近段需要寫關於爬取課表的功能，現在完成了，來總結一下，說說自己踩過的坑。希望能幫到大家。

1. 分析

首先我們要了解 Http Cookie 的作用(可參考HTTP cookies 詳解)，簡單來說就是維持一個會話，這樣我們就能在登陸一個網頁后，就能進入這個網頁需要登陸的界面。

現在我們需要模擬登陸青果教務系統，就也需要先獲取服務器給我們的cookie，然后用這個cookie值去獲取驗證碼登陸，獲取我們想要的內容。要注意的是有的網站對表頭信息也是有驗證的，我們需要在請求中添加表頭信息。

總結起來就三部，首先獲取登錄界面的驗證碼並存儲Cookie，然后通過cookie來模擬登陸，最后進入教務系統取想要的東西。

現在我們需要去留意的內容，各個請求的連接、header、和發送的數據

2. 查看請求

首先我們查看首頁，我們發現登錄並不在首頁上，需要點擊用戶登錄后才算進入了登錄界面。

然后我們查看登錄界面的請求。我們就是需要圖中的Cookie 來登錄，

在看驗證碼的請求，發現其中你的Cookie是一樣的，所以，我們直接獲取驗證碼的Cookie保存就行，不管登界面。

我們在看登錄的請求，請求類型為POST，還是原來的cookie，但是我們發現傳送的數據竟然那么多，其實，比多請求幾次就會發現，其實有幾個的值是永遠不會變的，我們下面接着分析。

查看表單登錄結構，發現剛才的提交數據都是隱藏的標簽，並且都是大部分都是固定值，只有兩個是我在輸入密碼或驗證碼時會一直變動，其實這兩個就是密碼和驗證碼，只是進行了特殊處理，這個網頁引入了一個 md5.js 文件(上面第二張圖中可以看到)，加密就是通過這個文件進行的。

我們尋找加密部分的代碼，在頁面的某一部分，我們發現了加密的代碼，我們在模擬登陸時就可以使用這部分處理了。

當我們登陸成功后我們課表的請求。OK，我們的心思收集工作完成了。下面開始編碼吧。

3. 獲取驗證碼和Cookie

首先我們需要一個界面來模擬登陸，我寫了一個簡單的html form登錄，需要注意的是咋提交賬號密碼時要對信息使用 md5.js 加密。

/**

*test.html文件

*/

課表登錄

登錄

我們來獲取驗證碼 ,注意的是我是吧Cookie存儲到了本地

/** */php/getValidate.php文件

*/

//Cookie存儲文件

$cookie_file = dirname(__FILE__)."/../cookie/tmp.cookie";

if(!file_exists($cookie_file)) {

$myfile = fopen($cookie_file, "w");

fclose($myfile);

}

$t = isset($_GET['t'])?$_GET['t']:0;

$verify_code_url = "http://jwgl.xxxxxx.edu.cn/jwweb/sys/ValidateCode.aspx?t=".$t;

//不用糾結那條需要不需要，直接header都寫上是不會錯的

$header = [

'Accept:image/webp,image/apng,image/*,*/*;q=0.8',

'Accept-Encoding:gzip, deflate',

'Accept-Language:zh-CN,zh;q=0.8',

'Cache-Control:no-cache',

'Connection:keep-alive',

'Host:jwgl.xxxx.edu.cn', //修改名稱

'Pragma:no-cache',

'Referer:http://jwgl.xxxxx.edu.cn/jwweb/_data/login.aspx',//修改名稱

'User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.86 Safari/537.36',

];

$curl = curl_init();

curl_setopt($curl,CURLOPT_HTTPHEADER,$header); //設置表頭

curl_setopt($curl, CURLOPT_URL, $verify_code_url); // 設置請求地址

curl_setopt($curl,CURLOPT_COOKIEJAR,$cookie_file); //獲取COOKIE並存儲

$img = curl_exec($curl);

curl_close($curl);

//輸出圖片到html

echo $img;

當進入test.html 時，cookie文件夾下就有存儲的Cookie了

4. 模擬登陸

然后我們模擬登錄，主要的地方是要用之前存儲的Cookie和用Post請求

//Cookie路徑

$cookie_file = dirname(__FILE__)."/../cookie/tmp.cookie";

$url = 'http://jwgl.xxxx.edu.cn/jwweb/_data/index_LOGIN.aspx';

$post = [

'__VIEWSTATE' => 'dDw4ODEwMTkyNTY7Oz6uXw9RQf0bw8SrGIjZutgOtpxLCw==',

'__VIEWSTATEGENERATOR' =>'4B596BA9',

'pcInfo' => 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3080.5 Safari/537.36undefined5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3080.5 Safari/537.36 SN:NULL',

'typeName' => '(unable to decode value)',

'dsdsdsdsdxcxdfgfg' => $_POST['password'],

'fgfggfdgtyuuyyuuckjg' => $_POST['validate'],

'Sel_Type' => 'STU',

'txt_asmcdefsddsd' => $_POST['txt_asmcdefsddsd'],

'txt_pewerwedsdfsdff'=> '',

'txt_sdertfgsadscxcadsads' => '',

'sbtState' => '',

];

$post = http_build_query($post);

$headers = array(

"Accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8",

"Accept-Encoding:gzip, deflate",

"Accept-Language:zh-CN,zh;q=0.8",

"Cache-Control:max-age=0",

"Content-Length:603",

"Content-Type:application/x-www-form-urlencoded",

"Host:jwgl.xxxx.edu.cn",

"Origin:http://jwgl.xxxx.edu.cn",

"Proxy-Connection:keep-alive",

"Referer:http://jwgl.xxxx.edu.cn/jwweb/_data/index_LOGIN.aspx",

"Upgrade-Insecure-Requests:1",

"User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3080.5 Safari/537.36",

);

$curl = curl_init();

curl_setopt($curl, CURLOPT_HTTPHEADER, $headers);//設置header

curl_setopt($curl, CURLOPT_URL, $url); //設置url

curl_setopt($curl, CURLOPT_POST, true); // 設置為POST請求

curl_setopt($curl, CURLOPT_RETURNTRANSFER,1); // 將curl_exec()獲取的信息以文件流的形式返回，而不是直接輸出。

curl_setopt($curl, CURLOPT_POSTFIELDS, $post); //傳送的數據

curl_setopt($curl, CURLOPT_COOKIEFILE, $cookie_file); //設置cookie

$result=curl_exec($curl);

//可以輸出當前信息看看是否登錄成功

//$file = dirname(__FILE__)."/../html/test.html";

//$fp = fopen($file,"w");

//fwrite($fp,$result);

//fwrite($fp, '結束');

//fclose($fp);

5. 獲取數據

到此，我們已經登錄成功了，然后我們就可以進入系統提取數據了，比如提取課表信息。

$curl = curl_init();

$url = 'http://jwgl.xxx.edu.cn/jwweb/wsxk/stu_zxjg_rpt.aspx';

curl_setopt($curl, CURLOPT_URL, $url);

curl_setopt($curl, CURLOPT_HEADER, false);

curl_setopt($curl, CURLOPT_RETURNTRANSFER,1);

curl_setopt($curl, CURLOPT_COOKIEFILE, $cookie_file);

$result=curl_exec($curl);

$file = dirname(__FILE__)."/../html/test.html";

$fp = fopen($file,"w");

fwrite($fp,$result);

fclose($fp);

6. 提取數據

當我們得到網頁文本時，並不是我們的最終目的，我們要的是其中除了html標簽之外的數據。關於提取數據，我推薦大家使用symfony/dom-crawler，再配合他的symfony/css-selector來將html文本轉換成結點，通過CSS選擇器方式定位結點獲取相應的數據。