博客
关于我
[python爬虫]爬取普通话水平测试成绩(畅言网)
阅读量:67 次
发布时间:2019-02-25

本文共 2158 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.requestimport urllib.parseimport reimport timedef 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 htmldef 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:

  • 姓名
  • 身份证号
  • 等级
  • 最终分数
  • 证书编号
  • 准考证号
  • 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/

    你可能感兴趣的文章
    MTK Android 如何获取系统权限
    查看>>
    MySQL - 4种基本索引、聚簇索引和非聚索引、索引失效情况、SQL 优化
    查看>>
    MySQL - ERROR 1406
    查看>>
    mysql - 视图
    查看>>
    MySQL - 解读MySQL事务与锁机制
    查看>>
    mysql 1264_关于mysql 出现 1264 Out of range value for column 错误的解决办法
    查看>>
    mysql 1593_Linux高可用(HA)之MySQL主从复制中出现1593错误码的低级错误
    查看>>
    mysql ansi nulls_SET ANSI_NULLS ON SET QUOTED_IDENTIFIER ON 什么意思
    查看>>
    MySQL Binlog 日志监听与 Spring 集成实战
    查看>>
    multi-angle cosine and sines
    查看>>
    Mysql Can't connect to MySQL server
    查看>>
    mysql case when 乱码_Mysql CASE WHEN 用法
    查看>>
    Multicast1
    查看>>
    MySQL Cluster 7.0.36 发布
    查看>>
    Multimodal Unsupervised Image-to-Image Translation多通道无监督图像翻译
    查看>>
    multipart/form-data与application/octet-stream的区别、application/x-www-form-urlencoded
    查看>>
    mysql cmake 报错,MySQL云服务器应用及cmake报错解决办法
    查看>>
    Multiple websites on single instance of IIS
    查看>>
    mysql CONCAT()函数拼接有NULL
    查看>>
    multiprocessing.Manager 嵌套共享对象不适用于队列
    查看>>