如何用爬虫技术帮助孩子秒到心仪的幼儿园（基础篇）

Posted 2021-04-30 Python大本营

作者 | 马超，CSDN博客专家，金融科技从业者

来源 | CSDN博客

又快到了幼儿园报名的季节了，身边很多朋友有很多都说起要高价请枪手帮助秒杀报名的，其实幼儿园报名本质上还是一个比较简单的任务，粗略来看这只是一个网页爬虫加自动答题的需求。去年博主为孩子进行幼儿园报名时用了Selenium+Python的方式，效果不错。今年我在研究R语言的过程中，发现这个看似最简单的R语言也可以做相应的秒杀。我把相关编程的思路整理了一下，供各位参考。我尽量将全部的细节说清，对于读者也没有什么相应基础的要求。

首先我们的第一大原则是要保证相应操作的安全性，纯程序模拟交互的方式一旦被报名网站防护机制识破，后果将不堪设想。所以先将这种方式排除。

接下来我想到的是脚本化语言+可编程浏览器方式，我们知道Selenium是一个自动化的网页测试框架。支持Python、Java、R语言等可编程操作的接口，同时Selenium也完全可以脱离程序控制由用户手工操作，使用灵活。而且报名网站收到的全部信息也都是经由浏览器发出的，没有触发防护反爬机制的风险。考虑到R语言的门槛最低，所以这里以R语言为做为编程平台以例以便为更多爬虫初学者提供便利。

由于博主了解到很多报名网站都只支持Windows平台浏览器，所以这里就以Win平台为例，从零讲起。

一、安装R语言编程环境

1.打开网页https://mirrors.tuna.tsinghua.edu.cn/CRAN/，点击Download R for Windows，然后再点击install R for the first time，再点击Download R 3.5.2 for Windows下载R语言安装包。

2.安装R语言，双击下载的文件R-3.5.2-win.exe，最好进行全默认的安装，如果C盘空间太小也可以改变安装路径。

二、安装java环境

1.下载java安装包打开网大页https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html，注意在Accept License Agreement前点击一下，接受协议，然后选择windows 64版本即可。

2.双击下载的文件jdk-8u201-windows-x64.exe，全程下一步安装即可。注意需要记录下来安装路径。

3.添加环境变更。单击“计算机-属性-高级系统设置”，单击“环境变量”。在“系统变量”栏下单击“新建”，创建新的系统环境变量。

1. 新建->变量名"JAVA_HOME"，变量值"C:\Java\jdk1.8.0_05"（即JDK的安装路径） 

2. 编辑->变量名"Path"，在原变量值的最后面加上“;%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin” 

3. 新建->变量名“CLASSPATH”,变量值“.;%JAVA_HOME%\lib;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar”

4.验证java是否安装成功：点击开始菜单在最下方的搜索程序和文件的文本框中输入cmd命令，进入命令行模式后，执行java -version能看到正确版本即可。

三、安装Rtools（可选）

由于Windows环境没有，到了进阶篇咱们就有可能需要用到Rtools，当然本篇还不涉及Rtools的内容，所以也可略去此步。

1.打开网页https://mirrors.tuna.tsinghua.edu.cn/CRAN/，点击Download R for Windows，点击Rtools，再选择推荐的版本Rtools35.exe (recommended)，下载即可。

2.双击Rtools35.exe，注意在select component时一定要将全部的组件全部选上。

四、安装Selenium

1.安装chrome,进入https://chrome.en.softonic.com/这个官网的网址是可以访问的，直接点free download即可安装。

2.下载并安装Selenium插件，

（1）如果有CSDN积分的读者，到https://download.csdn.net/download/beyondma/10928992下载相应资源压缩包，并将压缩包中的chromedriver_win32.exe和selenium-server-standalone-3.9.1.jar拷贝至C:\Program Files (x86)\Google\Chrome\Application即可。

（2）如果没有CSDN积分。可以使用百度云下载

https://pan.baidu.com/s/10gXOmEk-6MLQwcOP2j1QqQ 

提取码：0kbl

下载其中的chromedriver_win32.zip和selenium-server-standalone-3.9.1.jar，并解压缩chromedriver_win32.zip后生成的chromedriver_win32.exe和下载的selenium-server-standalone-3.9.1.jar，拷贝至C:\Program Files (x86)\Google\Chrome\Application

（3）启动Selenium的docker服务。

点击开始菜单在最下方的搜索程序和文件的文本框中输入cmd命令，进入命令行模式后执行

cd C:\Program Files (x86)\Google\Chrome\Application

java -Dwebdriver.chrome.driver="chromedriver.exe" -jar selenium-server-standalone-3.9.1.jar

看到有“Selenium Server is up and running on port 4444”的返回字样即说明安装成功。

注意：启动R语言环境之前请一定记得执行此步骤，保证selenium是启动的。

四、调试Selenium浏览器框架

1.启动R语言编程软件，点击开始-所有程序-R-R x64 3.5.2即可启动R语言。

2.进行R语言编程界面后，安装Rselenium包，在R语言环境中执行

1install.packages('RSelenium')

3.安装爬虫包rvest和httr，在R语言环境中执行

1install.packages('rvest')
2install.packages('httr')

4.启动可编程浏览器

在R语言环境中执行

1library(RSelenium)
2library(rvest)
3remDr <-　remoteDriver(
4  browserName = "chrome",
5  remoteServerAddr = "localhost",
6  port = 4444L
7
8)
9remDr$open()

这时浏览器会自动打开并且左上角有“chrome正受到自动测试软件的控制”的字样如下图所示。

五、自动信息填写过程的简单样例

1.打开报名网站：咱们前文也提到了，所谓自动报名系统其实就是一个网页爬虫+自动回答的功能实现。以天津幼儿园的报名为例，报名网站平时并不开起，只能通过练习网页进行练习。不过利用练网站简单说一下秒杀流程也是可以的。

在你已经完成了之前的步骤，打开了“chrome正受到自动测试软件的控制”字样的浏览器以后，在R语言环境中运行以后代码。

1url='http://yey.bapuec.org/start'
2
3remDr$navigate(url)

2.进行等待界面：这时浏览器上会显示一个等待界面如下图：

3.输入验证码：然后会让你输入验证码，如下图所示

注：以笔者个人的经验看，填写验证码的步骤，强烈建议使用人工输入的方式进行，使用自动图像识别的验证插件往往欲速而不达。

4.进入正式报名界面

这时返回R语言编程界面运行如下代码。

 1xpath='//*[@id="Height_ID"]'
 2nextEle=remDr$findElement(using="xpath",value=xpath)
 3text <- list('98')
 4nextEle$sendKeysToElement(text)
 5xpath='//*[@id="Weight_ID"]'
 6nextEle=remDr$findElement(using="xpath",value=xpath)
 7text <- list('26')
 8nextEle$sendKeysToElement(text)
 9xpath='//*[@id="CSD_ID"]'
10nextEle=remDr$findElement(using="xpath",value=xpath)
11text <- list('天津市河大区')
12nextEle$sendKeysToElement(text)
13xpath='//*[@id="RM_ID"]'
14nextEle=remDr$findElement(using="xpath",value=xpath)
15text <- list('大晨晨')
16nextEle$sendKeysToElement(text)

接下来你再返回浏览器就会发现神奇的一幕出现了，信息可以按照预先设置好的方式被填上云。

简单讲解一下这些代码的含义：

首先是xpath='//*[@id="Height_ID"]'，这其中涉及一定的爬虫知识，这句是要找一下填写”身高“这个文本框对应的html的xpath，然后是nextEle=remDr$findElement(using="xpath",value=xpath)，这句是把这个”身高“这个文本框元素选中。

这句定义我的答案text <- list('98')

将你的答案自动填上nextEle$sendKeysToElement(text)

后记：以上是这个自动报名系统的概要说明版本，有一定基础的程序员GG估计按照这个教程做一遍最多不超过半小时，零基础的朋友估计最多也就是需要半天的时间。当然这个版本还没有实现的内容：诸如身份证号以及生日日期等项目的自动填写，而且也没有实现针对提问方式变化而进行的自适应的功能等等。但是整体的思路和基本的搭建过程已经基本说明了。进阶篇我有时间后面也会分享给大家。

原文：

https://blog.csdn.net/BEYONDMA/article/details/87902276

(*本文仅代表作者观点，转载请联系微信1092722531)

◆

公开课推荐

◆

AutoML看起来很美好，却也挑战重重。开发者对 AutoML 也是既好奇也疑惑，所以只要你是 AI 领域的学习者，从业者，甚至感兴趣程序员会不会被 AI 替代这件事，都可以报名学习。你可以在这里从0认识，再次重新认识机器学习新兴且重要的技术领域——AutoML。

推荐阅读：

• 
  

• 
  

• 
  

• 
  

你点的每个“在看”，我都认真当成了喜欢