使用Python爬取BNUZ TMS系统的考试科目信息

2024-03-11 22:20

本文主要是介绍使用Python爬取BNUZ TMS系统的考试科目信息,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近TMS系统又提前放出了考试科目信息,但是找不到半年前写的Java爬虫了T_T,没办法,就拿刚学的Python再写一个吧。

  • TMS系统:教学管理系统
  • Python版本:3.6
  • 使用第三方库:requests

1. 进行模拟登陆

登陆表单分析

通过分析登录页可以发现登陆的表单除了usernamepassword以外,还有一个_csrf,这个字段除了表面上的防止CSRF攻击,还有一个重要的作用——防止表单重复提交,这个字段在进行GET请求登录页时便与session绑定,所以也说明爬虫必须维护登陆状态,否则就没办法爬到信息。

(1) session.py - 维护登陆状态

# 欺骗用Headers
headers = {'Connection': 'keep-alive','Accept': 'application/json, text/plain, */*','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36','Accept-Encoding': 'gzip, deflate','Accept-Language': 'zh-CN,zh;q=0.9,ja;q=0.8',
}# 启动Session,自动响应Set-Cookie头
session = requests.Session()# 将Headers设置到session中
session.headers.update(headers)# 使用session发起GET请求
def get(url, **kwargs):return session.get(url, **kwargs)# 使用session发起POST请求
def post(url, params=None, **kwargs):return session.post(url, params, **kwargs)

使用requests.Session()创建一个Session对象,该对象能自动响应Set-Cookie,并且也能将JSESSIONID放入Request HeaderCookie当中,所以使用这个就能解决登陆状态的保持问题。

当然看来系统也做了一点防爬虫的措施,需要伪造一下header,在浏览器中执行一次登陆,然后把header拿过来就可以了,使用session.headers.update(headers)使每次请求都带上这些header。

登陆Header

(2) login.py - 获取登录页内容、模拟登陆

首先需要GET一下登录页,除了获取_csrf字段以外,还可以拿到Set-Cookie,使得CSRF Token和Session在服务端进行了绑定。

# 解析登陆页的HTML,用于获取表单中的CSRF Token
class MyHtmlParser(HTMLParser):def __init__(self):super().__init__()self._token = None# CSRF Token@propertydef token(self):return self._tokendef error(self, message):passdef handle_starttag(self, tag, attrs):# 从标签中获取属性值def _attr(attrName):for attr in attrs:if attr[0] == attrName:return attr[1]return None# 获取表单中的CSRF Token# input -> id="csrf_token":if tag == "input":for name, value in attrs:if name == "id" and value == "csrf_token":self._token = _attr("value")# 获取CSRF Token,用于进行安全验证
def getCsrfToken():response = session.get(loginUrl)parser = MyHtmlParser()parser.feed(response.text)parser.close()return parser.token

通过继承HTMLParser,并且重写handle_starttag去获取_csrf,并且将值设置为类属性,这样就能在GET请求后获取到Token的值了。

然后就可以将_csrf连同账号密码一起提交了,requests会自动处理好各种302重定向,如果账号密码正确则登陆成功,否则会跳到登陆失败页(登录页后缀多了?error)。

# 登陆TMS系统
def login():token = getCsrfToken()# 获取账号与密码username = input("输入教务账号:")password = input("输入教务密码:")data = {'username': username,'password': password,'_csrf': token}# 执行登陆response = session.post(loginUrl, data)if response.url == loginFailUrl:print("账号或密码错误!")return Falseelse:print("登陆成功")return True

2. 爬取内容

通过分析教室使用情况这个页面,可以看出全部请求都是异步的,并且都是访问的RESTful API,那么问题就很简单了,直接爬API就行了。

# 教室使用情况API的基础URL
baseUrl = "http://tm.bnuz.edu.cn/api/"# 教学楼API URL
buildingsUrl = baseUrl + "place/buildings"# 教室API URL
placesUrl = buildingsUrl + "/:building/places"# 教室使用情况API URL
usagesUrl = placesUrl + "/:place/usages"

通过分析请求可以得到以上3个API,从教学楼到教室使用情况,层层叠加的API,那么先把请求的函数写出来。

# 获取教学楼
def getBuildings():response = session.get(buildingsUrl)return response.json()# 获取教室
def getPlaces(building):url = placesUrl.replace(":building", building)response = session.get(url)return response.json()# 获取教室使用情况
def getUsages(building, place):url = usagesUrl.replace(":building", building).replace(":place", place)response = session.get(url)return response.json()

Building API返回内容
Place API返回内容
Usage API 返回内容

通过分析可以知道:

  • Building API中的Building字段是所有的教学楼
  • Place API需要Building的名字,返回教学楼下的教室列表
  • Usage API需要Building的名字与Place的ID,返回使用情况列表

再继续分析Usage API的返回内容,可以发现进行考试的type : ks,其他字段的意思也很好猜,description就是考试科目名等等,然后期末的考试周是在17-18周,所以进行三层for嵌套,最后进行if判断是否为期末考试科目就能完成这个爬虫。

# 打印考试周的考试科目
def printTestClass():print("开始获取考试科目信息...\n")buildings = getBuildings()for building in buildings['buildings']:places = getPlaces(building)for place in places:usages = getUsages(building, place["id"])for usage in usages:startWeek = usage["startWeek"]_type = usage["type"]if _type == "ks" and startWeek == 18 or startWeek == 19:placeName = place["name"]department = usage["department"]subject = usage["description"]dayOfWeek = usage["dayOfWeek"]startSection = usage["startSection"]totalSection = usage["totalSection"]endSection = startSection + totalSection - 1print("{} {} {} 第{}周 星期{} 第{} - {}节".format(department, subject, placeName,startWeek,dayOfWeek,startSection, endSection))print("\n考试科目获取完毕,祝您愉快 >_+<")

项目源码:bnuz_tms_usages_crawler

这篇关于使用Python爬取BNUZ TMS系统的考试科目信息的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/799260

相关文章

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤

Java中StopWatch的使用示例详解

《Java中StopWatch的使用示例详解》stopWatch是org.springframework.util包下的一个工具类,使用它可直观的输出代码执行耗时,以及执行时间百分比,这篇文章主要介绍... 目录stopWatch 是org.springframework.util 包下的一个工具类,使用它

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

springboot security使用jwt认证方式

《springbootsecurity使用jwt认证方式》:本文主要介绍springbootsecurity使用jwt认证方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录前言代码示例依赖定义mapper定义用户信息的实体beansecurity相关的类提供登录接口测试提供一

go中空接口的具体使用

《go中空接口的具体使用》空接口是一种特殊的接口类型,它不包含任何方法,本文主要介绍了go中空接口的具体使用,具有一定的参考价值,感兴趣的可以了解一下... 目录接口-空接口1. 什么是空接口?2. 如何使用空接口?第一,第二,第三,3. 空接口几个要注意的坑坑1:坑2:坑3:接口-空接口1. 什么是空接

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.