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

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基