使用scrapy进行12306车票查询
概述
详细
一、环境搭建
1. 安装配置python3.6
示例网站使用的是python 3.6.1
下载地址：https://www.python.org/downloads/release/python-361/
根据自己的系统选择相应的版本
2. 安装Twisted
Windows:
进入http://www.lfd.uci.edu/~gohlk...下载对应twisted
转到下载目录, 命令行执行：pip install Twisted-17.9.0-cp36-cp36m-win_amd64.whl
3. 安装Scrapy
mac或linux：
pip install Scrapy
windows:
pip install pywin32
pip install Scrapy
二、项目结构以及程序实现
上图是使用scrapy startproject spider12306 命令生成的基本模板, 之后使用scrapy genspider search 12307.cn 生成了一个基本爬虫，在此基础上进行自己需要的爬虫改写.
思路：
找到网页接口——进行查询后通过chrome找到查询地址是这样的：
通过这个地址可以看出，查询是通过向https://kyfw.12306.cn/otn/leftTicket发送GET请求来执行查询的。参数一共有4个：
leftTicketDTO.train_date: 日期
leftTicketDTO.from_station: 出发站
leftTicketDTO.to_station: 到达站
purpos_codes:车票类型 ADULT 成人票
现在有一个问题，出发站和到达站用的是缩写，查询返回的结果用的也是缩写，所以我们需要知道英文缩写对应的车站，之后我就找到了这个东西：
有一个名为：station_name 的js文件，其中就记录所有的中文站名以及其缩写。
通过正则等方法将其保存为两个json文件(本人用的是笨办法)，键值对分别是：
站点名: 缩写 以及 缩写: 站点名 方便我们将来查询
之后就可以编写爬虫了
1. 根据顺序来我们先设置起始站点为查询站点缩写的js文件
class SearchSpider(scrapy.Spider): name = 'search' allowed_domains = ['12306.cn'] # 出发时间 日期如果小于今天 会报错的 train_data = '2018-03-22' # 出发站 from_station = '郑州' # 到 to_station = '杭州' start_urls = ['https://kyfw.12306.cn/otn/resources/js' '/framework/station_name.js?station_version=1.9048']
2. 解析并保存结果为json文件
if not os.path.exists('stations.json'):
text = response.body.decode('utf-8')
content = re.match('.+?(@.+)', text)
if content:
# 获取所有车站信息
text = content.group(1)
# 进行清洗后写入json文件
l = text.split('|')
a, b = 1, 2
stations = {}
search = {}
while b < len(l):
stations[l[a]] = l[b]
search[l[b]] = l[a]
a += 5
b += 5
stations = json.dumps(stations, ensure_ascii=False)
with open('stations.json', 'w', encoding='utf-8') as f:
f.write(stations)
search = json.dumps(search, ensure_ascii=False)
with open('search.json', 'w', encoding='utf-8') as f:
f.write(search)
else:
(response.body.decode())3. 根据需要查询的内容向查询地址发出get请求并接受查询结果
with open('stations.json', 'rb') as f:
station = json.load(f)
query_url = 'https://kyfw.12306.cn/otn/leftTicket/queryZ?' \
'leftTicketDTO.train_date={}&' \
'leftTicketDTO.from_station={}&' \
'leftTicketDTO.to_station={}&' \
'purpose_codes=ADULT'.format(
self.train_data, station[self.from_station],
station[self.to_station])
yield scrapy.Request(query_url, callback=self.query_parse)4. 解析查询结果并保存为csv文件(可使用excel打开)
通过观察发现，返回的结果都是用'|'隔开的，貌似只能用下标来定位, 所以采用了下面的方法，如果有更好的方法请联系我，谢谢！
def query_parse(self, response):
"""解析查询结果"""
text = response.body.decode('utf-8')
message_fields = ['车次', '始发站', '终点站', '出发站', '到达站', '出发时间', '到达时间',
'历时', '特等座', '一等座', '二等座', '软卧', '硬卧', '硬座', '无座']
writer = csv.writer(open('ans.csv', 'w'))
writer.writerow(message_fields)
infos = json.loads(text)['data']['result']
with open('search.json', 'rb') as f:
search = json.load(f)
for info in infos:
info = info.split('|')[3:]
if info[8] == 'N':
continue
row = [info[0], search[info[1]], search[info[2]], search[info[3]],
search[info[4]], info[5], info[6], info[7], info[29],
info[28], info[27], info[20], info[25], info[26], info[23]]
writer.writerow(row)
pass 
详细代码在例子包中, 仅供参考.....
运行
进入spider12306文件夹，在装有scrapy的虚拟环境或真实环境中运行
scrapy crawl search
即可, 然后可在运行目录找到 ans.csv 文件 打开后类似上图
