Python爬取携程最新车票（附导出EXCEL）

这里使用的不是最优最快方式，没有选择爬取Api，而选择了使用爬取html分析dom的方式（略麻烦）以娱乐学习为主

首先，我们先找到要爬取的网站 ,第一个第二个参数是中文出发地和目的地，day是yyyy-MM-dd格式日期，最后两个参数是URL编码的第一个和第二个参数，使用urllib进行编码

https://trains.ctrip.com/TrainBooking/Search.aspx?from={}&to={}&day={}&number=&fromCn={}&toCn={}

这里尝试使用普通的get方式是没有办法获取到完整的网页内容，我这里利用splinter集成的Selenium进行完整html的获取（看到这用过的人就知道为什么说麻烦了，需要手动安装谷歌浏览器驱动，和配置浏览器环境变量）页面的数据是这样一行一行的：

然后就是分析dom结构，我这里使用BeautifulSoup进行分析内容，xlwt作为excel导出，整体就这些功能，下面是导出的效果


控制台输出：

最后贴上全部完整代码（不要谢我以学习为主）：

import time
import urllib.parse
import xlwt
import sys
from bs4 import BeautifulSoup
from splinter import Browser

URL = "https://trains.ctrip.com/TrainBooking/Search.aspx?from={}&to={}&day={}&number=&fromCn={}&toCn={}"

def checkNull(str):
    if len(str) == 0 :
        return False
    elif str.isspace():
        return False
    else:
        return True

def autoBrowser(start,end,date=time.strftime('%Y/%m/%d',time.localtime(time.time()))):
    if checkNull(start) and checkNull(end):
        with Browser('chrome') as bs:
            fromCn = urllib.parse.quote(start.encode('gb2312'))
            toCn = urllib.parse.quote(end.encode('gb2312'))
            bs.visit(URL.format(start,end,date,fromCn,toCn))
            workbook = xlwt.Workbook()
            sheet = workbook.add_sheet('车程')
            title = ['车次信息', '发车时间', '到达时间', '始发站', '终到站', '时长', '信息',
                     'A类型', 'A价格', 'A剩余', 'B类型', 'B价格', 'B剩余', 'C类型', 'C价格', 'C剩余']
            for i in range(0, len(title)):
                sheet.write(0, i, title[i])
            bfs = BeautifulSoup(bs.html,'html.parser')
            list = bfs.find(id='searchlsit')

            for ii,content in enumerate(list):
                contents = []
                number = content.select('.w1 strong')[0].get_text().strip()
                startTime = content.select('.w2 strong')[0].get_text().strip()
                startHome = content.select('.w2 span')[0].get_text().strip()
                endTime = content.select('.w3 strong')[0].get_text().strip()
                endHome = content.select('.w3 span')[0].get_text().strip()
                longTime = content.select('.haoshi')[0].get_text().strip()
                info = '暂无'
                if(len(content.select('p')) >0 ):
                    info = content.select('p')[0].get_text().strip()
                lists = content.select('.w5 div')
                print(f'车次={number} \n'
                      f'开车时间={startTime} \n'
                      f'到达时间={endTime} \n'
                      f'始发站={startHome} \n'
                      f'终到站={endHome} \n'
                      f'时长={longTime} \n'
                      f'信息={info} \n'
                      )

                contents.append(number)
                contents.append(startTime)
                contents.append(endTime)
                contents.append(startHome)
                contents.append(endHome)
                contents.append(longTime)
                contents.append(info)
                types = []
                for price in lists:
                    if len(price.select('span')) > 0 and len(price.select('b')) > 0 and len(price.select('em')) > 0:
                        teyp = price.select('span')[0].get_text().strip()
                        jiage = price.select('b')[0].get_text().strip()
                        last = price.select('em')[0].get_text()
                        print(f'类型={teyp} 价格={jiage} 剩余={last}')
                        types.append(teyp)
                        types.append(jiage)
                        types.append(last)
                for type in types:
                    contents.append(type)
                print('*' * 20)

                for i in range(0, len(contents)):
                    sheet.write(ii+1, i, contents[i])

        workbook.save('C:\{}-{}-{}.xls'.format(start,end,date))
    else:
        print("参数格式错误")



if __name__ == '__main__':
    if(len(sys.argv) == 4):
        #出发地 例：北京
        fromCn = sys.argv[1]
        #目的地 例：上海
        toCn = sys.argv[2]
        #时间 例：2019-10-01
        date = sys.argv[3]
        autoBrowser(fromCn,toCn,date)
    else:
        print('参数错误')

当然仅仅是复制粘贴，安装包之后并没办法用，所以为了方便我简单写一下配置环境（如果感觉写的不细可以去其他博客了解一下），首先我这里是基于谷歌浏览器的，所以要先有谷歌浏览器并且配置环境变量例如：

然后，下载和浏览器版本符合的驱动，先去网上找一下和浏览器版本兼容的驱动版本然后去【这里】下载，并且放在浏览器目录下和python目录下