【Python3爬蟲】最新的12306爬蟲
一、寫在前面
我在以前寫過一次12306網站的爬蟲,當時實現了模擬登入和查詢車票,但是感覺還不太夠,所以對之前的程式碼加以修改,還實現了一個訂購車票的功能。
二、主要思路
在使用Selenium做模擬登入12306網站的時候,需要將登入成功後的Cookie儲存下來,這個Cookie在後面是必需的。然後就是在12306網站上查票訂票,同時使用Fiddler軟體進行抓包,通過分析得到訂票所需的十多個請求,只要依次傳送這些請求,在請求成功之後就能夠訂到票。
三、模擬登入
之前的程式碼已經基本實現了模擬登入的功能,但是還沒法得到想要的Cookie,所以需要對之前的程式碼進行改進。雖然Selenium模組提供了get_cookies()方法,但是使用這個方法得到的是當前會話的Cookie,也就是Selenium開啟的瀏覽器中當前頁面的Cookie,這個Cookie和本地瀏覽器中的Cookie是不同的。如下是從本地Chrome中拷貝的Cookie,其中以_jc_save開頭的欄位都是之前查詢車票的記錄,而其餘欄位都是生成的:
JSESSIONID=A318817EEE594DE954CE352761DF4CD7;
_jc_save_fromStation=%u6B66%u6C49%2CWHN;
_jc_save_wfdc_flag=dc;
_jc_save_toStation=%u4E0A%u6D77%2CAOH;
RAIL_EXPIRATION=1560095439082;
RAIL_DEVICEID=P2wunHEkKFe9MgTM56h-NxsWiIGNkK6JLCOVaG0DHzRm-RxYa7YnDwftPoumiZ0wL7GPsQ93YBHRHgMgB_GLWwZ9Vb65tNiVuwaIOytW8lVG7B1KopI4pSyUr1u06RWpKPhvExBg3FA7ed87WxO3E-68Wg-hXZLl;
_jc_save_fromDate=2019-06-30;
_jc_save_toDate=2019-06-06;
_jc_save_showIns=true;
route=495c805987d0f5c8c84b14f60212447d;
BIGipServerotn=300941834.24610.0000;
BIGipServerpool_passport=250413578.50215.0000
下面是使用Selenium模組的get_cookies()方法得到的Cookie,可以看到和瀏覽器中的Cookie有很大不同,缺少了很多欄位:
[{'domain': 'kyfw.12306.cn', 'httpOnly': False, 'name': 'JSESSIONID', 'path': '/otn', 'secure': False, 'value': '672BAF8C694C50C49D3EFFCF9913A745'},
{'domain': 'kyfw.12306.cn', 'httpOnly': False, 'name': 'route', 'path': '/', 'secure': False, 'value': 'c5c62a339e7744272a54643b3be5bf64'},
{'domain': 'kyfw.12306.cn', 'httpOnly': False, 'name': 'BIGipServerotn', 'path': '/', 'secure': False, 'value': '1139802634.24610.0000'}]
解決辦法是使用add_cookie()方法向Selenium開啟的Chrome中新增Cookie,達到模擬本地瀏覽器的效果,最終就能登入成功。在登入成功之後,要獲取此時的Cookie,除了使用get_cookies()方法或者get_cookie()方法,還可以使用如下語句:
cookie = browser.execute_script("return document.cookie;")
不過為了驗證是否真的登入成功了,還需要進行一下測試,驗證是否登入成功的方法如下程式碼,這段程式碼會發送一個請求,請求的結果中包含了是否登入資訊(即is_login)和使用者名稱等資訊:
1 def get_name(self): 2 """ 3 獲取使用者姓名 4 :return: 5 """ 6 url = "https://kyfw.12306.cn/otn/login/conf" 7 res = requests.post(url, headers=self.headers) 8 is_login = res.json()['data']['is_login'] 9 if is_login == 'Y': 10 self.name = res.json()['data']['name'] 11 print("歡迎使用者:{}".format(self.name)) 12 else: 13 print("未登入!請先登入。")
四、訂購車票
由於查詢車票之前就已經做過了,所以這裡就不再贅述。這裡就說查詢車票之後的操作,首先是在12306網站上查餘票,然後選擇一個車次點選預訂,就會跳轉到如下頁面:
在這個頁面上可以選擇乘客、選擇座位型別,然後再提交訂單。這裡雖然我們可以使用開發者工具然後重新整理頁面來抓包,但是為了避免遺漏掉某些請求,所以我選擇使用Fiddler軟體抓包,最終經過分析實踐得到12個請求,其url和對應的含義如下圖所示:
這裡我並不打算把所有的請求都說一遍,我會將幾個重要的請求拿出來描述,這些請求所使用的headers都是一樣的,其中包含了登入後的Cookie,如果Cookie失效就會導致訂票失敗。
1.初始化頁面
首先是initDc這個請求,在這個請求的結果中包含了後面請求所必需的一個引數--token(如下圖),獲取的方法也比較簡單,可以直接使用正則表示式進行匹配:
初始化頁面獲取token的程式碼如下:
1 # 初始化,獲取token值 2 def init_dc(): 3 global token 4 url = "https://kyfw.12306.cn/otn/confirmPassenger/initDc" 5 data = { 6 "_json_att": "" 7 } 8 res = requests.post(url, headers=headers, data=data) 9 result = re.findall(" var globalRepeatSubmitToken = '(.*?)';", res.text) 10 # print(result) 11 if len(result): 12 token = result[0] 13 else: 14 raise Exception("Error init")
2.提交車票預訂資訊
其次是提交車票預訂資訊,在Fiddler中點選Inspectors,然後選擇WebForms,可以看到如下圖所示資訊,其中包含了出發城市、目的城市、出發日期等:
需要注意的是secretStr這個加密字串,其來源於查詢車票時的結果,在結果中每一條車次資訊中都包含了一個字串,不過這兩個字串並不完全一樣。如下圖所示就是兩個字串的對比,要得到加密字串只需要使用unquote()方法:
3.確認訂單資訊
在選擇完車次、座位型別、乘客之後會生成一個訂單,然後就會發送一個確認訂單資訊的請求,其中包含了很多重要的資訊。這裡我放上該部分的程式碼:
1 # 確認訂單資訊 2 def check_order_info(name, uid, mobile, type_id): 3 # 商務座,一等座,二等座,軟臥,硬臥,硬座 4 type_str = ["9,0,1,", "M,0,1,", "O,0,1,", "4,0,1,", "3,0,1,", "1,0,1,"][type_id] 5 url = "https://kyfw.12306.cn/otn/confirmPassenger/checkOrderInfo" 6 data = { 7 "_json_att": "", 8 "bed_level_order_num": "000000000000000000000000000000", 9 "cancel_flag": "2", 10 "oldPassengerStr": name + ",1," + uid + ",1_", 11 "passengerTicketStr": type_str + name + ",1," + uid + "," + mobile + ",N", 12 "REPEAT_SUBMIT_TOKEN": token, 13 "randCode": "", 14 "tour_flag": "dc", 15 "whatsSelect": "1" 16 } 17 res = requests.post(url, headers=headers, data=data) 18 # print(res.text)
這個方法包含了四個引數,name、uid和mobile分別表示乘客的姓名、身份證號和電話號碼,這三個值都是在獲取乘客資訊時得到的,第四個引數是座位類別id。在這個請求攜帶的引數中有一個REPEAT_SUBMIT_TOKEN,這就是前面說過的token,由於我已經將token設定為了全域性變數,所以這裡就不用作為引數傳到方法裡了。要注意的是每個座位類別對應的字元是不同的,我通過在頁面上選擇元素得到了每個座位型別對應的字元,最後生成一個列表,然後通過改變座位類別id就能完成選擇座位類別的功能。
4.提交預訂請求
在確認訂單之後就是提交預訂請求,還是在Fiddler軟體中找到這個請求,然後檢視其攜帶的引數,如下圖所示:
其中包含了車次編碼、出發站編碼、目的站編碼、token等資訊,這些編碼資訊都可以在查詢車票的結果中得到,需要注意的是train_date,可以看到這是一個日期資訊,而且是一個格林威治標準時間,要得到這個時間可以使用如下方法,這就能將日期轉變成格林威治標準時間:
train_date = datetime.datetime.strptime(train_date, "%Y-%m-%d").date()
this_date = train_date.strftime("%a+%b+%d+%Y")
5.檢查提交狀態
在提交預訂請求之後,需要檢查提交狀態,這個請求包含了很多引數,其中一些引數的值都包含在提交預訂請求的結果中,除此之外這些引數還有乘客姓名、身份證號、乘客電話、token等。這個請求返回的結果中有一個submitStatus,需要提取出來,該值表明了提交是否成功。該部分的程式碼如下所示:
1 # 檢查提交狀態 2 def confirm(key_check, left_ticket, passenger_name, passenger_id, passenger_mobile, location, type_id): 3 # 商務座,一等座,二等座,軟臥,硬臥,硬座 4 type_str = ["9,0,1,", "M,0,1,", "O,0,1,", "4,0,1,", "3,0,1,", "1,0,1,"][type_id] 5 url = "https://kyfw.12306.cn/otn/confirmPassenger/confirmSingleForQueue" 6 data = { 7 "choose_seats": "", 8 "dwAll": "N", 9 "key_check_isChange": key_check, 10 "leftTicketStr": left_ticket, 11 "oldPassengerStr": passenger_name + ",1," + passenger_id + ",1_", 12 "passengerTicketStr": type_str + passenger_name + ",1," + passenger_id + "," + passenger_mobile + ",N", 13 "purpose_codes": "00", 14 "randCode": "", 15 "REPEAT_SUBMIT_TOKEN": token, 16 "roomType": "00", 17 "seatDetailType": "000", 18 "train_location": location, 19 "whatsSelect": "1", 20 "_json_att": "", } 21 res = requests.post(url, headers=headers, data=data) 22 try: 23 js = json.loads(res.text) 24 status = js["data"]["submitStatus"] 25 # print(status) 26 return status 27 except Exception as e: 28 print(e) 29 raise Exception("Confirm Error!")
6.排隊等待
當我們的訂單提交成功之後,就需要排隊等待了,此時會發送一個請求,該請求中攜帶了一個時間戳引數(random),如下圖所示:
這是一個十三位的時間戳,在Python中可以使用 int(time() * 1000) 得到十三位時間戳。需要注意的是排隊等待的結果是不確定的,正確的結果如下圖所示:
其中有一個orderId,這個值是我們需要的。如果返回的結果中不包含orderId,就需要重新發送請求。
7.請求預訂結果
在得到orderId之後,就可以請求預訂結果了,請求無誤的話就能夠成功訂到票了。下圖是在Fiddler軟體中截到的圖,其中EF73361481就是前面得到的orderId:
五、執行結果
下圖是在Pycharm中的執行截圖,在登入成功之後查詢餘票,將查詢的結果顯示出來:
查詢車票之後就是預訂車票,需要輸入車次名稱、座位類別和選擇乘客,然後提交訂單,最終成功訂到火車票。
訂票成功之後,進入12306網站進行檢視,可以看到成功訂到票了, 如下圖所示:
完整程式碼已上傳到GitHub!如果覺得有用的話給我點個Star吧!