暑假闲着没事第一弹：基于Django的长江大学教务处成绩查询系统

本篇文章涉及到的知识点有：Python爬虫，MySQL数据库，html/css/js基础，selenium和phantomjs基础，MVC设计模式，ORM（对象关系映射）框架，django框架（Python的web开发框架），apache服务器，linux（centos 7为例）基本操作。因此适合有以上基础的同学学习。

声明：本博文只是为了纯粹的技术交流，敏感信息本文会有所过滤，大家见谅（由于任何缘故导致长江大学教务处网站出现问题，都与本人无关）。

实现思路：在没有教务处数据接口的前提下（学生的信息安全），那也只有自己写爬虫去模拟登陆教务处，然后爬数据，为了防止教务处网站崩溃，导致爬虫失败，可以进行数据缓存，下次可以直接从自己的数据库中取数据，而我们要做的就是定时更新数据与教务处实现同步。

技术架构：centos 7 + apache2.4 + mariadb5.5 + Python2.7.5 + mod_wsgi 3.4 + django1.11

------------------------------------------------------------------------

一、Python爬虫：

1、先看一下登录入口 

我们这里用FireFox进行抓包分析，我们发现登录是post上去的，并且带有7个参数，发现有验证码，此时有两种解决办法，一种是运用现在很火的技术用DL做图片识别，一种是down下来让用户自己输。第一种成本比较高。。等不忙了可以试一下，记得Python有个库叫Pillow还是PIL可以做图片识别，，暑假用TF试一下。第二种很low就不说了。

2、 还有种高大上的方式，，，可以不用管验证码，这里就不细说了，我们模拟登陆上去：

#coding:utf8
from bs4 import BeautifulSoup
import urllib
import urllib2
import requests
import sys

reload(sys)
sys.setdefaultencoding('gbk')

loginURL = "教务处登陆地址"
cjcxURL = "http://jwc2.yangtzeu.edu.cn:8080/cjcx.aspx"
html = urllib2.urlopen(loginURL)
soup = BeautifulSoup(html,"lxml")
__VIEWSTATE = soup.find(id="__VIEWSTATE")["value"]
__EVENTVALIDATION = soup.find(id="__EVENTVALIDATION")["value"]

data = {
        "__VIEWSTATE":__VIEWSTATE,
        "__EVENTVALIDATION":__EVENTVALIDATION,
        "txtUid":"账号",
        "btLogin":"%B5%C7%C2%BC",
        "txtPwd":"密码",
        "selKind":""
        }
header = {
#        "Host":"jwc2.yangtzeu.edu.cn:8080",
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0;… Gecko/20100101 Firefox/54.0",
        "Accept":"text/html,application/xhtml+x…lication/xml;q=0.9,*/*;q=0.8",
        "Accept-Language":"zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3",
        "Accept-Encoding":"gzip, deflate",
        "Content-Type":"application/x-www-form-urlencoded",
#        "Content-Length":"644",
        "Referer":"http://jwc2.yangtzeu.edu.cn:8080/login.aspx",
#        "Cookie":"ASP.NET_SessionId=3zjuqi0cnk5514l241csejgx",
#        "Connection":"keep-alive",
#        "Upgrade-Insecure-Requests":"1",
        }

UserSession = requests.session()
Request = UserSession.post(loginURL,data,header)
Response = UserSession.get(cjcxURL,cookies = Request.cookies,headers=header)
soup = BeautifulSoup(Response.content,"lxml")
print soup

接下来我们可以看到：

再来post（此代码接上面）：

__VIEWSTATE2 = soup.find(id="__VIEWSTATE")["value"]
__EVENTVALIDATION2 = soup.find(id="__EVENTVALIDATION")["value"]

AllcjData = {
            "__EVENTTARGET":"btAllcj",
            "__EVENTARGUMENT":"",
            "__VIEWSTATE":__VIEWSTATE2,
            "__EVENTVALIDATION":__EVENTVALIDATION2,
            "selYear":"",
            "selTerm":"",
#            "Button2":"%B1%D8%D0%DE%BF%CE%B3%C9%BC%A8"
        }
AllcjHeader = {
#       "Host":"jwc2.yangtzeu.edu.cn:8080",
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0;… Gecko/20100101 Firefox/54.0",
        "Accept":"text/html,application/xhtml+x…lication/xml;q=0.9,*/*;q=0.8",
        "Accept-Language":"zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3",
        "Accept-Encoding":"gzip, deflate",
        "Content-Type":"application/x-www-form-urlencoded",
#        "Content-Length":"644",
        "Referer":"http://jwc2.yangtzeu.edu.cn:8080/cjcx.aspx",
#        "Cookie":,
        "Connection":"keep-alive",
        "Upgrade-Insecure-Requests":"",
        }
Request1 = UserSession.post(cjcxURL,AllcjData,AllcjHeader)
Response1 = UserSession.get(cjcxURL,cookies = Request.cookies,headers=AllcjHeader)
soup = BeautifulSoup(Response1.content,"lxml")
print soup

发现不行。。。这次get的页面还是原来的页面。。。我觉得有两种原因导致这次post失败：一是asp.net的__VIEWSTATE和__EVENTVALIDATION变量导致post失败，二是一个form多个button用了js做判断，导致爬虫失败，对于动态加载的页面，普通爬虫还是不行。。。。

3、再来点高大上的用selenium（web自动化测试工具，可以模拟鼠标点击）+ phantomjs（没有界面的浏览器，比chrome和Firefox都要快）

selenium安装：pip install selenium

phantomjs安装：

（1）地址：http://phantomjs.org/download.html（我下载的是Linux 64位的）

（2）解压缩：tar -jxvf phantomjs-2.1.1-linux-x86_64.tar.bz2 /usr/share/　　

（3）安装依赖：yum install fontconfig freetype libfreetype.so.6 libfontconfig.so.1

（4）配置环境变量：export PATH=$PATH:/usr/share/phantomjs-2.1.1-linux-x86_64/bin

（5）shell下输入phantomjs，如果能进入命令行，安装成功。

请忽略我的注释：

#coding:utf8
from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
import urllib
import urllib2
import sys 

reload(sys)
sys.setdefaultencoding('utf8')

driver = webdriver.PhantomJS();
driver.get("教务处登录地址")
driver.find_element_by_name('txtUid').send_keys('账号')
driver.find_element_by_name('txtPwd').send_keys('密码')
driver.find_element_by_id('btLogin').click()
cookie=driver.get_cookies()
driver.get("http://jwc2.yangtzeu.edu.cn:8080/cjcx.aspx")
#print driver.page_source
#driver.find_element_by_xpath("//input[@name='btAllcj'][@type='button']")
#js = "document.getElementById('btAllcj').onclick=function(){__doPostBack('btAllcj','')}"
#js = "var ob; ob=document.getElementById('btAllcj');ob.focus();ob.click();)"
#driver.execute_script("document.getElementById('btAllcj').click();")
#time.sleep(2)                            #让操作稍微停一下
#driver.find_element_by_link_text("全部成绩").click() #找到‘登录’按钮并点击
#time.sleep(2)
#js1 = "document.Form1.__EVENTTARGET.value='btAllcj';"
#js2 = "document.Form1.__EVENTARGUMENT.value='';"
#driver.execute_script(js1)
#driver.execute_script(js2)
#driver.find_element_by_name('__EVENTTARGET').send_keys('btAllcj')
#driver.find_element_by_name('__EVENTARGUMENT').send_keys('')
#js = "var input = document.createElement('input');input.setAttribute('type', 'hidden');input.setAttribute('name', '__EVENTTARGET');input.setAttribute('value', '');document.getElementById('Form1').appendChild(input);var input = document.createElement('input');input.setAttribute('type', 'hidden');input.setAttribute('name', '__EVENTARGUMENT');input.setAttribute('value', '');document.getElementById('Form1').appendChild(input);var theForm = document.forms['Form1'];if (!theForm) {    theForm = document.Form1;}function __doPostBack(eventTarget, eventArgument) {    if (!theForm.onsubmit || (theForm.onsubmit() != false)) {        theForm.__EVENTTARGET.value = eventTarget;        theForm.__EVENTARGUMENT.value = eventArgument;        theForm.submit();    }   }__doPostBack('btAllcj', '')"
#js = "var script = document.createElement('script');script.type = 'text/javascript';script.text='if (!theForm) {    theForm = document.Form1;}function __doPostBack(eventTarget, eventArgument) {    if     (!theForm.onsubmit || (theForm.onsubmit() != false)) {        theForm.__EVENTTARGET.value = eventTarget;        theForm.__EVENTARGUMENT.value = eventArgument;        theForm.submit();  }}';document.body.appendChild(script);"
#driver.execute_script(js)
driver.find_element_by_name("Button2").click()
html=driver.page_source
soup = BeautifulSoup(html,"lxml")
print soup
tables = soup.findAll("table")
for tab in tables:
　　for tr in tab.findAll("tr"):
　　　　print "--------------------"
　　　　for td in tr.findAll("td")[0:3]:
　　　　　　print td.getText()

现在只能拿到必修课成绩。。。。。因为全部成绩是ASP生成的js触发的。。。而不是直接submit。。。正在寻找解决的办法。下面开始我们数据库的设计。。。

二、Mariadb学生数据库设计，，，这里引用了我们SQL server数据库原理上机的内容。。。

我的建库语句：

create database jwc character set utf8;

use jwc;

create table Student(
    Sno char(9) primary key,
    Sname varchar(20) unique,
    Sdept char(20),
    Spwd char(20)
);
create table Course(
    Cno   char(2) primary key,
    Cname varchar(30) unique,
    Credit  numeric(2,1)
);
create table SC(
    Sno char(9) not null,
    Cno char(2) not null,
    Grade int check(Grade>=0 and Grade<=100),
    primary key(Sno,Cno),
    foreign key(Sno) references Student(Sno),
    foreign key(Cno) references Course(Cno)
);

三、Python web环境的搭建（LAMP）：

1、因为这次选的http服务器时apache，所以要安装mod_wsgi（python通用网关接口）来实现apache和Python程序的交互。。。如果用nginx就要安装配置uwsgi。。。类似java的servlet和PHP的php-fpm。

安装：yum install mod_wsgi

配置：vim /etc/httpd/conf/httpd.conf

这个配置花费了我不少心思和时间。。。网上的有很多错误。。。最标准的Python web django开发配置。。。拿走不谢。

#config python web
LoadModule wsgi_module modules/mod_wsgi.so
<VirtualHost *:>
    ServerAdmin root@Vito-Yan
    ServerName www.yuol.onlne
    ServerAlias yuol.online

    Alias /media/ /var/www/html/jwc/media/
    Alias /static/ /var/www/html/jwc/static/
    <Directory /var/www/html/jwc/static/>
        Require all granted
    </Directory>

    WSGIScriptAlias / /var/www/html/jwc/jwc/wsgi.py
#    DocumentRoot "/var/www/html/jwc/jwc"
    ErrorLog "logs/www.yuol.online-error_log"
    CustomLog "logs/www.yuol.online -access_log" common

    <Directory "/var/www/html/jwc/jwc">
        <Files wsgi.py>
            AllowOverride All
            Options Indexes FollowSymLinks Includes ExecCGI
            Require all granted
        </Files>
    </Directory>
</VirtualHost>

2、下面来安装django。。。pip install django。。。。搞定。

查看django的版本：python -m django --version

官网地址：https://www.djangoproject.com

新建项目：django-admin.py startproject jwc（我的是在/var/www/html下建的，apache的网站根目录）

3、apcehe的配置：就不贴了，把上面的jwc改成jwc2，然后端口改成9000，然后Listen 9000（为什么用9000呢，第一个项目jwc用的是8080，django自带的服务器用python manage.py runserver可以开启，它的默认端口是8000，所以不用8000，以免冲突，我的jsp项目的tomcat服务器用的是9090端口，以免冲突，最好不用，常见的就9000端口了，其他不敢乱用）。

4、 settings.py的配置：

DEBUG = True 调试开启

ALLOWED_HOSTS = ['192.168.47.128'] 添加主机

5、wsgi.py配置，不要问我为什么。。。我也不知道。。用apache服务器启动django项目这样做就行了。。。如果用django自带的server就不用改了。。。

"""
WSGI config for jwc2 project.

It exposes the WSGI callable as a module-level variable named ``application``.

For more information on this file, see
https://docs.djangoproject.com/en/1.11/howto/deployment/wsgi/
"""

#import os

#from django.core.wsgi import get_wsgi_application

#os.environ.setdefault("DJANGO_SETTINGS_MODULE", "jwc2.settings")

#application = get_wsgi_application()

import os
from os.path import join,dirname,abspath
PROJECT_DIR = dirname(dirname(abspath(__file__)))    

import sys
sys.path.insert(0,PROJECT_DIR)
os.environ.setdefault("DJANGO_SETTINGS_MODULE", "jwc2.settings")    

from django.core.wsgi import get_wsgi_application
application = get_wsgi_application()

然后就大功告成。。。。Python web环境算是搭建完成。。。

四、开启我们的第一个django项目应用。。。

1、新建成绩查询的应用 python manage.py startapp cjcx

2、在settings.py中添加应用

3、在views.py里写下写下第一行代码。。。。

# -*- coding: utf-8 -*-
from __future__ import unicode_literals
from django.http import HttpResponse
from django.shortcuts import render

# Create your views here.

def index(request):
    return HttpResponse("Hello,YUOL!")

4、在urls.py下添加url

from django.conf.urls import url
from django.contrib import admin
import cjcx.views as cj

urlpatterns = [
    url(r'^admin/', admin.site.urls),
    url(r'^cjcx/',cj.index),
]

5、Hello，YUOL！

6、刚刚上面的4还可以换种方法。。。。

在cjcx应用下面新建urls.py

from django.conf.urls import url
from . import views

urlpatterns = [
    url(r'^$', views.index),
]

修改jwc2下面的urls.py（项目根路径）

from django.conf.urls import url, include
from django.contrib import admin

urlpatterns = [
    url(r'^admin/', admin.site.urls),
    url(r'^cjcx/', include('cjcx.urls')),
]

7、写前端页面。。。。。

在cjcx应用下面新建templates文件夹放我们的html文件（请暂时忽略动态加载的代码，我懒得删了）

<html>

<head>
    <title>YUOL成绩查询系统</title>
    <style type="text/css">
        #border {
            margin: 0 auto;
            width: 500px;
            min-height: 500px;
            background-color: #FFFFFF;
            border: 1px solid #000000;
        }   

        #button {}
    </style>
</head>

<body style="text-align:center">
    <div id="border">
        <h1>YUOL成绩查询系统</h1><br/>
        <form action="" method="post"> 账号：
            <input type="text" id="xuehao" name="Sno" /><br/> 密码：
            <input type="password" id="pwd" name="Spwd" /><br/><br/>
            <input type="submit" value="查询" id="submit" /><br/>
            <div style="text-align:left;padding-left:50px;">
                -----------------------------------------------------------<br/>
                姓名：{{ student.Sname }}<br/>
                 学号：{{ student.Sno}}<br/>
                  班级：{{ student.Sdept }}<br/>
            </div>
            -----------------------------------------------------------<br/>
            <div>
               &nbsp;&nbsp; &nbsp;&nbsp;
                <br>
                <div style="display:inline-block;width:150px;">
                     科目：<br>
                    {{ course.Cname }}
                </div>
                <div style="display:inline-block;width:150px;">
                    成绩：<br>
                    {{ sc.Grade }}
                </div>
                <div style="display:inline-block;width:150px;">
                     学分：<br>
                    {{ course.Credit }}
                </div>

            </div>
        </form>
    </div>
</body>

</html>

修改views.py:

# -*- coding: utf-8 -*-
from __future__ import unicode_literals
from django.http import HttpResponse
from django.shortcuts import render

# Create your views here.

def index(request):
    return render(request, 'jwcjcx.html')

然后就成这样了。。。。。

8、根据jwc数据库设计Models。。。。

django默认支持的是sqllite，，现在换成 mariadb，修改settings.py

DATABASES = {
    'default': {
#        'ENGINE': 'django.db.backends.sqlite3',
#        'NAME': os.path.join(BASE_DIR, 'db.sqlite3'),
        'ENGINE': 'django.db.backends.mysql',
        'NAME': 'jwc2',
        'USER':'root',
        'PASSWORD':'你的密码',
        'HOST':'localhost',
        'PORT':'',
     }
}

9、去models.py下面建表吧。。。。

# -*- coding: utf-8 -*-
from __future__ import unicode_literals

from django.db import models

# Create your models here.

class Student(models.Model):
    Sno=models.CharField(max_length=9,primary_key=True)
    Sname=models.CharField(max_length=20,unique=True)
    Sdept=models.CharField(max_length=20)
    Spwd=models.CharField(max_length=20)

class Course(models.Model):
    Cno=models.CharField(max_length=2,primary_key=True)
    Cname=models.CharField(max_length=30,unique=True)
    Credit=models.DecimalField(max_digits=2, decimal_places=1)

class SC(models.Model):
    Sno=models.CharField(max_length=9)
    Cno=models.CharField(max_length=2)
    Grade=models.IntegerField()

    def __unicode__(self):
        return self.Sno

这种ORM免去了写sql语句的麻烦，直接把表封装成一个类继承model.Model，查询字段直接‘点’操作。。。很方便。

然后生成数据模型表：python manage.py makemigrations

再将数据表迁移到mariadb数据库：python manage.py migrate

生成cjcx_三个表，其他是django默认的不用管，另外数据库要自己先建（create database jwc2 charset=utf8;）

10、使用django admin做数据管理。。。。Admin真心好用这是django框架最显著的一个优势。。。

创建用户：python manage.py createsuperuser

然后在主机后面加/admin就可以登录。。。我们发现它的css和img丢失了

解决办法：

在jwc2下面建一个静态文件夹：static

修改settings.py。。。在最后一行添加STATIC_ROOT = "/var/www/html/jwc2/static/"，LANGUAGE_CODE = 'zh-Hans'（改成中文的admin）

执行命令 ：python manage.py collectstatic

上面apache的静态文件配置取消注释。。。

这样进去看不到数据表，需要修改admin.py引入models

# -*- coding: utf-8 -*-
from __future__ import unicode_literals

from django.contrib import admin
import models
# Register your models here.
admin.site.register(models.Student)
admin.site.register(models.Course)
admin.site.register(models.SC)

可以直接操作数据库了。。。django的强大之处。。

11、下面开始我们最重要的业务逻辑。。

数据入库（MVC中的M，models）：我这里把Course表的Cno给删了，把SC表的Cno换成Cname了。。。和上面有所不同，只需要把库删了重新生成数据表即可。。。

#encoding=utf-8
from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import MySQLdb
import time
import urllib
import urllib2
import sys 

reload(sys)
sys.setdefaultencoding('utf8')

conn= MySQLdb.connect(
        host='localhost',
        port = 3306,
        user='root',
        passwd='密码',
        db ='jwc2',
        charset='utf8'
        )
cur = conn.cursor()

driver = webdriver.PhantomJS();
driver.get("教务处登录入口")
driver.find_element_by_name('txtUid').send_keys('账号')
driver.find_element_by_name('txtPwd').send_keys('密码')
driver.find_element_by_id('btLogin').click()
cookie=driver.get_cookies()
driver.get("http://jwc2.yangtzeu.edu.cn:8080/cjcx.aspx")
driver.find_element_by_name("Button2").click()
html=driver.page_source
#html = open("btAllcj.html","r")
soup = BeautifulSoup(html,"lxml")
Sno = str(soup.find(id="lbXH").getText())
Sname = str(soup.find(id="lbXm").getText())
Sdept =  str(soup.find(id="lbBj").getText())
Student = (Sno,Sname,Sdept,'')
sql = "insert into cjcx_student values(%s,%s,%s,%s)"
cur.execute(sql,Student)
id = 0
tables = soup.findAll("table")
for tab in tables[1:2]:
    for tr in tab.findAll("tr")[1:]:
        count = 0
        for td in tr.findAll("td"):
            count += 1
            if count==1:
                Cname = td.getText()
            if count==2:
                Grade = td.getText()
　　　　　　　　　 id += 1
                sql = "insert into cjcx_sc values(%s,%s,%s,%s)"
                SC = (id,Sno,Cname,Grade)
                cur.execute(sql,SC)
            if count==3:
                Credit = td.getText()
                sql = "insert into cjcx_course values(%s,%s)"
                Course = (Cname,Credit)
                cur.execute(sql,Course)
conn.commit()
cur.close()
conn.close()

业务逻辑views.py（MVC中的V，views）

# -*- coding: utf-8 -*-
from __future__ import unicode_literals
from django.http import HttpResponse
from django.shortcuts import render
from . import models

# Create your views here.

def index(request):
    return render(request, 'jwcjcx.html')

def search_action(request):
    Sno = request.POST['Sno']
    Spwd = request.POST['Spwd']
#这里放爬虫和数据入库的代码。。。。。
    student = models.Student.objects.get(Sno=Sno)
    pwd = student.Spwd
    if Spwd==pwd:
        sc = models.SC.objects.filter(Sno=Sno)
#       course = models.Course.objects.filter(Cname=sc.Cname)
        return render(request,'jwcjcx.html',{'student':student, 'sc':sc})

修改urls.py（MVC中的C，Controller）

jwc2项目urls：

from django.conf.urls import url,include
from django.contrib import admin

urlpatterns = [
    url(r'^admin/', admin.site.urls),
    url(r'^cjcx/',include('cjcx.urls', namespace='cjcx')),
]

cjcx应用urls:

from django.conf.urls import url
from . import views

urlpatterns = [
    url(r'^$', views.index),
    url(r'^search/$',views.search_action,name='search_action'),
]

12、前端数据渲染。。。。

<html>

<head>
    <title>YUOL成绩查询系统</title>
    <style type="text/css">
        #border {
            margin: 0 auto;
            width: 500px;
            min-height: 500px;
            background-color: #FFFFFF;
            border: 1px solid #000000;
        }   

        #button {}
    </style>
</head>

<body style="text-align:center">
    <div id="border">
        <h1>YUOL成绩查询系统</h1><br/>
        <form action="{% url 'cjcx:search_action' %}" method="post">{% csrf_token %} 账号：
            <input type="text" id="xuehao" name="Sno" /><br/> 密码：
            <input type="password" id="pwd" name="Spwd" /><br/><br/>
            <input type="submit" value="查询" id="submit" /><br/>
            <div style="text-align:left;padding-left:50px;">
                -----------------------------------------------------------<br/>
                姓名：{{ student.Sname }}<br/>
                 学号：{{ student.Sno}}<br/>
                  班级：{{ student.Sdept }}<br/>
            </div>
            -----------------------------------------------------------<br/>
            <div>
               &nbsp;&nbsp; &nbsp;&nbsp;
                <br/>
                <div style="display:inline-block;width:200px;">
                     科目：<br/>
                    {% for sc in sc %}
                    {{ sc.Cname }}<br/>
                    -------------------<br/>
                    {% endfor %}
                </div>
                <div style="display:inline-block;width:100px;">
                    成绩：<br/>
                    {% for sc in sc %}
                    {{ sc.Grade }}<br/>
                    ------<br/>
                    {% endfor %}
                </div>
                <div style="display:inline-block;width:150px;">
                     学分：<br/>
                    {% for course in course %}
                    {{ course.Credit }}
                    {% endfor %}
                </div>

            </div>
        </form>
    </div>
</body>

</html>
                                                                

收工。。。。。。

写了两天两夜，实在卡不住了，后面学分就没写了。。。。。。。。。爬虫还不稳定，逻辑判断几乎没写。。。只是简单实现了功能。。。

最后附上一张照片：