用Python查询成绩|（二）模拟登录教务网并获取成绩

前言

av8d大家好鸽了几个月的我又回来了！

在上一篇用Python查询成绩|（一）网络爬虫基础知识中我大概的讲了一下网络爬虫的基础知识，这一篇就有干货了啊，直接开始模拟登录教务网。

本篇内容

1，用 Python 模拟登录教务网
2，获取成绩

以下代码均可以在我的 Github 上找到：

https://github.com/DuChuan19/NkemisScoreSpider

免责声明：本文仅供学习交流，如出现任何法律问题本人概不负责！

用 Python 模拟登录教务网

整体思路

1，向登录界面发送登录请求，POST 一系列参数，包括账号、密码等，获得响应，提取一些关键参数

2，得到参数重新发送登录请求，POST 参数之后即可登录

第一次向登录界面发送请求

第一次向登陆页面发送请求，是为了看看需要 POST 哪些参数，光提交账号密码是肯定不行的。

1.png

这里可以看除了账号密码还有另外的四个参数，分别是__VIEWSTATE 、__VIEWSTATEGENERATOR和ImageButton1.x、ImageButton1.y，前两个经过分析可以在登录页面找到

2.png

我们可以通过 requests 的 get 方法得到

后面两个应该是登录按钮的位置

3.png

然后可以通过以下代码来得到需要的参数，账号密码可以手动输入

def post_data(self):
    """
        获取用户登录时需要提交的数据
        :return: data
        """
    try:
        html = requests.get(self.SYSTEMLOGIN_URL, headers=self.random_header())
        bsObj = BeautifulSoup(html.text, 'lxml')
        __VIEWSTATE = bsObj.find('input').attrs['value']
        __VIEWSTATEGENERATOR = bsObj.find('input', id='__VIEWSTATEGENERATOR').attrs['value']
        data = {
            "__VIEWSTATE": __VIEWSTATE,
            "__EVENTVALIDATION": __VIEWSTATEGENERATOR,
            "txtUserID": self.textUserID,
            "txtPasswd": self.textPasswd,
            "ImageButton1.x": 1,
            "ImageButton1.y": 1
        }
        return data

第二次向登录界面发送请求

这次请求需要包含以上获得的参数，不然没法得到正确的响应

直接来看代码：

session = requests.session()
session.post(self.SYSTEMLOGIN_URL, data=self.post_data())

关于 session 的详细说明以及用法，可以访问官方文档进行查看

这里我大概的说一下

requests 库的 session 对象能够帮我们跨请求保持某些参数，也会在同一个 session 实例发出的所有请求之间保持cookies

所以我们发送了带有登录参数的数据，如果参数正确，就能登录成功了

4.png

获取成绩

成功登录教务网之后，接下来便是获取成绩了

我们需要获取的数据只有两个，课程标题以及对应的总评成绩

这里有两种方法，一种是通过正则表达式来获取，另一种是用 pandas 库

用正则表达式来获取成绩

5.png

可以看到，课程名称和总评成绩都包含在 tr 标签下

为了方便看，我把课程名称和总评成绩分开写

# 课程标题
title_pattern = re.compile('<tr align="center">.*?<td align="left">.*?<a.*?>(.*?)</a>', re.S)
title_items = re.findall(title_pattern, res.text)

# 每科对应总成绩
score_pattern = re.compile('<tr align="center">.*?<td align="left">.*?<a.*?>.*?</a>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>(.*?)<td>',re.S)
score_items = re.findall(score_pattern, res.text)

下面是登录和获取成绩的完整代码：

def get_score(self):
        """
        登录教务网并且获取课程标题以及对应的成绩
        :return:
        """
    # Login
    session = requests.session()
    session.post(self.SYSTEMLOGIN_URL, data=self.post_data())

    # Get score
    res = session.get(url=self.SCOREQUERY_URL)

    # 课程标题
    title_pattern = re.compile('<tr align="center">.*?<td align="left">.*?<a.*?>(.*?)</a>', re.S)
    title_items = re.findall(title_pattern, res.text)

    # 每科对应总成绩
    score_pattern = re.compile('<tr align="center">.*?<td align="left">.*?<a.*?>.*?</a>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>(.*?)<td>',re.S)
    score_items = re.findall(score_pattern, res.text)

    # 将数据保存为字典格式
    for title, score in zip(title_items, score_items):
        self.ITEMS.append({
            'title': title.replace('\r', '').replace('\t', '').replace('\n', ''),
            'score': score.replace('</td>', '')
        })

我们将获取到的数据保存为字典格式，以便后面入库

运行一下，成功得到了课程名称和总评成绩(学渣一枚，成绩太差了，见笑)

6.png

下面是完整代码：

# -*-coding:utf8-*-
import re
import random
import pandas
import pymysql
import requests
from bs4 import BeautifulSoup


class Nkemis_helper(object):

    def __init__(self, textUserID, textPasswd):
        """
        Nkemis Helper
        :param textUserID: 学号
        :param textPasswd: 密码
        """

        self.textUserID = textUserID
        self.textPasswd = textPasswd
        self.SYSTEMLOGIN_URL = 'http://222.30.63.15/NKEMIS/SystemLogin.aspx'
        self.SCOREQUERY_URL = "http://222.30.63.15/nkemis/Student/ScoreQuery.aspx"

        self.ITEMS = []  # 存放课程标题以及对应的成绩

    def random_header(self):
        """
        随机选取一个 User-Agent
        :return: random header
        """
        USERAGENT_LIST = [
            "Mozilla/5.0(Macintosh;IntelMacOSX10.6;rv:2.0.1)Gecko/20100101Firefox/4.0.1",
            "Mozilla/4.0(compatible;MSIE6.0;WindowsNT5.1)",
            "Opera/9.80(WindowsNT6.1;U;en)Presto/2.8.131Version/11.11",
            "Mozilla/5.0(Macintosh;IntelMacOSX10_7_0)AppleWebKit/535.11(KHTML,likeGecko)Chrome/17.0.963.56Safari/535.11",
            "Mozilla/4.0(compatible;MSIE7.0;WindowsNT5.1)",
            "Mozilla/4.0(compatible;MSIE7.0;WindowsNT5.1;Trident/4.0;SE2.XMetaSr1.0;SE2.XMetaSr1.0;.NETCLR2.0.50727;SE2.XMetaSr1.0)",
        ]
        return {"User-Agent": random.choice(USERAGENT_LIST)}

    def post_data(self):
        """
        获取用户登录时需要提交的数据
        :return:
        """

        try:
            html = requests.get(self.SYSTEMLOGIN_URL, headers=self.random_header())
            bsObj = BeautifulSoup(html.text, 'lxml')
            __VIEWSTATE = bsObj.find('input').attrs['value']
            __VIEWSTATEGENERATOR = bsObj.find('input', id='__VIEWSTATEGENERATOR').attrs['value']
            data = {
                "__VIEWSTATE": __VIEWSTATE,
                "__EVENTVALIDATION": __VIEWSTATEGENERATOR,
                "txtUserID": self.textUserID,
                "txtPasswd": self.textPasswd,
                "ImageButton1.x": 1,
                "ImageButton1.y": 1
            }
            return data
        except:
            print('网络未连接, 请查看网络')

    def get_score(self):
        """
        登录教务网并且获取课程标题以及对应的成绩
        :return:
        """

        # Login
        session = requests.session()
        session.post(self.SYSTEMLOGIN_URL, data=self.post_data())

        # Get score
        res = session.get(url=self.SCOREQUERY_URL)

        # 课程标题
        title_pattern = re.compile('<tr align="center">.*?<td align="left">.*?<a.*?>(.*?)</a>', re.S)
        title_items = re.findall(title_pattern, res.text)

        # 每科对应总成绩
        score_pattern = re.compile('<tr align="center">.*?<td align="left">.*?<a.*?>.*?</a>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>.*?<td>(.*?)<td>',re.S)
        score_items = re.findall(score_pattern, res.text)

        # 将数据保存为字典格式
        for title, score in zip(title_items, score_items):
            self.ITEMS.append({
                'title': title.replace('\r', '').replace('\t', '').replace('\n', ''),
                'score': score.replace('</td>', '')
            })
        print(self.ITEMS)

    def save_to_mysql(self):
        # connect mysql
        db = pymysql.connect("localhost", "root", "toor", "db_nkemis")
        cursor = db.cursor()

        # 以学号作为表名创建表
        try:
            CREATE_TABLE_SQL = "CREATE TABLE student_%s (title varchar(255), score varchar(255))" % self.textUserID
            cursor.execute(CREATE_TABLE_SQL)
            db.commit()
        except:
            db.rollback()

        # 将学生成绩存进数据库
        for item in self.ITEMS:
            INSERT_SQL = "INSERT INTO student_%s (title, score) VALUES ('%s', '%s')" % (self.textUserID, item['title'], item['score'])
            cursor.execute(INSERT_SQL)
            db.commit()

        db.close()


if __name__ == '__main__':
    textUserID = input("学号: ")
    textPasswd = input("密码: ")

    helper = Nkemis_helper(textUserID, textPasswd)
    helper.get_score()
    helper.save_to_mysql()

爬取数据下来之后入库：

7.jpg

用 pandas 来获取成绩

7.png

我们可以看到，无论是课程名称还是成绩，都是包含在一个 table 里，用 pandas 就可以很方便快速的提取这个 table

8.png