寫這個爬蟲的緣由

以前用java寫過一個爬取學校的教務系統的爬蟲 https://blog.csdn.net/ygdxt/article/details/81158321，最近癡迷Python爬蟲，了解到許多強大的庫，想再一次用學校的教務系統做下測試。

這一次我首先想到的是新的教務系統，這個難度更大，因為有了驗證碼識別反爬，由于我是用的tessocr庫識別驗證碼,(具體配置過程可以參考我之前的博客python填坑之路:tesserocr配置)

用Requests.get方法把驗證碼下載下來識別之后，同時因為我爬取網頁是用的selenium做的模擬網頁動作，這里就有一個同步性的問題，不能保證selenium請求網頁上的驗證碼和requests請求的驗證碼是同一個，相當于selenium、requests分別請求了一次登陸網頁，兩個網頁上的驗證碼顯然是不同的。所以

怎么保證請求登錄界面得到的網頁上的驗證碼

和我們請求驗證碼服務器返回的驗證碼是同一個驗證碼是同一個是一個很迷人的問題，

我開始還以為可以從網頁源代碼上直接定位到這個驗證碼，結果顯示這個驗證碼在登錄界面的

的存在形式不是一個..png/jpg,而是通過src=“驗證碼服務器”來實現異步加載

同時，由于tessocr識別驗證碼的成功率可能只有50%，要提高驗證率可能還要對接云打碼，果斷放棄了爬取新教務系統的想法，還是爬取原來的沒有驗證碼的舊教務系統，

其實新舊教務系統最大的區別就是登陸界面不一樣，登陸之后都一樣，貌似用了重定向

ps:如果你對這個問題有什么好的解決辦法，請不吝賜教

運行結果預覽

20181128201749396.png

編碼過程

詳細的代碼解釋就看注釋吧，有什么問題歡迎交流

執行爬蟲的主程序csu.py，里面有許多測試用的注釋代碼，就不刪了

from selenium import webdriver

from selenium.webdriver.common.by import By

from selenium.common.exceptions import TimeoutException

from selenium.webdriver.support.ui import WebDriverWait

from selenium.webdriver.support import expected_conditions as EC

from selenium.webdriver.support.select import Select

from config import *

import time

broswer = webdriver.Chrome()

wait = WebDriverWait(broswer, 10)

def search():

try:

broswer.get("http://csujwc.its.csu.edu.cn/jsxsd/kscj/yscjcx_list")

account = wait.until(

EC.presence_of_element_located((By.CSS_SELECTOR, "#userAccount"))

)

password = wait.until(

EC.presence_of_element_located((By.CSS_SELECTOR, "#userPassword"))

)

submit = wait.until(

EC.element_to_be_clickable((By.CSS_SELECTOR, "#btnSubmit"))

)

except TimeoutException:

return search()

#登錄

account.send_keys(ACCOUNT)

password.send_keys(PASSWORD)

submit.click()

#進入我的成績界面

my_score = wait.until(

EC.presence_of_element_located((By.CSS_SELECTOR,"body > div.wap > a:nth-child(3) > div"))

)

my_score.click()

#成績和平均分

# my_rank = wait.until(

# EC.presence_of_element_located((By.CSS_SELECTOR, "#LeftMenu1_divChildMenu > ul > li:nth-child(4) > a"))

# )

# my_rank.click()

#

# rank = wait.until(

# EC.presence_of_element_located((By.CSS_SELECTOR, "#dataList > tbody > tr:nth-child(2) > td:nth-child(3)"))

# )

# #http://www.w3school.com.cn/cssref/selector_nth-child.asp nth-child(n)的用法

# average_score = wait.until(

# EC.presence_of_element_located((By.CSS_SELECTOR, "#dataList > tbody > tr:nth-child(2) > td:nth-child(4)"))

# )

#

# print('您的平均成績是:'+average_score.text+"\n排名:"+rank.text)

#逐次展示 我的成績八個子項

# css_selector = "#LeftMenu1_divChildMenu > ul > li:nth-child({0}) > a"

# for i in range(8):

# # 將滾動條移動到頁面的頂部

# js = "var q=document.documentElement.scrollTop=0"

# broswer.execute_script(js)

# time.sleep(2)

#

# aviable_score = wait.until(

# EC.presence_of_element_located((By.CSS_SELECTOR, css_selector.format(str(i+1))))

# )

# aviable_score.click()

#

#

# #將滾動條移動到頁面的底部

# for j in range(8):

# js="var q=document.documentElement.scrollTop="+str(j*200)

# broswer.execute_script(js)

# time.sleep(1)

#處理select https://www.cnblogs.com/imyalost/p/7846653.html

yxcj = wait.until(

EC.element_to_be_clickable((By.CSS_SELECTOR, "#LeftMenu1_divChildMenu > ul > li:nth-child(1) > a"))

)

select_score_element = broswer.find_element_by_css_selector("#xnxq01id")

select_score = Select(select_score_element)

#得到下拉列表的所有子項

select_score_items = broswer.find_elements_by_css_selector("#xnxq01id option")

select_score_items_text = []

for item in select_score_items:

select_score_items_text.append(item.text)

#print(item.text)

scores_dic = {}

for i in range(len(select_score.options)):

#不加這兩行會報錯，原因： https://blog.csdn.net/ulebo/article/details/52128033

print("*****************************************************"+select_score_items_text[i]+

"*****************************************************")

select_score_element = broswer.find_element_by_css_selector("#xnxq01id")

select_score = Select(select_score_element)

select_score.select_by_index(i)

time.sleep(1)

score_table = broswer.find_element_by_css_selector("#dataList")

data = score_table.text.replace("+","")

data = data.split("\n")

datalist = []

for line in data:

datalist.append(line.split())

scores_dic[select_score_items_text[i]] = datalist

return scores_dic[select_score_items_text[0]]

def main():

search()

if __name__ =="__main__":

main()

ui.py程序的gui，直接運行這個就好，它會調用csu.py

#coding=utf-8

import wx

import wx.grid

import csu

class UI(wx.Frame):

def __init__(self):

wx.Frame.__init__(self,parent=None,title="成績查詢",size=(1050,560))

grid = wx.grid.Grid(self,pos=(10,0),size=(1050,500))

grid.CreateGrid(100,9)

for i in range(100):

for j in range(9):

grid.SetCellAlignment(i,j,wx.ALIGN_CENTER,wx.ALIGN_CENTER)

grid.SetColLabelValue(0, "序號") #第一列標簽

grid.SetColLabelValue(1, "初修學期")

grid.SetColLabelValue(2, "獲得學期")

grid.SetColLabelValue(3, "課程")

grid.SetColLabelValue(4, "成績") # 第一列標簽

grid.SetColLabelValue(5, "學分")

grid.SetColLabelValue(6, "課程屬性")

grid.SetColLabelValue(7, "課程性質")

grid.SetColLabelValue(8, "獲得方式") # 第一列標簽

grid.SetColSize(0,50)

grid.SetColSize(1,100)

grid.SetColSize(2,100)

grid.SetColSize(3,350)

grid.SetColSize(4,50)

grid.SetColSize(5,50)

grid.SetColSize(6,50)

grid.SetColSize(7,100)

grid.SetColSize(8,100)

grid.SetCellTextColour("NAVY")

data = csu.search()

data.remove(data[0])

print(data)

for i,item1 in enumerate(data):

for j,item2 in enumerate(item1):

grid.SetCellValue(i,j,data[i][j])

pass

app = wx.App()

frame = UI()

frame.Show()

app.MainLoop()

想要運行代碼，具體的配置過程請參考readme

總結

以上是生活随笔為你收集整理的python爬去学校_python爬取学校教务系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。