查成绩，算分数，每年的综合测评都是个固定的过程，作为软件开发者，这些过程当然可以交给代码去做，通过脚本进行网络请求获取数据，然后直接进行计算得到基础分直接填表就好了，查成绩再手动计算既容易出错也繁琐，所以本篇的内容就是开发一个爬虫脚本取抓取成绩表，至于综合测评计算，这个没什么意义这里就不说了，分数都有了就都够了。

我们的目的就是通过编写脚本，模仿浏览器进行请求获取源码，再进行解析本地化(或者直接计算)

要抓取到数据，其实方案不止一种，这里会介绍两种不同的方案，达到同样的目的：

模仿浏览器进行请求(速度快)

操作浏览器进行请求(速度慢)

先说第一种，这种方案是普遍的爬虫技术，因为爬取的内容不多，对速度要求也不够，所以就是很简单的一个爬虫过程：

分析请求

模仿请求

对于普通的校园网，一般不做流量限制，所以就算请求频繁，也基本不用担心IP被封禁，所以编写爬虫代码可以不用太过担心。先说我所在学校的校园网，是杭州方正软件公司开发的。

① 分析请求

分析请求很简单，就是使用浏览器进行请求，然后分析每个请求所发送和接收的信息，这里最简单应该是使用chrome的开发者模式(F12打开)

输入用户名和密码，勾选已认真阅读，接着点击登陆，这样右边的网络窗口中会检查到所有的网络请求，我们只需要找到对应登陆的一个(这里会带有表单)：

这个时候，我们可以通过一些测试工具，尝试进行请求对应的这个地址，并且把表单提交上去试试登陆能否成功，如果成功的话，脚本也就可以模拟这个请求，这里用的是chrome商店的一个工具Postman，用法很简单：

登陆成功之后，我们再进行查询成绩：

这里可以看到这次得到了两个新的请求(上图红框的前两个)

仔细观察会发现，第一个请求头中的Referer指向的是第二个请求的地址，所以可以知道，第二个请求是先于第一个请求发送的。其次，我们发现这个请求中也有表单。

再看第二个请求：

它的Referer指向第三个请求，而这个第三个请求实际上登陆成功之后，就已经存在了，它就是请求到主界面的，而这个请求的类型是Get，所以也表明，第三个请求没有传递任何信息给这个请求。

整理可以知道，流程是这样的：

登陆成功后跳转：http://202.192.72.4/xs_main.aspx?xh=2013034743130

点击查询成绩按钮请求：http://202.192.72.4/xscj_gc.aspx?xh=2013034743130&xm=%B3%C2%D6%BE%B7%AB&gnmkdm=N121605 (Get)

点击查询在校成绩请求：http://202.192.72.4/xscj_gc.aspx?xh=2013034743130&xm=%u9648%u5fd7%u5e06&gnmkdm=N121605 (Post)

所以，我们先来模拟第二个，这个请求是Get类型，所以直接请求即可，但是会发现请求会失败，原因是服务器不能知道我们已经进行登陆了：

所以最先想到的办法是带上第一个请求得到的Cookie，但是也是不行，这个时候要用到上面说的Referer标识，这个标识会告诉服务器请求来源，因为登陆成功会在服务器进行登记，这个标记会让服务器知道请求来源于登陆成功的账号：

此时请求返回正常，我们在源码中可以发现有两个隐藏的标签：

这两个标签传递的，其实是第三个请求的参数，这个时候，模拟第三个请求，并且添加对应的Referer(第二个请求的URL)，会发现请求也成功了：

这个请求中的url中的一个参数xm被我更改为1了，原本使用的是一种unicode加密编码，把用户名编码过去了，但是实际上这个参数并没有实际意义，%u的格式会破坏Python程序，所以这里直接改成1了。

② 模仿请求

请求分析完毕，就可以开始写代码了：

用到的包：

1 importrequests, xlwt, os2 from bs4 import BeautifulSoup

登录：

1 deflogin(s, number, password):2 print '正在登录账号：'+number3 url = 'http://202.192.72.4/default_gdsf.aspx'

4 data = {'__EVENTTARGET': 'btnDL',5 'TextBox1': number,6 'TextBox2': password,7 '__VIEWSTATE': '/wEPDwULLTExNzc4NDAyMTBkGAEFHl9fQ29udHJvbHNSZXF1aXJlUG9zdEJhY2tLZXlfXxYBBQVjaGtZRIgvS19wi/UKxQv2qDEuCtWOjJdl',8 'chkYD': 'on',9 '__EVENTVALIDATION': '/wEWCgKFvrvOBQLs0bLrBgLs0fbZDAK/wuqQDgKAqenNDQLN7c0VAuaMg+INAveMotMNAuSStccFAvrX56AClqUwdU9ySl1Lo85TvdUwz0GrJgI='}10 s.post(url, data)11 return s.cookies

登录操作没有给后面的请求传递任何参数，这里的Cookies不是必须的，但是登录是必须的，这样告诉服务器我们后面的请求才是合法的。

点击查询成绩按钮：

1 defget_data_for_grade(s, number, password):2 url = 'http://202.192.72.4/xscj_gc.aspx?xh=' + number + '&xm=%B3%C2%D6%BE%B7%AB&gnmkdm=N121605'

3 referer = 'http://202.192.72.4/xs_main.aspx?xh=' +number4 cookies =login(s, number, password)5 response = s.get(url=url, headers={'Referer': referer}, allow_redirects=False, cookies=cookies)6 source =response.text7 soup = BeautifulSoup(source, 'html.parser')8 view_state = soup.find('input', attrs={'id': '__VIEWSTATE'})['value']9 event_validation = soup.find('input', attrs={'id': '__EVENTVALIDATION'})['value']10 states = {'view_state': view_state, 'event_validation': event_validation, 'cookies': cookies, 'origin': url}11 return states

第五行队请求设置Referer，接着通过BeautifulSoup解析源码得到两个隐藏的标签里面value值，第三个请求要用到。

查询所有成绩请求：

1 defcheck_info(s, number, password):2 url = 'http://202.192.72.4/xscj_gc.aspx?xh=' + number + '&xm=1&gnmkdm=N121605'

3 states =get_data_for_grade(s, number, password)4 print '登录成功，正在拉取成绩'

5 data ={6 '__VIEWSTATE': states['view_state'],7 'ddlXN': '',8 'ddlXQ': '',9 'Button2': '',10 '__EVENTVALIDATION': states['event_validation']11 }12 response = s.post(url, data=data, cookies=states['cookies'], headers={'Referer': states['origin']},13 allow_redirects=False)14 return response.text

得到成绩单源码之后，就可以进行解析了，这里解析存放到xls表格中：

1 defwriteToFile(source):2 print '正在写入文档'

3 wb = xlwt.Workbook(encoding='utf-8', style_compression=0)4 soup = BeautifulSoup(source, "html.parser")5 span = soup.find('span', attrs={'id': 'Label5'})6 sheet = wb.add_sheet('成绩单', cell_overwrite_ok=True)7 table = soup.find(attrs={'id': 'Datagrid1'})8 lines = table.find_all('tr')9 for i inrange(len(lines)):10 tds = lines[i].find_all('td')11 for j inrange(len(tds)):12 sheet.write(i, j, tds[j].text)13 try:14 os.remove(span.text + '.xls')15 except:16 pass

17 wb.save(span.text + '.xls')

最后遍历学号进行爬取，这里只爬取默认账号密码的成绩：

1 for i in range(1, 55):2 num = '2013034743001'

3 s =requests.session()4 try:5 if i <= 9:6 writeToFile(check_info(s, num[:12] + str(i), num[:12] +str(i)))7 else:8 writeToFile(check_info(s, num[:11] + str(i), num[:11] +str(i)))9 except:10 pass

11 s.close()

第二种方案，是通过模拟浏览器来进行登录，点击按钮等操作获取成绩，这里用到的是自动化测试框架Selenium。

这种方案的优点是我们不需要像第一种那样要去分析请求，只需要告诉浏览器要怎么做就行了，但是缺点是速度慢。

1 #-*- coding: utf-8 -*-

2 from selenium importwebdriver3 from selenium.webdriver.common.by importBy4 from selenium.webdriver.support.wait importWebDriverWait5 from selenium.webdriver.common.action_chains importActionChains6 from selenium.webdriver.support importexpected_conditions as EC7 from selenium.common.exceptions importNoSuchElementException8 from selenium.common.exceptions importNoAlertPresentException9 from bs4 importBeautifulSoup10 importxlwt11 importos12

13

14 classScript():15 defsetUp(self):16 self.driver =webdriver.Chrome()17 self.driver.implicitly_wait(10)18 #self.driver.maximize_window()

19 self.base_url = "http://202.192.72.4/"

20 self.verificationErrors =[]21 self.accept_next_alert =True22

23 deftest_jb(self, num):24 driver =self.driver25 driver.get(self.base_url + "/default_gdsf.aspx")26 driver.find_element_by_id("TextBox1").clear()27 driver.find_element_by_id("TextBox1").send_keys(num)28 driver.find_element_by_id("TextBox2").clear()29 driver.find_element_by_id("TextBox2").send_keys(num)30 driver.find_element_by_id("chkYD").click()31 driver.find_element_by_id("btnDL").click()32 WebDriverWait(driver, 5).until(EC.alert_is_present()).accept()33 self.open_and_click_menu(driver)34 retry =035 while retry <= 2:36 try:37 driver.switch_to.frame(driver.find_element_by_id('iframeautoheight'))38 WebDriverWait(driver, 5).until(EC.visibility_of_element_located((By.XPATH, "//input[@id='Button2']")))39 break

40 except:41 print '重新点击按钮'

42 driver.switch_to.parent_frame()43 self.open_and_click_menu(driver)44 retry += 1

45 else:46 print '重试失败'

47

48 source =driver.page_source49 driver.find_element_by_xpath("//input[@id='Button2']").click()50

51 defsource_change(driver):52 if source ==driver.page_source:53 returnFalse54 else:55 returndriver.page_source56

57 self.writeToFile(WebDriverWait(driver, 10).until(source_change))58 driver.quit()59

60 defopen_and_click_menu(self, driver):61 menu1 = WebDriverWait(driver, 5).until(EC.visibility_of_element_located((By.XPATH, "//ul[@class='nav']/li[5]")))62 menu2 = driver.find_element_by_xpath("//ul[@class='nav']/li[5]/ul/li[3]")63 ActionChains(driver).move_to_element(menu1).move_to_element(menu2).click(menu2).perform()64

65 defis_element_present(self, how, what):66 try:67 self.driver.find_element(by=how, value=what)68 exceptNoSuchElementException as e:69 returnFalse70 returnTrue71

72 defis_alert_present(self):73 try:74 self.driver.switch_to_alert()75 exceptNoAlertPresentException as e:76 returnFalse77 returnTrue78

79 defclose_alert_and_get_its_text(self):80 try:81 alert =self.driver.switch_to_alert()82 alert_text =alert.text83 ifself.accept_next_alert:84 alert.accept()85 else:86 alert.dismiss()87 returnalert_text88 finally:89 self.accept_next_alert =True90

91 deftearDown(self):92 self.driver.quit()93 self.assertEqual([], self.verificationErrors)94

95 @staticmethod96 defwriteToFile(source):97 wb = xlwt.Workbook(encoding='utf-8', style_compression=0)98 soup = BeautifulSoup(source, "html.parser")99 span = soup.find('span', attrs={'id': 'Label5'})100 sheet = wb.add_sheet('成绩单', cell_overwrite_ok=True)101 table = soup.find(attrs={'id': 'Datagrid1'})102 lines = table.find_all('tr')103 for i inrange(len(lines)):104 tds = lines[i].find_all('td')105 for j inrange(len(tds)):106 sheet.write(i, j, tds[j].text)107 try:108 os.remove(span.text + '.xls')109 except:110 pass

111 wb.save(span.text + '.xls')112

113

114 if __name__ == "__main__":115 #unittest.main()

116 s =Script()117

118 for i in range(1, 50):119 num = '2013034743101'

120 s.setUp()121 try:122 if i <= 9:123 s.test_jb(num[:12] +str(i))124 else:125 s.test_jb(num[:11] +str(i))126 except:127 pass

这种方法的意义只是熟悉一下自动化测试框架，因为速度实在太慢了，也就不详细介绍了，这里粗略说一下，其实原理就是通过查到网页中对应的控件，进行点击或者悬浮于上面等等的操作，一步一步的到达最后的成绩单，要做的是控制整个流程，明确在什么时候应该停一下等控件出现，什么时候要去点击。

而且到目前为止，这个框架还是有一些Bug的，比如火狐浏览器的驱动无法实现在一个按钮上Hover的操作等等。