一、摘要
突发奇想想读取12306的车票信息，最开始想用requests，但是突然又想试试selenium的无界面浏览器。有部分正则没调好，写好就懒得调了。
套用我师傅的话就是：我凭本事写的bug，凭什么要改！
二、方案思路
url = https://kyfw.12306.cn/otn/leftTicket/init
1、模拟用户是怎么查车票信息、然后通过selenium去操作浏览器。
2、最后输出字典。
三、源码
#-*- coding:utf-8 -*-
#__anthor__:"Klay Zhu"
#date: 2018/9/7
import re
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions
from selenium.webdriver.common.by import By
from time import sleep
class TicketQuery:
"""
查询12306车票
"""
def __init__(self,**parame):
try:
self.obj_driver = parame["browser"]
except:
#无界面浏览器
options = Options()
options.add_argument(‘-headless‘) # 无头参数
self.obj_driver = webdriver.Chrome(executable_path=‘chromedriver‘, chrome_options=options)
self.str_from_station = parame["fromStation"] #出发地
self.str_to_station = parame["toStation"] #目的地
self.str_train_date = parame["trainDate"] #出发日
def waitElement(self,value,way=By.ID):
"""等待忍耐"""
if WebDriverWait(self.obj_driver, 10).until(expected_conditions.visibility_of_element_located((way,value))):
return True
def __jsOperation(self,element_id,value):
"""通过js操作界面元素"""
if self.waitElement(element_id):
js_value = ‘document.getElementById("{}").value="{}"‘.format(element_id,value)
self.obj_driver.execute_script(js_value)
def __getStation(self,element_id,string):
"""对input选择框进行选择"""
self.obj_driver.find_element_by_id(element_id).clear()
self.obj_driver.find_element_by_id(element_id).click()
self.obj_driver.find_element_by_id(element_id).send_keys(string)
__a = self.obj_driver.find_elements_by_class_name("ralign")
for i in __a:
if i.text == string:
i.click()
break
#正则没调好 懒得调了
pattern = r"<tr[^<>]*><td[^<>]*>\s*<div[^<>]*><div[^<>]*><div[^<>]*><a[^<>]*>(?P<train_num>[^<>]*)</a>[^<>]*<span[^<>]*></span></div><span[^<>]*><span[^<>]*>[^<>]*</span><b[^<>]*></b></span></div><div[^<>]*><strong[^<>]*>(?P<from_station>[^<>]*)</strong><strong[^<>]*>(?P<to_station>[^<>]*)</strong></div><div[^<>]*><strong[^<>]*>(?P<arrival_time>[^<>]*)</strong><strong[^<>]*>(?P<departure_time>[^<>]*)</strong></div><div[^<>]*><strong[^<>]*>(?P<over_time>[^<>]*)</strong><span[^<>]*>(?P<intraday>[^<>]*)</span></div></div></td><td[^<>]*?>(?P<param1>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param2>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param3>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param4>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param5>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param6>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param7>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param8>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param9>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param10>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>(?P<param11>([^<>]{1,4})|(<div>\d+</div>))</td>\s*<td[^<>]*?>.*?</a></td></tr>"
__url = r"https://kyfw.12306.cn/otn/leftTicket/init"
def run(self):
"""执行操作"""
sleep(2) # 不等这2秒会出现页面没刷新，数据获取不了的情况
self.obj_driver.get(self.__url)
self.obj_driver.maximize_window()
self.__getStation("fromStationText",self.str_from_station)
self.__getStation("toStationText",self.str_to_station)
self.__jsOperation("train_date",self.str_train_date)
try:
self.obj_driver.find_element_by_id("a_search_ticket").click()
except:
self.obj_driver.find_element_by_id("query_ticket").click()
sleep(2) # 不等这2秒会出现页面没刷新，数据获取不了的情况
html = self.obj_driver.find_element_by_id("queryLeftTable").get_attribute("outerHTML")
self.obj_driver.close()
return html
def outData(self,string = ""):
if not string:string=self.run()
obj_rr=re.finditer(self.pattern, string)
list_data=[]
if obj_rr:
for obj_r in obj_rr:
dict_ticket_info = {
"train_num": "", # 车次
"from_station": "", # 出发站
"to_station": "", # 抵达站
"arrival_time": "", # 到站时间
"departure_time": "", # 离站时间
"over_time": "", # 历经时间
"intraday": True, # 是否当日到达
# 车票数据[0]特等座,[1]一等座,[2]二等座,[3]高级软卧,[4]软卧,[5]动卧,[6]硬卧,[7]软座,
# [8]硬座,[9]无座,[10]其他,int数据代表剩余票数，Ture代表有票数量未知，False代表没票
"data": [],
}
dict_ticket_info["train_num"] = obj_r.group("train_num")
dict_ticket_info["from_station"] = obj_r.group("from_station")
dict_ticket_info["to_station"] = obj_r.group("to_station")
dict_ticket_info["arrival_time"] = obj_r.group("arrival_time")
dict_ticket_info["departure_time"] = obj_r.group("departure_time")
dict_ticket_info["over_time"] = obj_r.group("over_time")
if obj_r.group("intraday") == "当日到达":dict_ticket_info["intraday"] = True
else:dict_ticket_info["intraday"] = False
for i in range(1,11):
str_info = obj_r.group("param" + str(i))
obj_r2=re.search(r"<div>(?P<num>\d+)</div>",str_info)
if obj_r2:dict_ticket_info["data"].append(obj_r2.group("num"))
elif str_info=="有":dict_ticket_info["data"].append(True)
else:dict_ticket_info["data"].append(False)
# print(dict_ticket_info)
list_data.append(dict_ticket_info)
return list_data
if __name__ == ‘__main__‘:
import datetime
m_time=(datetime.datetime.now()+datetime.timedelta(days=10)).strftime("%Y-%m-%d")
testdata = {
"fromStation":"北京",
"toStation":"上海",
"trainDate":m_time, #10天后
# "browser":webdriver.Chrome() #调试用
}
data = TicketQuery(**testdata).run()
print(data)
四、遇到的问题
1、日期输入，因为控件原因不能直接输入，使用JavaScript对元素进行操作。
from selenium import webdriver
driver = webdriver.Chrome()
element_id = "id" #id
value = "value" #给该标签设定的值
js_value = ‘document.getElementById("{}").value="{}"‘.format(element_id, value)#拼接成JavaScript代码
driver.execute_script(js_value)
2、input选择框，类似百度搜索这种使用ajax异步出来的数据。
from selenium import webdriver
element_id = "fromStationText"
string = "北京"
driver = webdriver.Chrome()
driver.find_element_by_id(element_id).clear() # 清除原有的值
driver.find_element_by_id(element_id).click() # 点击，使输入框获取焦点
driver.find_element_by_id(element_id).send_keys(string) # 输入值
o_InputSelect=driver.find_elements_by_class_name("ralign")# 获取局部刷新的数据，然后循环比对文字
for i in o_InputSelect: # 注意：如果不用这种方法，用输入回车来选择会出现 要选北京结果选到北京西 这类的
if i.text == string:
i.click()
break
3、使用全局(嵌套)变量dict作为append到局部list里面，幸好出现问题就马上反应过来是深浅拷贝的问题，详情请百度！
class demo:
dic={
"name":"",
"age":"",
"data":[],
}
def f(self):
lis = []
for i in range(3):
print("dic的地址：",id(f.dic))
self.dic["name"]="name"+str(i)
self.dic["age"]="age"+str(i)
self.dic["data"].append(i)
lis.append(self.dic)
return lis
if __name__ == ‘__main__‘:
f = demo()
print("最后结果：",f.f())
# dic的地址： 1469349351640
# dic的地址： 1469349351640
# dic的地址： 1469349351640
# 最后结果： [{‘name‘: ‘name2‘, ‘age‘: ‘age2‘, ‘data‘: [0, 1, 2]}, {‘name‘: ‘name2‘, ‘age‘: ‘age2‘, ‘data‘: [0, 1, 2]},
# {‘name‘: ‘name2‘, ‘age‘: ‘age2‘, ‘data‘: [0, 1, 2]}]
原文地址：https://www.cnblogs.com/Klay/p/9643946.html
时间： 2024-11-06 03:55:53