爬取ucas获取新生信息第三版Python_python 3爬取ucas基本信息-程序员宅基地


#!/usr/bin/python
# coding=utf-8
'''
powered by zhangbin
'''
import sys
import HTMLParser
import urlparse
import urllib
import urllib2
import cookielib
import string
import re
import time
from sendMail import *
from BeautifulSoup import BeautifulSoup
reload(sys)
sys.setdefaultencoding('utf-8')

hosturl = 'http://edu.ucas.ac.cn/gucas_yingxin/Student/Student_Info.aspx?id=1'
posturl = hosturl
flag = 1
class ucas_freshmen(object):
    """class for retrieving the information of newest post """
    def __init__(self):
        self.txtZKZH = ''
        self.txtSFZH = ''
    def set_login_info(self, txtZKZH, txtSFZH):
        """ complete the base login information """
        self.txtZKZH = txtZKZH
        self.txtSFZH = txtSFZH

    def login(self):
        ''' login ucas_freshmen '''
        """ set cookies """
        cj = cookielib.LWPCookieJar()
        cookie_support = urllib2.HTTPCookieProcessor(cj)
        opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)
        urllib2.install_opener(opener)
        headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36',
                   'Referer': hosturl}
        # first HTTP request without form data
        try:
            reqreq = urllib2.Request(posturl, '', headers)
            f = urllib2.urlopen(reqreq, timeout = 60)
        except:
            raise MyException("There was an error." )
        soup = BeautifulSoup(f)
        # parse and retrieve two vital form values
        viewstate_arr =  soup.findAll('input',attrs = {"name" : "__VIEWSTATE", 'id': '__VIEWSTATE'})
        eventvalidation_arr = soup.findAll('input',attrs = {"name" : "__EVENTVALIDATION", 'id': '__EVENTVALIDATION'})
        viewstate = viewstate_arr[0].get('value')
        eventvalidation = eventvalidation_arr[0].get('value')

        postData = {    'txtSFZH' : self.txtSFZH,
                        'txtZKZH' : self.txtZKZH,
                        'OkButton' : '确定',
                        'ScriptManager1_HiddenField':'',
                        '__EVENTTARGET': '',
                        '__EVENTARGUMENT': '',
                        '__LASTFOCUS': '',
                        '__VIEWSTATE': viewstate,
                        '__EVENTVALIDATION': eventvalidation,
                        'rblType': '0'
        }
        postData = urllib.urlencode(postData)
        request = urllib2.Request(posturl, postData, headers)
        try:
            response = urllib2.urlopen(request, timeout = 60)
        except:
            raise MyException("There was an error.")
        text = response.read()
        #print text
        return text
def grep_info(text):
    global flag
    soup = BeautifulSoup(text)
    ret = ''
    grep_info = {'name': 'lblxm',
                 'stuID': 'lblxh',
                 'ID': 'LabZJHM',
                 'political affiliation': 'LabZZMM',
                 'birthday': 'LabBirthday',
                 'national': 'LabMZ',
                 'Corp.': 'lbldw',
                 'specialty': 'lblzy',
                 'campus': 'lblyq',
                 'buildingID': 'lbllh',
                 'roomNO.': 'lblfjh',
                 'telephone': 'lbldh',
                 'departments': 'lblyx',
                 'class': 'lblbj',
                 'headTeacher': 'lblbzr'}
    for key, value in grep_info.items():
        tmp = soup.find('span', attrs = {'id': value})
        if tmp.string:
            ret += '-' * 60 + '\n' + key + ': ' + tmp.string +'\n'
    ret += '-' * 60
    reArgu = r'roomNO|campus|class|headTeacher|buildingID|telephone'
    pattern = re.compile(reArgu)
    result = pattern.search(ret)
    print ret
    if result and flag <= 2:
        send_mail('[email protected]', 'Hey, You can check ucas', (ret.decode('utf-8')).encode('gb2312'))
        flag += 1

def waiting(num):
    count = 0
    while count < num:
        count += 1
        print '.',
        time.sleep(1)
    print ''

def main():
    SFZH = ''
    ZKZH = ''
    user_login = ucas_freshmen()
    user_login.set_login_info(ZKZH, SFZH)
    count = 1
    while True:
        print 'start scrawling for the', count ,'\bth time.'
        count += 1
        try:
            info = user_login.login()
            grep_info(info)
        except :
            pass
        print '----------done and waiting for 60 seconds----------\n ' 
        waiting(60)

if __name__ == '__main__':
    main()


版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/bingo_boy/article/details/38613609

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些

PHP设置谷歌验证器(Google Authenticator)实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数,兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios

如何将EXCEL表导入plsql数据库中-程序员宅基地

文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql

Git常用命令速查手册-程序员宅基地

文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...

分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120-程序员宅基地

文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120

【C++缺省函数】 空类默认产生的6个类成员函数_空类默认产生哪些类成员函数-程序员宅基地

文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数

推荐文章

热门文章

相关标签