欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python 爬取吉首大学网站成绩单

程序员文章站 2022-03-19 09:22:03
项目地址:https://github.com/chen0495/pythoncrawlerforjsu环境 python 3.5即以上 request、beautifulsoup、num...

项目地址:

https://github.com/chen0495/pythoncrawlerforjsu

环境

  • python 3.5即以上
  • request、beautifulsoup、numpy、pandas.
  • 安装beautifulsoup使用命令pip install beautifulsoup4

配置及使用

登陆学校成绩单查询网站,修改cookie.

python 爬取吉首大学网站成绩单

按f12后按ctrl+r刷新一下,获取cookie的方法见下图:

python 爬取吉首大学网站成绩单

修改爬虫url为自己的成绩单网址.

python 爬取吉首大学网站成绩单

运行src/main.py文件即可在/result下得到csv文件.

结果展示

python 爬取吉首大学网站成绩单

完整代码

# -*- coding: utf-8 -*-
# @time    : 5/29/2021 2:13 pm
# @author  : chen0495
# @email   : 1346565673@qq.com|chenweiin612@gmail.com
# @file    : main.py
# @software: pycharm

import requests as rq
from bs4 import beautifulsoup as bs
import numpy as np
import pandas as pd

rq.adapters.default_retries = 5
s = rq.session()
s.keep_alive = false # 关闭多余连接

header = { # 请更改cookie
    'user-agent' : 'mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/92.0.4501.0 safari/537.36 edg/92.0.891.1',
    'cookie' : 'wengine_vpn_ticketwebvpn_jsu_edu_cn=xxxxxxxxxx; show_vpn=1; refresh=1'
}

# 请更改url
r = rq.get('https://webvpn.jsu.edu.cn/https/xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx/jsxsd/kscj/cjcx_list', headers = header, verify=false)

soup = bs(r.text,'html.parser')

head = []
for th in soup.find_all("th"):
    head.append(th.text)
while '' in head:
    head.remove('')
head.remove('序号')
context = np.array(head)


x = []
flag = 0
for td in soup.find_all("td"):
    if flag!=0 and flag%11!=1:
        x.append(td.text)
    if flag%11==0 and flag!=0:
        context = np.row_stack((context,np.array(x)))
        x.clear()
    flag+=1

context = np.delete(context,0,axis=0)
data = pd.dataframe(context,columns=head)
print(data)

# 生成文件,亲更改文件名
data.to_csv('../result/result.csv',encoding='utf-8-sig')

以上就是python 爬取吉首大学成绩单的详细内容,更多关于python 爬取成绩单的资料请关注其它相关文章!