12306号称反爬最强的网站，因此我小试了一下，花了几天时间，实现了脚本购票，并做了一个简单的cmd客户端。

本项目只是实现了通过发送数据包请求来实现购票，并未优化抢票流程、速度，仅供娱乐与学习。

从本文开始，将陆续分享几篇爬12306网站的经验和思路。首先，我并没有用到诸如selenium这类可以快速简化问题但运行速度极慢的模拟浏览器爬虫，而是用了requests库的无头请求方式。BTW，本文只分享思路，而不会涉及很多代码，若想查看完整代码，可访问下面仓库：

引用站外地址，不保证站点的可用性和安全性
12306
GitHub

本文将分享其中最容易实现的功能：查询票务信息

本文相关代码见此文件

众所周知，即使你没有登录，也可以在12306网站上查询票务信息，并且在爬取过程中需要注意的地方并不多，因此我觉得这个功能是最容易实现的。

分析查票请求

首先，打开12306查票主页面https://kyfw.12306.cn/otn/leftTicket/init，进行一次查票，查票之前，通过浏览器开发者工具进行抓包，容易抓到一条类似这样的请求：https://kyfw.12306.cn/otn/leftTicket/query?leftTicketDTO.train_date=xxxxxx...

把该请求详细写出来如下：

GET https://kyfw.12306.cn/otn/leftTicket/query

参数：

参数 说明
leftTicketDTO.train_date 日期（%Y-%m-%d格式）
leftTicketDTO.from_station 出发站编号
leftTicketDTO.to_station 到达站编号
purpose_codes 固定为“ADULT”

通常我们都选择成人票来进行搜索，故最后一个参数固定为ADULT，如果搜学生票，则需改成0X00

请求的response是一个json类型的数据包，从其中就可以拿到车票的信息了。

车站编号信息

为了生成请求参数，我们还需要找到这些站点编号是哪里来的，重新访问查票网页，注意到一条名为station_name.js?station_version=xxxx的请求，点进去一看，果然其包含了所有站点名以及编号的对应，我们请求该文件，然后用正则匹配把站点一一匹配出来，即可获取一个站点—编号一一对应的字典。

GET https://kyfw.12306.cn/otn/resources/js/framework/station_name.js

正则匹配处理代码：

def _get_station_info(self):
    r = self.sess.get(self.station_info_url)
    info = re.findall('([\u4e00-\u9fa5]+)\|([A-Z]+)', r.text)
    return dict(info)

接下来，似乎就可以愉快的进行查票了！

构造查票请求

但是当我精心构造完GET请求数据包，用requests发起请求时，却得到了一个奇怪的响应，它是一个html响应，而不是我们前面抓到的json类型数据。

难道是因为请求头不对被识别出来了？于是我加上了User-Agent、Host、Referer、Origin这四个请求头参数，再一次发起请求，这回居然拿到一个404响应。我：？？？

看来应该是Cookie的原因了，为了快速拿到Cookie，我用前面建立的Session对https://kyfw.12306.cn/otn/leftTicket/init即查票主页面进行请求，这样session即可获取到站点的Cookie，然后再用这个session进行查票。用这个思路一尝试，果然就成功了。

后来我发现，12306的票务信息API经常会发生改变，一会是/otn/leftTicket/query，一会是/otn/leftTicket/queryT，过两天又变成了/otn/leftTicket/queryY，这样老改代码也不是个办法，总得给他自动化一下，经过我的寻找，发现这个API是藏在前面的查票页面的网页中的：


这样就非常的舒适了，前面正好需要对查票主页面进行一次没什么意义的GET请求来获取Cookie，现在正好可以把请求利用起来，可以用以下正则表达式把我们需要的内容匹配出来：

r = self.sess.get('https://kyfw.12306.cn/otn/leftTicket/init')
query_path = re.search('CLeftTicketUrl = \'(.+)\'', r.text).groups()[0]

解析车票数据

接下来，我们只需对拿到的json数据（如下图）进行分析，看看内容是啥样的即可。


下面取出一条内容：

4YiGZGyS45ITAXtZ9oM45%2Fo7G22plhxiYt6nb7giDW88jJPYHX8GAtu1nchaIfvirs5LcTPhbZkB%0AHL7%2BCQGbEfc4i4gNlHuaHNkxY3qwh21IEhJC8YXOt%2BwZx4sWhMpNkE8xnf8BsRVeQSOSEwg4unbV%0A9di7k%2BkNkUhVFY6eNNPMwQ8wXZLim9LndM%2F3fr3maEiS6eAw5AMjJixQd0yFBkvpPimAHVZremLN%0A1b9pUhN6qwKCsFQtrFiWTLaAwH1K2GzphWMl7wDhawfd7TtB6ZVJWOYjInL3fz9eLZ2BREeOYIgG%0ATVOJVfsOy4KoDDEl|预订|40000K11080H|K1105|NFF|SNH|HFH|SNH|03:32|12:40|09:08|Y|eyz3JL6Yiyf7NIlRRnbbW7ueaEK5dgdbxSVSs1rc7O5KCp1%2Ff8wvYZS%2BN0I%3D|20211018|3|F2|10|16|1|0||||无|||无||无|有|||||403010W0|4311|0|1||4023300000301520000010086000211008603000|0|||||1|#0#0|

emmmmm….好像有点乱七八糟，前面一大串似乎是加密了的什么信息（先打个mark，这个东西在以后会用到），但好在后面逐渐出现人话，于是，可以将后面的内容与信息做一下对应，就可以把票的信息解析出来了。

这里的解析代码见文件中的_parse_ticket_info函数

如此一来，我们就顺利拿到了票务信息数据，但当前我们还没有实现登录，拿到了信息之后只能看看，啥都做不了，下篇文章将分享一下登录功能的实现，共实现了二维码扫码登录和账号密码（需手机验证码）登录两种方法，滑块登录的前端加密过于复杂，有点超出我的能力范围了。。。以后有空再研究。