python3强智教务系统个人课表爬虫

512次阅读
没有评论

前言

之前写过一篇用webdriver爬取教务系统课表的爬虫,用的是selenium自动化的无头浏览器模拟登录,今天带来的是用requests请求实现的爬虫。

工具

requests库实现对网页的请求,execjs库实现是js脚本的执行,bs4对爬取的数据进行清洗,csv库实现对数据的储存。

步骤

①首先是登录获取会话(session)

python3强智教务系统个人课表爬虫
先在输入框乱输入,按F12,登录获取登录页面的表单信息格式
python3强智教务系统个人课表爬虫
python3强智教务系统个人课表爬虫
发现是POST请求,表单为加密过的,此时查看页面源代码,检查是如何加密的
python3强智教务系统个人课表爬虫
再往下看到js,发现是根据encodeInp()进行加密的
python3强智教务系统个人课表爬虫
再次检查页面源代码并没有发现此函数,那就只能是存在JS文件里面的
python3强智教务系统个人课表爬虫
python3强智教务系统个人课表爬虫
虽然后来发现是Base64加密方式,但是没关系了,用python的execjs来执行加密,记得将conwork.js下载下来放在跟python文件的同个目录
request请求后获取会话,准备到目的网页进行数据爬取

def get_js(self, msg): # python 调用JS加密 返回 加密后的结果 with open('conwork.js', encoding='utf-8') as f: js = execjs.compile(f.read()) return js.call('encodeInp', msg)

def login_requests(self): user = '账号' pwd = '密码' csv_file_path = r'E://py//个人学期课程表.csv' encode = str(self.get_js(user)) + "%%%" + str(self.get_js(pwd)) + "=" # 获得加密后的东西 form_data = { 'encoded': encode } r_session = requests.session() r_session.post(self.login_url, headers=self.header, data=form_data) return r_session

②爬取数据

直接来到网页显示的课表页面,将此时的URL复制下来
又发现课表有多选框,所以为了数据准确性,需要进行post数据
python3强智教务系统个人课表爬虫
周次的数据选择全部,也就是0
python3强智教务系统个人课表爬虫
学期按时间,本次选择2019-2020-2
python3强智教务系统个人课表爬虫
放大也选择是
python3强智教务系统个人课表爬虫
请求的数据如下

post_data = { 'zc': '0', #周次选择全部 'xnxq01id': '2019-2020-2', #学期 'sfFd': '1' #放大 }

根据登录的会话进行再次请求

post_data = { 'zc': '0', # 周次选择全部 'xnxq01id': '2019-2020-2', # 学期 'sfFd': '1' # 放大 } response = r_session.get(self.score_url, headers=self.header,data=post_data)

③数据清洗

python3强智教务系统个人课表爬虫
使用beautifulsoup进行数据筛选,弄出符合csv的二维列表格式

soup = BeautifulSoup(response.text, 'lxml') page = soup.find_all('div', attrs={'class': "kbcontent"}) teachers1, teachers2 = [], [] weeks1, weeks2 = [], [] classrooms1, classrooms2 = [], [] for i in page: teachers1.append(i.find('font', attrs={'title': '老师'})) weeks1.append(i.find('font', attrs={'title': '周次(节次)'})) classrooms1.append(i.find('font', attrs={'title': '教室'})) my_detail = list(page) for i in teachers1: if i == None: teachers2.append('\n') else: teachers2.append(i.string) for i in weeks1: if i == None: weeks2.append('\n') else: weeks2.append('\n' + i.string) for i in classrooms1: if i == None: classrooms2.append('\n') else: classrooms2.append('\n' + i.string) all_data = [] pitch_number = ['(上午)\n第1,2节\n(08:00-08:45)\n(08:55-09:40)', '(上午)\n第3,4节\n(10:00-10:45)\n(10:55-11:40)', '(下午)\n第5,6节\n(14:30-15:15)\n(15:25-16:10)', '(下午)\n第7,8节\n(16:20-16:05)\n(17:15-18:00)', '(晚上)\n第9,10节\n(19:30-20:15)\n(20:25-21:10)', '第11,12节', '第13,14节']

temp = [] temp.append(pitch_number[0]) num = 0 pnum = 0 for i in range(len(my_detail)): if my_detail[i].text == '\xa0': temp.append('\n\n\n') else: temp.append(my_detail[i].text.split(teachers2[i])[0] + '\n' + teachers2[i] + weeks2[i] + classrooms2[i]) num = num + 1 if num == 7: all_data.append(temp) temp = [] pnum = pnum + 1 temp.append(pitch_number[pnum]) num = 0 page2 = soup.find('td', attrs={'colspan': "7"}) BZ = ['备注:' + page2.text, '\n', '\n', '\n', '\n', '\n', '\n', '\n'] all_data.append(BZ)

④生成csv文件(可用excel打开)

f = open(self.csv_file_path, 'w', newline='') csv_write = csv.writer(f) csv_write.writerow(['课程时间', '星期一', '星期二', '星期三', '星期四', '星期五', '星期六', '星期日']) for i in range(len(all_data)): csv_write.writerow(all_data[i]) f.close()

最后附上所有代码

工程代码如下

import csv import requests import execjs from bs4 import BeautifulSoup

class SpiderOfTimetable: login_url = 'http://jwgln.zsc.edu.cn/jsxsd/xk/LoginToXk' score_url = 'http://jwgln.zsc.edu.cn/jsxsd/xskb/xskb_list.do' header = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) ' 'Chrome/75.0.3770.100 Safari/537.36', 'Host': 'jwgln.zsc.edu.cn', 'Referer': 'http://jwgln.zsc.edu.cn/jsxsd/' } user = '账号' pwd = '密码' csv_file_path = r'C://个人学期课程表.csv' #生成文件的位置 def get_js(self, msg): # python 调用JS加密 返回 加密后的结果 with open('conwork.js', encoding='utf-8') as f: js = execjs.compile(f.read()) return js.call('encodeInp', msg)

def login_requests(self): encode = str(self.get_js(self.user)) + "%%%" + str(self.get_js(self.pwd)) + "=" # 获得加密后的东西 form_data = { 'encoded': encode } r_session = requests.session() r_session.post(self.login_url, headers=self.header, data=form_data) return r_session

def parse_page(self,r_session): post_data = { 'zc': '0', # 周次选择全部 'xnxq01id': '2019-2020-2', # 学期 'sfFd': '1' # 放大 } response = r_session.get(self.score_url, headers=self.header,data=post_data) soup = BeautifulSoup(response.text, 'lxml') page = soup.find_all('div', attrs={'class': "kbcontent"}) teachers1, teachers2 = [], [] weeks1, weeks2 = [], [] classrooms1, classrooms2 = [], [] for i in page: teachers1.append(i.find('font', attrs={'title': '老师'})) weeks1.append(i.find('font', attrs={'title': '周次(节次)'})) classrooms1.append(i.find('font', attrs={'title': '教室'})) my_detail = list(page) for i in teachers1: if i == None: teachers2.append('\n') else: teachers2.append(i.string) for i in weeks1: if i == None: weeks2.append('\n') else: weeks2.append('\n' + i.string) for i in classrooms1: if i == None: classrooms2.append('\n') else: classrooms2.append('\n' + i.string) all_data = [] pitch_number = ['(上午)\n第1,2节\n(08:00-08:45)\n(08:55-09:40)', '(上午)\n第3,4节\n(10:00-10:45)\n(10:55-11:40)', '(下午)\n第5,6节\n(14:30-15:15)\n(15:25-16:10)', '(下午)\n第7,8节\n(16:20-16:05)\n(17:15-18:00)', '(晚上)\n第9,10节\n(19:30-20:15)\n(20:25-21:10)', '第11,12节', '第13,14节']

temp = [] temp.append(pitch_number[0]) num = 0 pnum = 0 for i in range(len(my_detail)): if my_detail[i].text == '\xa0': temp.append('\n\n\n') else: temp.append(my_detail[i].text.split(teachers2[i])[0] + '\n' + teachers2[i] + weeks2[i] + classrooms2[i]) num = num + 1 if num == 7: all_data.append(temp) temp = [] pnum = pnum + 1 temp.append(pitch_number[pnum]) num = 0 page2 = soup.find('td', attrs={'colspan': "7"}) BZ = ['备注:' + page2.text, '\n', '\n', '\n', '\n', '\n', '\n', '\n'] all_data.append(BZ) f = open(self.csv_file_path, 'w', newline='') csv_write = csv.writer(f) csv_write.writerow(['课程时间', '星期一', '星期二', '星期三', '星期四', '星期五', '星期六', '星期日']) for i in range(len(all_data)): csv_write.writerow(all_data[i]) f.close()

if __name__ == '__main__': spider = SpiderOfTimetable() session = spider.login_requests() spider.parse_page(session)

conwork.js文件代码

eval(function(p,a,c,k,e,d){e=function(c){return(c<a?"":e(parseInt(c/a)))+((c=c%a)>35?String.fromCharCode(c+29):c.toString(36))};if(!''.replace(/^/,String)){while(c)d[e(c)]=k[c]||e(c);k=[function(e){return d[e]}];e=function(){return'\\w+'};c=1;};while(c)if(k[c])p=p.replace(new RegExp('\\b'+e(c)+'\\b','g'),k[c]);return p;}('b 9="o+/=";p q(a){b e="";b 8,5,7="";b f,g,c,1="";b i=0;m{8=a.h(i++);5=a.h(i++);7=a.h(i++);f=8>>2;g=((8&3)<<4)|(5>>4);c=((5&s)<<2)|(7>>6);1=7&t;k(j(5)){c=1=l}v k(j(7)){1=l}e=e+9.d(f)+9.d(g)+9.d(c)+9.d(1);8=5=7="";f=g=c=1=""}u(i<a.n);r e}',32,32,'|enc4||||chr2||chr3|chr1|keyStr|input|var|enc3|charAt|output|enc1|enc2|charCodeAt||isNaN|if|64|do|length|ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789|function|encodeInp|return|15|63|while|else'.split('|'),0,{}))

工程目录格式
python3强智教务系统个人课表爬虫

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:Python教程2022-10-28发表,共计7599字。
新手QQ群:570568346,欢迎进群讨论 Python51学习