项目简介：使用 Python3 抓取 12306 网站信息提供一个命令行的火车票查询工具。通过该项目的实现，可以熟悉 Python3 基础及网络编程，以及 docopt，requests，prettytable 等库的使用。

项目由小蜗牛发布在实验楼，项目在线练习地址：Python3 实现火车票查询工具，可以直接在教程中下载代码使用demo。

一、实验简介

当你想查询一下火车票信息的时候，你还在上 12306 官网吗?或是打开你手机里的 APP?

下面让我们来用 Python 写一个命令行版的火车票查看器， 只要在命令行敲一行命令就能获得你想要的火车票信息!如果你刚掌握了Python基础，这将是个不错的小练习。

1.1 知识点

• Python3 基础知识的综合运用
• docopt、requests 及 prettytable 库的使用

1.2 效果截图

二、接口设计

一个应用写出来最终是要给人使用的，哪怕只是给你自己使用。

所以，首先应该想想你希望怎么使用它?让我们先给这个小应用起个名字吧，既然及查询票务信息，那就叫它 tickets 好了。

我们希望用户只要输入出发站，到达站以及日期就让就能获得想要的信息，比如要查看8月25号上海-北京的火车余票， 我们只需输入：

1. $ tickets shanghai beijing 2016-08-25 

注意： 由于实验楼环境中无法输入中文，所以我们的参数设计为拼音的形式，在这里思考下使用拼音是否有什么弊端?

对这一接口进行抽象得到：

1. $ tickets from to date 

另外，火车有各种类型，高铁、动车、特快、快速和直达，我们希望可以提供选项只查询特定的一种或几种的火车，所以，我们应该有下面这些选项：

• -g 高铁
• -d 动车
• -t 特快
• -k 快速
• -z 直达

这几个选项应该能被组合使用，所以，最终我们的接口应该是这个样子的：

1. $ tickets [-gdtkz] from to date 

接口已经确定好了，剩下的就是实现它了。

三、代码实现

首先安装一下实验需要用到的库：

1. $ sodo pip install requests prettytable docopt 

• requests, 不用不多介绍了吧，使用 Python 访问 HTTP 资源的必备库。
• docopt, Python3 命令行参数解析工具。
• prettytable, 格式化信息打印工具，能让你像 MySQL 那样打印数据。

3.1 解析参数

Python有很多写命令行参数解析工具，如 argparse, docopt, click，这里我们选用的是 docopt 这个简单易用的工具。docopt 可以按我们在文档字符串中定义的格式来解析参数，比如我们在 tickets.py：

注意： 实验楼中无法输入中文，参数后的中文可以使用拼音代替。

1. # coding: utf-8 
2. """Train tickets query via command-line. 
3.  
4. Usage: 
5.     tickets [-gdtkz] <from> <to> <date> 
6.  
7. Options: 
8.     -h,--help   显示帮助菜单 
9.     -g          高铁 
10.     -d          动车 
11.     -t          特快 
12.     -k          快速 
13.     -z          直达 
14.  
15. Example: 
16.     tickets beijing shanghai 2016-08-25 
17. """ 
18. from docopt import docopt 
19.  
20. def cli(): 
21.     """command-line interface""" 
22.     arguments = docopt(__doc__) 
23.     print(arguments) 
24.  
25. if __name__ == '__main__': 
26.     cli()  

下面我们运行一下这个程序：

1. $ python3 tickets.py beijing shanghai 2016-08-25 

我们得到下面的结果：

3.2 获取数据

参数已经解析好了，下面就是如何获取数据了，这也是最主要的部分。首先我们打开 12306，进入余票查询页面，如果你使用 Chrome，那么按 F12 打开开发者工具，选中 Network 一栏，在查询框钟我们输入 上海 到 北京，日期 2016-08-25, 点击查询，我们在调试工具发现，查询系统实际上请求了这个URL：

https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate=2016-07-01&from_station=SHH&to_station=BJP

并且返回的是JSON格式的数据!

接下来问题就简单了，我们只需要构建请求URL然后解析返回的Json数据就可以了。但是我们发现，URL里面 from_station 和 to_station 并不是汉字或者拼音，而是一个代号，而我们想要输入的是汉字或者拼音，我们要如何获取代号呢?我们打开网页源码看看有没有什么发现。

果然，我们在网页里面找到了这个链接：https://kyfw.12306.cn/otn/resources/js/framework/station_name.js?station_version=1.8955 这里面貌似是包含了所有车站的中文名，拼音，简写和代号等信息。但是这些信息挤在一起，而我们只想要车站的拼音和大写字母的代号信息，怎么办呢?

正则表达式就是答案，我们写个小脚本来匹配提取出想要的信息吧, 在parse_station.py中：

1. # coding: utf-8 
2.  
3. import re 
4. import requests 
5. from pprint import pprint 
6.  
7.  
8. url = 'https://kyfw.12306.cn/otn/resources/js/framework/station_name.js?station_version=1.8955' 
9. text = requests.get(url, verify=False) 
10. stations = re.findall(r'([A-Z]+)\|([a-z]+)', text) 
11. stations = dict(stations) 
12. stations = dict(zip(stations.values(), stations.keys())) 
13. pprint(stations, indent=4) 

注意，上面的正则表达式匹配出的结果转为字典后，字典的键是大写字母大号，这显然不是我们想要的结果，于是，我们通过一个变换将键值反过来。 我们运行这个脚本，它将以字典的形式返回所有车站和它的大写字母代号, 我们将结果重定向到 stations.py 中，

1. $ python3 parse_station.py > stations.py 

我们为这个字典加名字，stations, 最终，stations.py文件是这样的：

现在，用户输入车站的中文名，我们就可以直接从这个字典中获取它的字母代码了：

1. ... 
2. from stations import stations 
3.  
4. def cli(): 
5.     arguments = docopt(__doc__) 
6.     from_staion = stations.get(arguments['<from>']) 
7.     to_station = stations.get(arguments['<to>']) 
8.     date = arguments['<date>'] 
9.     # 构建URL 
10.     url = 'https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate={}&from_station={}&to_station={}'.format( 
11.         date, from_staion, to_station 
12.     )  

万事俱备，下面我们来请求这个URL获取数据吧!这里我们使用 requests 这个库, 它提供了非常简单易用的接口，

1. ... 
2. import requests 
3.  
4. def cli(): 
5.     ... 
6.     # 添加verify=False参数不验证证书 
7.     r = requests.get(url, verify=False) 
8.     print(r.json())  

从结果中，我们可以观察到，与车票有关的信息需要进一步提取：

1. def cli(): 
2.     ... 
3.     r = requsets.get(url); 
4.     rows = r.json()['data']['datas']  

3.3 解析数据

我们封装一个简单的类来解析数据：

1. from prettytable import PrettyTable 
2.  
3.  
4. class TrainCollection(object): 
5.  
6.     # 显示车次、出发/到达站、 出发/到达时间、历时、一等坐、二等坐、软卧、硬卧、硬座 
7.     header = 'train station time duration first second softsleep hardsleep hardsit'.split() 
8.  
9.     def __init__(self, rows): 
10.         self.rows = rows 
11.  
12.     def _get_duration(self.row): 
13.         """ 
14.         获取车次运行时间 
15.         """ 
16.         duration = row.get('lishi').replace(':', 'h') + 'm' 
17.         if duration.startswith('00'): 
18.             return duration[4:] 
19.         if duration.startswith('0'): 
20.             return duration[1:] 
21.         return duration 
22.  
23.     @property 
24.     def trains(self): 
25.         for row in self.rows: 
26.             train = [ 
27.                 # 车次 
28.                 row['station_train_code'], 
29.                 # 出发、到达站 
30.                 '\n'.join([row['from_staion_name'], row['to_station_name']]), 
31.                 # 出发、到达时间 
32.                 '\n'.join([row['start_time'], row['arrive']]), 
33.                 # 历时 
34.                 self._get_duration(row), 
35.                 # 一等坐 
36.                 row['zy_num'], 
37.                 # 二等坐 
38.                 row['ze_num'], 
39.                 # 软卧 
40.                 row['rw_num'], 
41.                 # 软坐 
42.                 row['yw_num'], 
43.                 # 硬坐 
44.                 row['yz_num'] 
45.             ] 
46.             yield train 
47.  
48.     def pretty_print(self): 
49.         """ 
50.         数据已经获取到了，剩下的就是提取我们要的信息并将它显示出来。 
51.         `prettytable`这个库可以让我们它像MySQL数据库那样格式化显示数据。 
52.         """ 
53.         pt = PrettyTable() 
54.         # 设置每一列的标题 
55.         pt._set_field_names(self.header) 
56.         for train in self.trains: 
57.             pt.add_row(train) 
58.         print(pt)  

3.4 显示结果

最后，我们将上述过程进行汇总并将结果输出到屏幕上：

1. ... 
2.  
3. class TrainCollection: 
4.     ... 
5.     ... 
6.  
7. def cli(): 
8.     arguments = docopt(__doc__) 
9.     from_staion = stations.get(arguments['<from>']) 
10.     to_station = stations.get(arguments['<to>']) 
11.     date = arguments['<date>'] 
12.     # 构建URL 
13.     url = 'https://kyfw.12306.cn/otn/lcxxcx/query?purpose_codes=ADULT&queryDate={}&from_station={}&to_station={}'.format( 
14.         date, from_staion, to_station 
15.     ) 
16.     r = requests.get(url, verify=False) 
17.     rows = r.json()['data']['datas'] 
18.     trains = TrainCollection(rows) 
19.     trains.pretty_print() 
20.  
21.  
22. if __name__ == '__main__': 
23.     cli()  

3.5 最后一米

至此， 程序的主体已经完成了， 但是上面打印出的结果是黑白的，很是乏味，我们来给它添加颜色吧：

1. def colored(color, text): 
2.     table = { 
3.         'red': '\033[91m', 
4.         'green': '\033[92m', 
5.         # no color 
6.         'nc': '\033[0' 
7.     } 
8.     cv = table.get(color) 
9.     nc = table.get('nv') 
10.     return ''.join([cv, text, nc])  

修改一下程序，将出发车站与出发时间显示为红色， 将到达车站与到达时间显示为绿色：

1. ... 
2. '\n'.join([colored('green', row['from_staion_name']) 
3.            colored('red', row['to_station_name'])]), 
4. '\n'.join([colored('green', row['start_time']) 
5.            colored('red', row['arrive_time'])]), 
6. ...  

四、总结

本课程使用 Python3 抓取 12306 网站信息提供一个命令行的火车票查询工具。通过该项目的实现，可以学习并实践 Python3 基础及网络编程，以及 docopt，requests，prettytable 等库的使用。

感兴趣的同学可以实现更多扩展功能：

• 显示商务坐， 无坐
• 添加参数支持，用户可以指定火车类型
• 支持更多的时间格式，如：20161010