Python3爬虫(3)--爬取电子科大学生成绩

本文主要是写一个爬取学生成绩的一个小爬虫，我们在这中间要使用cookie的相关内容，登录到UESTC信息门户网站。

在登陆到信息门户网站的时候我们可以通过火狐浏览器的httpfox插件查看postdata得到我们所要post的数据内容

但是当我们将这些内容post到目标网站时，发现并不能得到需要返回的页面，原因在于It是一个随时间变动所生成的一个字符串，我们需要先获取这个字符串，只需要将此段字符串切片出来即可

    def clt(self, url):
        response = urllib.request.urlopen(url)
        data = response.read()
        soup = BeautifulSoup(data, 'html.parser', from_encoding='utf-8')
        ##print(data.decode())
        link = soup.find_all('input')
        aa = link[2]
        aa=str(aa)
        return aa[38:-3]

得到了It之后，我们就可以将我们所要提交的数据提交给目标网址就可以了

    def post(self):
        cj = http.cookiejar.CookieJar()
        pro = urllib.request.HTTPCookieProcessor(cj)
        opener = urllib.request.build_opener(pro)
        urllib.request.install_opener(opener)
        user_agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.71 Safari/537.36r)'
        header = {'User-Agent': user_agent}

        username=input('请输入你信息门户的账号：')
        password=input('请输入你信息门户的密码：')

        postdata = urllib.parse.urlencode({
            'username': username,
            'password': password,
            'lt': self.clt('http://idas.uestc.edu.cn/authserver/login'),
            'dllt': 'userNamePasswordLogin',
            'execution': 'e1s1',
            '_eventId': 'submit',
            'rmShown': '1'
        })

        postdata = postdata.encode('utf-8')
        url = 'http://idas.uestc.edu.cn/authserver/login?service=http%3A%2F%2Fportal.uestc.edu.cn%2F'
        req = urllib.request.Request(url, postdata, headers=header)
        result=opener.open(req)

然后我们直接就可以得到成绩页的相关信息了，在成绩页面的处理中，自我感觉处理的很不好，但是已经验证了POST数据到信息门户，并且得到了想要的相关数据内容，所以并没有修改，大家在自己做的时候好的风格记得滴滴我一下哦

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import urllib.request
import urllib.parse
from bs4 import BeautifulSoup
import re


class Source(object):
    def __init__(self):
        self.data={}

    def clsource(self):
        req=urllib.request.urlopen(self.choice())
        return req.read().decode()

    def output(self):
        data=self.clsource()
        soup = BeautifulSoup(data, 'html.parser')
        links=soup.find_all('td')
        datas = []
        a = 3
        while a < len(links):
            datas.append(links[a].get_text().strip())
            a = a + 5
        i = 0
        while i < len(datas):
            print('科目：', datas[i])
            i = i + 1
            print('成绩', datas[i])
            i = i + 1



    def choice(self):
        url=''
        datetime=input('请输入你要查询的学期（例如：2014-2015 1）：')
        if datetime=='2014-2015 1':
            url='http://eams.uestc.edu.cn/eams/teach/grade/course/person!search.action?semesterId=43&projectType='
        elif datetime=='2014-2015 2':
            url='http://eams.uestc.edu.cn/eams/teach/grade/course/person!search.action?semesterId=63&projectType='
        elif datetime=='2015-2016 1':
            url='http://eams.uestc.edu.cn/eams/teach/grade/course/person!search.action?semesterId=84&projectType='
        elif datetime=='2015-2016 2':
            url='http://eams.uestc.edu.cn/eams/teach/grade/course/person!search.action?semesterId=103&projectType='
        elif datetime=='2016-2017 1':
            url='http://eams.uestc.edu.cn/eams/teach/grade/course/person!search.action?semesterId=123&projectType='
        else :
            print('对不起，没有当前学期的成绩！')
        return url

运行我们的程序，可以看到我们想要的结果

github源代码地址UESTC