项目简介:使用 Python3 抓取 12306 网站信息提供一个命令行的火车票查询工具。通过该项目的实现,可以熟悉 Python3 基础及网络编程,以及 docopt,requests,prettytable 等库的使用。
一、实验简介当你想查询一下火车票信息的时候,你还在上 12306 官网吗?或是打开你手机里的 APP?
下面让我们来用 Python 写一个命令行版的火车票查看器, 只要在命令行敲一行命令就能获得你想要的火车票信息!如果你刚掌握了Python基础,这将是个不错的小练习。
1.1 知识点
- Python3 基础知识的综合运用
- docopt、requests 及 prettytable 库的使用
二、接口设计一个应用写出来最终是要给人使用的,哪怕只是给你自己使用。
所以,首先应该想想你希望怎么使用它?让我们先给这个小应用起个名字吧,既然及查询票务信息,那就叫它 tickets好了。
我们希望用户只要输入出发站,到达站以及日期就让就能获得想要的信息,比如要查看8月25号上海-北京的火车余票, 我们只需输入:
$ tickets shanghai beijing 2016-08-25注意: 由于实验楼环境中无法输入中文,所以我们的参数设计为拼音的形式,在这里思考下使用拼音是否有什么弊端?
对这一接口进行抽象得到:
$ tickets from to date另外,火车有各种类型,高铁、动车、特快、快速和直达,我们希望可以提供选项只查询特定的一种或几种的火车,所以,我们应该有下面这些选项:
- -g 高铁
- -d 动车
- -t 特快
- -k 快速
- -z 直达
$ tickets [-gdtkz] from to date接口已经确定好了,剩下的就是实现它了。
三、代码实现首先安装一下实验需要用到的库:
$ sodo pip install requests prettytable docopt
- requests, 不用不多介绍了吧,使用 Python 访问 HTTP 资源的必备库。
- docopt, Python3 命令行参数解析工具。
- prettytable, 格式化信息打印工具,能让你像 MySQL 那样打印数据。
注意: 实验楼中无法输入中文,参数后的中文可以使用拼音代替。
# coding: utf-8"""Train tickets query via command-line.Usage: tickets [-gdtkz] <from> <to> <date>Options: -h,--help 显示帮助菜单 -g 高铁 -d 动车 -t 特快 -k 快速 -z 直达
- Example: tickets beijing shanghai 2016-08-25"""from docopt import docoptdef cli(): """command-line interface""" arguments = docopt(__doc__) print(arguments)if __name__ == '__main__': cli()
下面我们运行一下这个程序:
$ python3 tickets.py beijing shanghai 2016-08-25我们得到下面的结果:
3.2 获取数据参数已经解析好了,下面就是如何获取数据了,这也是最主要的部分。首先我们打开 12306,进入余票查询页面,如果你使用 Chrome,那么按 F12 打开开发者工具,选中 Network 一栏,在查询框钟我们输入 上海 到 北京,日期 2016-08-25, 点击查询,我们在调试工具发现,查询系统实际上请求了这个URL:
https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate=2016-07-01&from_station=SHH&to_station=BJP并且返回的是JSON格式的数据!
接下来问题就简单了,我们只需要构建请求URL然后解析返回的Json数据就可以了。但是我们发现,URL里面 from_station 和 to_station 并不是汉字或者拼音,而是一个代号,而我们想要输入的是汉字或者拼音,我们要如何获取代号呢?我们打开网页源码看看有没有什么发现。
果然,我们在网页里面找到了这个链接:https://kyfw.12306.cn/otn/resources/js/framework/station_name.js?station_version=1.8955** 这里面貌似是包含了所有车站的中文名,拼音,简写和代号等信息。但是这些信息挤在一起,而我们只想要车站的拼音和大写字母的代号信息,怎么办呢?
正则表达式就是答案,我们写个小脚本来匹配提取出想要的信息吧, 在parse_station.py中:
- #coding: utf-8import reimport requestsfrom pprint import pprinturl = 'https://kyfw.12306.cn/otn/resources/js/framework/station_name.js?station_version=1.8955'text = requests.get(url, verify=False)stations = re.findall(r'([A-Z]+)\|([a-z]+)', text)stations = dict(stations)stations = dict(zip(stations.values(), stations.keys()))pprint(stations, indent=4)
$ python3 parse_station.py > stations.py我们为这个字典加名字,stations, 最终,stations.py文件是这样的:
现在,用户输入车站的中文名,我们就可以直接从这个字典中获取它的字母代码了:
- ...from stations import stationsdef cli(): arguments = docopt(__doc__) from_staion = stations.get(arguments['<from>']) to_station = stations.get(arguments['<to>']) date = arguments['<date>'] #
构建
- URL url = 'https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate={}&from_station={}&to_station={}'.format( date, from_staion, to_station )
万事俱备,下面我们来请求这个URL获取数据吧!这里我们使用 requests 这个库, 它提供了非常简单易用的接口,
...import requestsdef cli(): ... # 添加verify=False参数不验证证书
r = requests.get(url, verify=False) print(r.json())
从结果中,我们可以观察到,与车票有关的信息需要进一步提取:
- def cli(): ... r = requsets.get(url); rows = r.json()['data']['datas']
3.3 解析数据我们封装一个简单的类来解析数据:
from prettytable import PrettyTableclass TrainCollection(object): # 显示车次、出发/到达站、 出发/到达时间、历时、一等坐、二等坐、软卧、硬卧、硬座
- header = 'train station time duration first second softsleep hardsleep hardsit'.split() def __init__(self, rows): self.rows = rows def _get_duration(self.row): """ 获取车次运行时间 """ duration = row.get('lishi').replace(':', 'h') + 'm' if duration.startswith('00'): return duration[4:] if duration.startswith('0'): return duration[1:] return duration @property def trains(self): for row in self.rows: train = [ # 车次 row['station_train_code'], # 出发、到达站 '\n'.join([row['from_staion_name'], row['to_station_name']]), # 出发、到达时间 '\n'.join([row['start_time'], row['arrive']]), # 历时 self._get_duration(row), # 一等坐 row['zy_num'], # 二等坐 row['ze_num'], # 软卧 row['rw_num'], # 软坐 row['yw_num'], # 硬坐 row['yz_num'] ] yield train def pretty_print(self): """
3.4 显示结果最后,我们将上述过程进行汇总并将结果输出到屏幕上:
- ...class TrainCollection: ... ...def cli(): arguments = docopt(__doc__) from_staion = stations.get(arguments['<from>']) to_station = stations.get(arguments['<to>']) date = arguments['<date>'] # 构建URL url = 'https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate={}&from_station={}&to_station={}'.format( date, from_staion, to_station ) r = requests.get(url, verify=False) rows = r.json()['data']['datas'] trains = TrainCollection(rows) trains.pretty_print()if __name__ == '__main__': cli()
3.5 最后一米至此, 程序的主体已经完成了, 但是上面打印出的结果是黑白的,很是乏味,我们来给它添加颜色吧:
def colored(color, text): table = { 'red': '\033[91m', 'green': '\033[92m', # no color 'nc': '\033[0' } cv = table.get(color) nc = table.get('nv') return ''.join([cv, text, nc])修改一下程序,将出发车站与出发时间显示为红色, 将到达车站与到达时间显示为绿色:
- ..'\n'.join([colored('green', row['from_staion_name']) colored('red', row['to_station_name'])]),'\n'.join([colored('green', row['start_time']) colored('red', row['arrive_time'])]),..
四、总结本课程使用 Python3 抓取 12306 网站信息提供一个命令行的火车票查询工具。通过该项目的实现,可以学习并实践 Python3 基础及网络编程,以及 docopt,requests,prettytable 等库的使用。
感兴趣的同学可以实现更多扩展功能:
- 显示商务坐, 无坐
- 添加参数支持,用户可以指定火车类型
- 支持更多的时间格式,如:20161010
【转】/实验楼(简书作者)