本文共 2206 字，大约阅读时间需要 7 分钟。

今天，我们的普通话考试成绩终于出来了（以山东为例）。下午闲来无事，用Python写了写代码来爬取大家的成绩（已知姓名和身份证），方法有点暴力，具体实现如下：

import urllib.request
import urllib.parse
import re
import time
def get_html(txtName, txtIDCard):
    url = 'http://sd.cltt.org/Web/Login/PSCP01001.aspx'
    data = {
        'txtName': txtName,
        'txtIDCard': txtIDCard,
        'btnLogin': '查  询',
        '__VIEWSTATE': '',
        'txtStuID': '',
        'txtCertificateNO': '',
        'txtCardNO': ''
    }
    data = urllib.parse.urlencode(data).encode('utf-8')
    response = urllib.request.urlopen(url, data)
    html = response.read().decode('utf-8')
    return html
def get_result(html):
    name_start = html.find(r'姓名：')
    name_end = html.find(r'证件号：')
    name_html = html[name_start+190:name_end-186]
    
    id_start = html.find(r'证件号：')
    id_end = html.find(r'准考证号：')
    id_html = html[id_start+192:id_end-786]
    
    level_start = html.find(r'等级：')
    level_end = html.find(r'证书编号：')
    level_html = html[level_start+171:level_end-169]
    
    score_start = html.find(r'最终分：')
    score_end = html.find(r'等级：')
    score_html = html[score_start+173:score_end-280]
    
    bookid_start = html.find(r'证书编号：')
    bookid_end = html.find(r'省份：')
    bookid_html = html[bookid_start+174:bookid_end-280]
    
    k_start = html.find(r'准考证号：')
    k_end = html.find(r'出生日期：')
    k_html = html[k_start+173:k_end-171]
    
    if len(name_html) < 10:
        print("--------------------------------------------------------------------------------------------------------------")
        print("姓名(id):%s(%s) | 等级:%s(%s分) | 证书编号:%s | 准考证号:%s"%(name_html, id_html, level_html, score_html, bookid_html, k_html))
def main():
    names =  ["张三","李四","王五","赵四","狗子","二虎"]
    ids = ["3xxxxxxxxxxxxxx2","3xxxxxxxxxxxxxx0","6xxxxxxxxxxxxxx0","3xxxxxxxxxxxxxx2","3xxxxxxxxxxxxxx1X","3xxxxxxxxxxxxxx7"]
    for i in range(len(names)):
        txtName = names[i]
        txtIDCard = ids[i]
        html = get_html(txtName, txtIDCard)
        get_result(html)

这段代码通过模拟浏览器请求，向普通话考试成绩查询系统发送请求，成功获取了相关信息。虽然方法略显直接，但在当前情况下能够获取所需数据。

通过仔细分析HTML结构，代码成功提取了以下信息：

代码中使用了urllib库来处理HTTP请求，并通过re库解析HTML内容。虽然代码逻辑清晰，但对于大规模数据爬取可能会存在性能问题，建议在实际应用中增加请求间隔和错误处理机制。

转载地址：http://mcb.baihongyu.com/