这个神奇的电费网站真的是。。。
拖到我现在才做出来
大概思路就是保持session,get访问一次获取所有隐藏的表单信息,然后选取校区,因为选完页面会刷一次,post访问,最后填写其他信息,post得到电费。
如果直接post会发现电费是空的,大概的时间应该都耗在了获取隐藏信息上了
最开始用selenium->3.5s
现在requests->0.7s
如果大佬们有更高效的解决方案,请务必告诉我,谢谢
2019-03-12更新:
电费改了好像
原来可以直接爬取,现在好像只有本部可以直接爬取
漳州校区已经阵亡
所以改一下爬取用电量第一行
2019/3/21更新
貌似用电量第一个不再是今天的时间
所以插入加入今天的时间戳dxdateStart_Raw和日期dxdateStart
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import requests
from bs4 import BeautifulSoup
import time
from datetime import datetime
# 获取电费
# @param drxiaoqu 校区代号
# @param drlou 园区代号
# @param txtRoomid 宿舍
def query(drxiaoqu, drlou, txtRoomid):
# 一定要保持session
r = requests.session()
url = 'http://elec.xmu.edu.cn/PdmlWebSetup/Pages/SMSMain.aspx'
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/70.0.3538.102 Safari/537.36'}
html = r.get(url=url, headers=headers).text
soup = BeautifulSoup(html, 'lxml')
# 获取所有的隐藏(hidden)
t = soup.find_all("input", attrs={'type': 'hidden'})
data = {}
for tag in t:
if 'value' in tag.attrs:
data[tag.attrs['id']] = tag.attrs['value']
else:
data[tag.attrs['id']] = ''
# 模拟选择了校区
data['drxiaoqu'] = drxiaoqu
# 这个属性很重要
data['__EVENTTARGET'] = 'drxiaoqu'
# 今天8点的时间
date_stamp = datetime.today().replace(hour=8, minute=0, second=0, microsecond=0)
# unix时间(毫秒),所以乘1000
data['dxdateStart_Raw'] = str(int(date_stamp.timestamp()) * 1000)
# 年月日
data['dxdateStart'] = '%d年%d月%d日' % date_stamp.timetuple()[:3]
html = r.post(url=url, headers=headers, data=data).text
soup = BeautifulSoup(html, 'lxml')
t = soup.find_all("input", attrs={'type': 'hidden'})
# 继续获取所有的隐藏(hidden),获得的隐藏和刚刚那次的隐藏有所不一样
for tag in t:
if 'value' in tag.attrs:
data[tag.attrs['id']] = tag.attrs['value']
else:
data[tag.attrs['id']] = ''
# 填写园区和楼号
data['drlou'] = drlou
data['txtRoomid'] = txtRoomid
html = r.post(url=url, headers=headers, data=data).text
soup = BeautifulSoup(html, 'lxml')
# 找到电费的标签
# tag = soup.find('label', attrs={'id': "lableft"})
# 页面改了- -
tag = soup.find('tr', attrs={'id': "dxgvElec_DXDataRow0"})
tag = tag.find_all('td')[-1]
return tag.string
# 用时大约0.7s有待改进
print(query('31', '南光10', '0315'))
参考资料: