【Python3爬虫】最新的12306爬虫

一、写在前面

　　我在以前写过一次12306网站的爬虫，当时实现了模拟登录和查询车票，但是感觉还不太够，所以对之前的代码加以修改，还实现了一个订购车票的功能。

二、主要思路

　　在使用Selenium做模拟登录12306网站的时候，需要将登录成功后的Cookie保存下来，这个Cookie在后面是必需的。然后就是在12306网站上查票订票，同时使用Fiddler软件进行抓包，通过分析得到订票所需的十多个请求，只要依次发送这些请求，在请求成功之后就能够订到票。

三、模拟登录

　　之前的代码已经基本实现了模拟登录的功能，但是还没法得到想要的Cookie，所以需要对之前的代码进行改进。虽然Selenium模块提供了get_cookies()方法，但是使用这个方法得到的是当前会话的Cookie，也就是Selenium开启的浏览器中当前页面的Cookie，这个Cookie和本地浏览器中的Cookie是不同的。如下是从本地Chrome中拷贝的Cookie，其中以_jc_save开头的字段都是之前查询车票的记录，而其余字段都是生成的：

 　　下面是使用Selenium模块的get_cookies()方法得到的Cookie，可以看到和浏览器中的Cookie有很大不同，缺少了很多字段：

　　解决办法是使用add_cookie()方法向Selenium开启的Chrome中添加Cookie，达到模拟本地浏览器的效果，最终就能登录成功。在登录成功之后，要获取此时的Cookie，除了使用get_cookies()方法或者get_cookie()方法，还可以使用如下语句：

cookie = browser.execute_script("return document.cookie;")

　　不过为了验证是否真的登录成功了，还需要进行一下测试，验证是否登录成功的方法如下代码，这段代码会发送一个请求，请求的结果中包含了是否登录信息（即is_login）和用户名等信息：

def get_name(self):
"""
获取用户姓名
:return:
"""
url = "https://kyfw.12306.cn/otn/login/conf"
res = requests.post(url, headers=self.headers)
is_login = res.json()['data']['is_login']
if is_login == 'Y':
self.name = res.json()['data']['name']
print("欢迎用户：{}".format(self.name))
else:
print("未登录！请先登录。")

四、订购车票

 　　由于查询车票之前就已经做过了，所以这里就不再赘述。这里就说查询车票之后的操作，首先是在12306网站上查余票，然后选择一个车次点击预订，就会跳转到如下页面：

　　在这个页面上可以选择乘客、选择座位类型，然后再提交订单。这里虽然我们可以使用开发者工具然后刷新页面来抓包，但是为了避免遗漏掉某些请求，所以我选择使用Fiddler软件抓包，最终经过分析实践得到12个请求，其url和对应的含义如下图所示：

　　这里我并不打算把所有的请求都说一遍，我会将几个重要的请求拿出来描述，这些请求所使用的headers都是一样的，其中包含了登录后的Cookie，如果Cookie失效就会导致订票失败。

1.初始化页面

首先是initDc这个请求，在这个请求的结果中包含了后面请求所必需的一个参数--token（如下图），获取的方法也比较简单，可以直接使用正则表达式进行匹配：

　　初始化页面获取token的代码如下：

# 初始化，获取token值
def init_dc():
global token
url = "https://kyfw.12306.cn/otn/confirmPassenger/initDc"
data = {
"_json_att": ""
}
res = requests.post(url, headers=headers, data=data)
result = re.findall(" var globalRepeatSubmitToken = '(.*?)';", res.text)
# print(result)
if len(result):
token = result[0]
else:
raise Exception("Error init")

2.提交车票预订信息

　　其次是提交车票预订信息，在Fiddler中点击Inspectors，然后选择WebForms，可以看到如下图所示信息，其中包含了出发城市、目的城市、出发日期等：

 　　需要注意的是secretStr这个加密字符串，其来源于查询车票时的结果，在结果中每一条车次信息中都包含了一个字符串，不过这两个字符串并不完全一样。如下图所示就是两个字符串的对比，要得到加密字符串只需要使用unquote()方法：

3.确认订单信息

 　　在选择完车次、座位类型、乘客之后会生成一个订单，然后就会发送一个确认订单信息的请求，其中包含了很多重要的信息。这里我放上该部分的代码：

# 确认订单信息
def check_order_info(name, uid, mobile, type_id):
# 商务座，一等座，二等座，软卧，硬卧，硬座
type_str = ["9,0,1,", "M,0,1,", "O,0,1,", "4,0,1,", "3,0,1,", "1,0,1,"][type_id]
url = "https://kyfw.12306.cn/otn/confirmPassenger/checkOrderInfo"
data = {
"_json_att": "",
"bed_level_order_num": "000000000000000000000000000000",
"cancel_flag": "2",
"oldPassengerStr": name + ",1," + uid + ",1_",
"passengerTicketStr": type_str + name + ",1," + uid + "," + mobile + ",N",
"REPEAT_SUBMIT_TOKEN": token,
"randCode": "",
"tour_flag": "dc",
"whatsSelect": "1"
}
res = requests.post(url, headers=headers, data=data)
# print(res.text)

　　这个方法包含了四个参数，name、uid和mobile分别表示乘客的姓名、身份证号和电话号码，这三个值都是在获取乘客信息时得到的，第四个参数是座位类别id。在这个请求携带的参数中有一个REPEAT_SUBMIT_TOKEN，这就是前面说过的token，由于我已经将token设置为了全局变量，所以这里就不用作为参数传到方法里了。要注意的是每个座位类别对应的字符是不同的，我通过在页面上选择元素得到了每个座位类型对应的字符，最后生成一个列表，然后通过改变座位类别id就能完成选择座位类别的功能。

4.提交预订请求

 　　在确认订单之后就是提交预订请求，还是在Fiddler软件中找到这个请求，然后查看其携带的参数，如下图所示：

 　　其中包含了车次编码、出发站编码、目的站编码、token等信息，这些编码信息都可以在查询车票的结果中得到，需要注意的是train_date，可以看到这是一个日期信息，而且是一个格林威治标准时间，要得到这个时间可以使用如下方法，这就能将日期转变成格林威治标准时间：

train_date = datetime.datetime.strptime(train_date, "%Y-%m-%d").date()
this_date = train_date.strftime("%a+%b+%d+%Y")

5.检查提交状态

 　　在提交预订请求之后，需要检查提交状态，这个请求包含了很多参数，其中一些参数的值都包含在提交预订请求的结果中，除此之外这些参数还有乘客姓名、身份证号、乘客电话、token等。这个请求返回的结果中有一个submitStatus，需要提取出来，该值表明了提交是否成功。该部分的代码如下所示：

# 检查提交状态
def confirm(key_check, left_ticket, passenger_name, passenger_id, passenger_mobile, location, type_id):
# 商务座，一等座，二等座，软卧，硬卧，硬座
type_str = ["9,0,1,", "M,0,1,", "O,0,1,", "4,0,1,", "3,0,1,", "1,0,1,"][type_id]
url = "https://kyfw.12306.cn/otn/confirmPassenger/confirmSingleForQueue"
data = {
"choose_seats": "",
"dwAll": "N",
"key_check_isChange": key_check,
"leftTicketStr": left_ticket,
"oldPassengerStr": passenger_name + ",1," + passenger_id + ",1_",
"passengerTicketStr": type_str + passenger_name + ",1," + passenger_id + "," + passenger_mobile + ",N",
"purpose_codes": "00",
"randCode": "",
"REPEAT_SUBMIT_TOKEN": token,
"roomType": "00",
"seatDetailType": "000",
"train_location": location,
"whatsSelect": "1",
"_json_att": "", }
res = requests.post(url, headers=headers, data=data)
try:
js = json.loads(res.text)
status = js["data"]["submitStatus"]
# print(status)
return status
except Exception as e:
print(e)
raise Exception("Confirm Error!")

6.排队等待

 　　当我们的订单提交成功之后，就需要排队等待了，此时会发送一个请求，该请求中携带了一个时间戳参数（random），如下图所示：

 　　这是一个十三位的时间戳，在Python中可以使用 int(time() * 1000) 得到十三位时间戳。需要注意的是排队等待的结果是不确定的，正确的结果如下图所示：

 　　其中有一个orderId，这个值是我们需要的。如果返回的结果中不包含orderId，就需要重新发送请求。

7.请求预订结果

　　在得到orderId之后，就可以请求预订结果了，请求无误的话就能够成功订到票了。下图是在Fiddler软件中截到的图，其中EF73361481就是前面得到的orderId：

五、运行结果

　　下图是在Pycharm中的运行截图，在登录成功之后查询余票，将查询的结果显示出来：

 　　查询车票之后就是预订车票，需要输入车次名称、座位类别和选择乘客，然后提交订单，最终成功订到火车票。

　　订票成功之后，进入12306网站进行查看，可以看到成功订到票了， 如下图所示：

完整代码已上传到GitHub！如果觉得有用的话给我点个Star吧！