station)
 74         to_station_code = data.get(to_station)
 75 
 76         query_param = leftTicketDTO.train_date={}&  77                       leftTicketDTO.from_station={}&  78                       leftTicketDTO.to_station={}&  79                       purpose_codes=ADULT 80             .format(train_date, from_station_code, to_station_code)
 81 
 82         url = https://kyfw.12306.cn/otn/leftTicket/queryZ?
 83 
 84         full_url = url + query_param
 85         resp = self.session.get(full_url, headers=self.headers)
 86         if resp.status_code == 200 and resp.url == full_url:
 87             print(query_ticket() 成功!然后进行车票清理工作!)
 88             self._get_train_info(resp.json(), from_station, to_station)
 89 
 90         else:
 91             print(query_ticket() error! status_code:{}, url:{}\norigin_url:{}
 92                   .format(resp.status_code, resp.url, full_url))
 93 
 94     def _get_train_info(self, text, from_station, to_station):
 95         """
 96         功能:提取出查询到的列车信息
 97         :param text: 包含所有从起点站到终点站的车次信息
 98         :return: 返回所有车次信息
 99         """
100         if not text:
101             print(_query_train_info() error: text为:, text)
102         # 把json文件转变成字典形式
103         result = dict(text)
104         # 判断有无车次的标志
105         if result.get(data).get(map):
106             train_info = result.get(data).get(result)
107             train_list = deque()
108             for item in train_info:
109                 split_item = item.split(|)
110                 item_dict= {}
111                 for index, item in enumerate(split_item,0):
112                     print({}:\t{}.format(index, item))
113                 if split_item[11] == Y: # 已经开始卖票了
114                     item_dict[train_name] = split_item[3] # 车次名
115                     item_dict[depart_time] = split_item[8] # 出发时间
116                     item_dict[arrive_time] = split_item[9] # 到站时间
117                     item_dict[spend_time] = split_item[10] # 经历时长
118                     item_dict[wz] = split_item[29] # 无座
119                     item_dict[yz] = split_item[28] # 硬座
120                     item_dict[yw] = split_item[26] # 硬卧
121                     item_dict[rw] = split_item[23] # 软卧
122                     item_dict[td] = split_item[32] # 特等座
123                     item_dict[yd] = split_item[31] # 一等座
124                     item_dict[ed] = split_item[30] # 二等座
125                     item_dict[dw] = split_item[33] # 动卧
126                     train_list.append(item_dict)
127                 # 无法买票的车次,有可能是已卖光,也有可能是还不开卖
128                 elif split_item[0] == ‘‘:
129                     print(_query_train_info():车次{}的票暂时不能购买!
130                           .format(split_item[3]))
131                 else:
132                     print(_query_train_info():车次{}还未开始卖票,起售时间为:{}
133                           .format(split_item[3], split_item[1]))
134             # 调用方法来打印列车结果
135             self._print_train(train_list, from_station, to_station)
136         else:
137             print(_get_train_info() error: 从{}站到{}站有没列车!
138                   .format(from_station, to_station))
139 
140     def _print_train(self, train_info, from_station, to_station):
141         """
142         功能:打印查询到的车次信息
143         :param train_info: 提取出来的车次信息
144         :return:
145         """
146 
147         if not train_info:
148             print(_print_train() error: train_info是None!)
149             return
150 
151         print(从{}到{}还有余票的列车有:.format(from_station, to_station))
152         for item in train_info:
153             if G in item[train_name]: # 高铁
154                 self._print_high_train_info(item)
155             elif D in item[train_name]: # 动车
156                 self._print_dong_train_info(item)
157             else:
158                 self._print_train_info(item)
159 
160     def _print_high_train_info(self, item):
161         """
162         功能:打印高铁车次信息
163         :param item: 所有高铁车次
164         :return:
165         """
166         print(车次:{:4s}\t起始时间:{:4s}\t到站时间:{:4s}\t
167               经历时长:{:4s}\t特等座:{:4s}\t一等座:{:4s}\t二等座:{:4s}
168               .format(item[train_name], item[depart_time],item[arrive_time],
169                       item[spend_time],item[td], item[yd], item[ed]))
170 
171     def _print_dong_train_info(self, item):
172         """
173         功能:打印动车的车票信息
174         :param item: 所有动车车次
175         :return:
176         """
177         print(车次:{:4s}\t起始时间:{:4s}\t到站时间:{:4s}\t
178               经历时长:{:4s}\t一等座:{:4s}\t二等座:{:4s}\t软卧:{:4s}\t动卧:{:4s}
179               .format(item[train_name], item[depart_time], item[arrive_time],
180                       item[spend_time],item[yd],item[ed], item[rw], item[dw]))
181     def _print_train_info(self,item):
182         """
183         功能:打印普通列出的车次信息
184         :param item: 所有普通车次
185         :return:
186         """
187         print(车次:{:4s}\t起始时间:{:4s}\t到站时间:{:4s}\t经历时长:{:4s}\t
188               软卧:{:4s}\t硬卧:{:4s}\t硬座:{:4s}\t无座:{:4s}
189               .format(item[train_name], item[depart_time], item[arrive_time],
190                       item[spend_time],item[rw], item[yw], item[yz], item[wz]))
191     def _query_prompt(self):
192         """
193         功能: 与用户交互,让用户输入:出发日期,起始站和终点站并判断其正确性
194         :return: 返回正确的日期,起始站和终点站
195         """
196 
197         time_flag, train_date = self._check_date()
198         if not time_flag:
199             print(_query_prompt() error:, 乘车日期不合理,请检查!!)
200             return
201         # 创建有序字典,方便取值
202         query_data = OrderedDict()
203         from_station = input(请输入起始站:)
204         to_station = input(请输入终点站:)
205 
206         station_flag = True
207         filename = name_code.json
208         with open(filename, r) as f:
209             data = dict(json.load(f))
210             stations = data.keys()
211             if from_station not in stations or to_station not in stations:
212                 station_flag = False
213                 print(query_prompt() error: {}或{}不在站点列表中!!
214                     .format(from_station, to_station))
215             # 获取起始站和终点站的代码
216             from_station_code = data.get(from_station)
217             to_station_code = data.get(to_station)
218         query_data[train_date] = train_date
219         query_data[from_station] = from_station_code
220         query_data[to_station] = to_station_code
221 
222         if time_flag and  station_flag:
223             return query_data
224         else:
225             print(query_prompt() error! time_flag:{}, station_flag:{}
226                   .format(time_flag, station_flag))
227 
228 
229 
230     def _check_date(self):
231         """
232         功能:检测乘车日期的正确性
233         :return: 返回时间是否为标准的形式的标志
234         """
235 
236         # 获取当前时间的时间戳
237         local_time = time.localtime()
238         local_date = {}-{}-{}.239             format(local_time.tm_year, local_time.tm_mon, local_time.tm_mday)
240         curr_time_array = time.strptime(local_date, %Y-%m-%d)
241         curr_time_stamp = time.mktime(curr_time_array)
242         # 获取当前时间
243         curr_time = time.strftime(%Y-%m-%d, time.localtime(curr_time_stamp))
244 
245         # 计算出预售时长的时间戳
246         delta_time_stamp = 2505600
247         # 算出预售票的截止日期时间戳
248         dead_time_stamp = int(curr_time_stamp) + int(delta_time_stamp)
249         dead_time = time.strftime(%Y-%m-%d, time.localtime(dead_time_stamp))
250         print(合理的乘车日期范围是:({})~({}).format(curr_time, dead_time))
251 
252         train_date = input(请输入乘坐日期(year-month-day):)
253         # 把乘车日期转换成时间戳来比较
254         # 先生成一个时间数组
255         time_array = time.strptime(train_date, %Y-%m-%d)
256         # 把时间数组转化成时间戳
257         train_date_stamp = time.mktime(time_array)
258         # 获取标准的乘车日期
259         train_date_time = time.strftime(%Y-%m-%d, time.localtime(train_date_stamp))
260         # 做上面几步主要是把用户输入的时间格式转变成标准的格式
261         # 如用户输入:2018-2-22,那么形成的查票URL就不是正确的
262         # 只有是:    2018-02-22,组合的URL才是正确的!
263         # 通过时间戳来比较时间的正确性
264         if int(train_date_stamp) >= int(curr_time_stamp) and 265             int(train_date_stamp) <= dead_time_stamp:
266             return True, train_date_time
267         else:
268             print(_check_date() error: 乘车日期:{}, 当前系统时间:{}, 预售时长为:{}
269                   .format(train_date_time, curr_time, dead_time))
270             return False, None
271 
272 
273 
274 def main():
275     filename = station_name.txt
276     station = Station()
277     station.station_name_code()
278     station.save_station_code(filename)
279     station.query_ticket()
280 
281 if __name__ == __main__:
282     main()

 

小结:在查票功能中,其实没有太多复杂的东西,不想前面登录时需要发送多个请求,在这个功能中只要发送两个请求就可以了,主要复杂的地方在于对数据的清理工作!

利用Python实现12306爬虫--查票

标签:frame   head   name   purpose   mktime   请求   标准   exists   时间   

原文地址:https://www.cnblogs.com/fangtaoa/p/8360460.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!