最近参加一个比赛做了一个铁路换乘系统，现在想谈一谈这个系统的构建过程。先不谈算法，页面的布局和服务器的构建，既然是铁路的换乘系统，那么先说一说每个车次，每个站点这些信息从何而来，下面进入正题。
最开始的时候在网上找了很久，但是由于铁路信息日新月异，很多都很老旧了，不准确，所以还是决定自己写一个小程序爬取12306上面的信息。我这里用的是Chrome浏览器，因为开发者模式比较好用。进入12306网站，在车票预订那里随便输入起点和终点，笔者这里输入的是重庆到北京，F12进入开发者模式，并点击其中的Network（网络），然后点击其中一条车次，
可以看到出来了这一条车次的所有经停信息，那么看下面这里多了两行，点击第一行，在preview里面找到了我们想要的信息。然后点击Headers，获得链接 https://kyfw.12306.cn/otn/czxx/queryByTrainNo?train_no=780000K5080J&from_station_telecode=CQW&to_station_telecode=BXP&depart_date=2017-08-12，打开这个链接就可以在网页上看到我们所需要的信息，这些信息以json格式展示。
下面分析一下这个链接，你可以找两个链接对比一下就可以发现，train_no=780000K5080J，from_station_telecode=CQW，to_station_telecode=BXP以及最后的日期是可变的。很明显，CQW这些是火车站代号，train_no是车次的代号，下面只需要找到这两个东西便可以通过遍历得到某一天所有的火车车次信息。接下来我们在资源中的所有脚本信息中发现了station_name.js和train_list.js，打开这两个东西可以看到需要的东西已经齐全了。
大致方向已经在这里了，接下来关于怎么请求网站，怎么使用正则表达式获取需要的数据就不细说了，自己去琢磨吧～，最后花了几个小时的时间我得到了所有车次类似于这样的数据
D1 北京 18:08 18:08
D1 唐山北 19:19 19:20
D1 北戴河 20:16 20:17
D1 沈阳 23:21 23:21
D2 沈阳 09:19 09:19
D2 葫芦岛北 10:49 10:50
D2 唐山北 12:55 12:57
D2 北京 14:08 14:08
D3 北京 18:15 18:15
D3 唐山北 19:28 19:29
D3 葫芦岛北 21:36 21:37
D3 锦州南 21:56 21:57
D3 盘锦北 22:26 22:27
D3 沈阳北 23:31 23:31
D4 沈阳北 07:50 07:50
D4 盘锦北 08:45 08:46
D4 锦州南 09:10 09:18
D4 东戴河 10:13 10:15
D4 北戴河 10:49 10:51
D4 唐山北 11:47 11:48
D4 北京 12:59 12:59
下面附上源代码一份，大家可以参考一下，这一篇内容就到这里了，后面算法的设计，算法的优化以及界面和服务器的内容之后再说。
import time
import urllib.request
import ssl
import json
import re
import string
import codecs
ssl._create_default_https_context = ssl._create_unverified_context
#关闭证书验证
def getTrainstation():
reg = urllib.request.urlopen('https://kyfw.12306.cn/otn/resources/js/framework/station_name.js?station_version=1.9018')
html = reg.read()
dict=str(html,'utf-8')
text=re.findall('@([a-z]*)\|(.*?)\|([A-Z]*)\|([a-z]*)\|([a-z]*)\|([0-9]*)',dict)
return text
def getTrainlist():
reg = urllib.request.urlopen('https://kyfw.12306.cn/otn/resources/js/query/train_list.js?scriptVersion=1.0')
html = reg.read()
dict=str(html,'utf-8')
text=re.findall(':"([^"]+)",',dict)
text1=re.findall(':"([^"]+)"}',dict)
return text,text1
def getList(url):
req = urllib.request.urlopen(url)
html = req.read()
dict=json.loads(html)
with codecs.open('/Users/cmh/railway1.txt','a','utf-8') as f:
f.write(dict['data']['data'][0]['station_train_code']+' '+dict['data']['data'][0]['start_station_name']+' '+dict['data']['data'][0]['start_time']+' '+dict['data']['data'][0]['start_time']+'\n')
for i in range(1,len(dict['data']['data'])):
f.write(dict['data']['data'][0]['station_train_code']+' '+dict['data']['data'][i]['station_name']+' '+dict['data']['data'][i]['arrive_time']+' '+dict['data']['data'][i]['start_time']+'\n')
f.close()
(x,number)=getTrainlist()
y=getTrainstation()
print('loading...')
n=[]
for i in range(0,len(x)):
mj = re.match(".*\((.*)\).*", x[i])
t=mj.group(1).split('-')
if t[0] not in n:
n.append(t[0])
if t[1] not in n:
n.append(t[1])
k=[]
tt=[]
for i in range(0,len(y)):
k.append(y[i][1])
for i in range(0,len(n)):
if n[i] not in k:
tt.append(n[i])
x1=[]
y1=[]
for i in range(0,len(x)):
mj = re.match(".*\((.*)\).*", x[i])
t=mj.group(1).split('-')
if t[0] in tt or t[1] in tt:
x1.append(x[i])
y1.append(number[i])
for i in range(0,len(x1)):
x.remove(x1[i])
number.remove(y1[i])
m=[]
for i in range(0,len(x)):
mj = re.match(".*\((.*)\).*", x[i])
t=mj.group(1).split('-')
l=[]
for j in range(0,len(y)):
if t[0]==y[j][1]:
l.append(y[j][2])
for j in range(0,len(y)):
if t[1]==y[j][1]:
l.append(y[j][2])
l.append(number[i])
m.append(l)
print('ready')
for i in range(0,len(m)):
url='https://kyfw.12306.cn/otn/czxx/queryByTrainNo?train_no=%s&from_station_telecode=%s&to_station_telecode=%s&depart_date=2017-07-29'%(m[i][2],m[i][0],m[i][1])
try:
getList(url)
except:
continue