項目名稱：登陸考勤管理系統爬取個人考勤信息並寫入excel表格
編寫目的：
公司經常要統計員工的考勤信息，而員工每次都要登陸考勤系統，再復制相關信息出來，貼到EXCEL，再轉給統計人員，統計人員再挨個核對，麻煩無比，實在是看不下去了。我擦。。。。。
由於登陸的是內網的考勤系統，出了公司就登陸不了，所以本篇文章僅做參考，來體驗一下cookie、post與get登陸使用。
先說用用到哪些知識吧：
1、tkinter Gui編程，寫爬蟲沒有GUI怎么能行
2、cookie
3、post,get
其實不多是吧，簡單。
要爬取一個網站，總得要矢爬的網站登陸地址，及登陸信息吧。分析一下看看。。。
好的，我們獲取了如下信息：
登陸地址：LoginUrl = 'http://17.xx.xx.xx/j_acegi_security_check'
post提交：post_data = {'j_username':'your_username','j_password':'your_password'}
那就開工 ，寫一下登陸代碼吧
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import urllib
import urllib2
import cookielib
LoginUrl = 'http://17.xx.xx.xx/j_acegi_security_check'
post_data = {'j_username':'your_username','j_password':'your_password'}
# 定義一個類
class kaoqin_login(object):
def __init__(self):
self.cj = cookielib.CookieJar() # 初始化一個cookie補全，用於存儲cookie
self.handler = urllib2.HTTPCookieProcessor(self.cj) # 創建一個cookie處理器
self.opener = urllib2.build_opener(self.handler) # 創建一個功能強大的opener
def login(self,url,post): # post提交
post_data = urllib.urlencode(post) # 編碼post數據為標准格式
req = urllib2.Request(url,post_data) # 做為data參數傳給Request對象,此處也可以寫成data=post_data
response = self.opener.open(req) # 登陸網站，獲取返回結果
print response.url
if __name__ == '__main__':
cls = kaoqin_login()
cls.login(LoginUrl,post_data)
返回信息如下：
http://17.xx.xx.xx/;jsessionid=7AC236C4B9C5E653208D59ECCE55E8EF
好，登陸成功了，之后怎么辦呢？嗯，對了，找一下考勤頁面在哪里，分析一下吧
瞧，真實頁面的信息就這些了。自己把url和post信息整理出來吧，注意，提交表單信息要寫成字典，url呢，問號之前的都是了。
示例代碼
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import urllib
import urllib2
import cookielib
import json
LoginUrl = 'http://17.xx.xx.xx/j_acegi_security_check'
post_data = {'j_username':'your_username','j_password':'your_password'}
# 定義一個類
class kaoqin_login(object):
def __init__(self):
self.cj = cookielib.CookieJar() # 初始化一個cookie補全，用於存儲cookie
self.handler = urllib2.HTTPCookieProcessor(self.cj) # 創建一個cookie處理器
self.opener = urllib2.build_opener(self.handler) # 創建一個功能強大的opener
def login(self,url,post): # post提交
post_data = urllib.urlencode(post) # 編碼post數據為標准html格式
req = urllib2.Request(url,post_data) # 做為data參數傳給Request對象,由request做post數據隱式提交,此處也可以寫成data=post_data
response = self.opener.open(req) # 登陸網站，獲取返回結果
print response.url
def get_response(self,url,post): # get方式提交數據
get = urllib.urlencode(post) # 將提交的數據編碼成html標准格式
response = self.opener.open(url,get) # 將標准的編碼數據放到url后面，變成真正的url地址
try:
JsData = json.loads(response.read())
return JsData['datas']
except Exception as e:
return False
if __name__ == '__main__':
cls = kaoqin_login()
cls.login(LoginUrl,post_data)
Login = 'http://17.xx.xx.xx/km/attendance/km_attendance_main/kmAttendanceMain.do'
data ={
'method':'data'
,'categoryId':''
,'q.s_raq':0.5949037911774411
,'pageno':2
,'rowsize':15
,'orderby':'fdAttendanceDate'
,'ordertype':'down'
,'s_ajax':'true'
}
jsdata = cls.get_response(Login,data)
print jsdata
好了，數據取到了，發一下全部的代碼吧.
上面的代碼是我重點想說的，下面的代碼就不是那么重要了，關於excel的讀取，博客里有詳細的解釋，GUI開發也有相關文檔。
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import urllib
import urllib2
import cookielib
import json,re,time
'''
因為腳本只取了前4頁數據，所以最好用來爬取本月的考勤信息
如需爬取其它月的信息，需要更改代碼
for i in range(1,5) 將5改為更大，最大15
'''
# ==============框口區==================
from Tkinter import *
from ScrolledText import ScrolledText
import tkFileDialog
root = Tk()
root.iconbitmap('../data/spider_128px_1169260_easyicon.net.ico')
root.title('郵儲個人考勤記錄爬蟲')
# 第一行
Label(root,text='考勤日期',fg='#8F8C8F').grid(row=0,column=0)
var_date1 = StringVar()
var_date1.set('2016-01-01')
var_date2 = StringVar()
var_date2.set('2016-01-31')
date1 = Entry(root,fg='red',bg='#FFFACD',textvariable=var_date1)
date1.grid(row=0,column=1)
Label(root,text='至',fg='#8F8C8F').grid(row=0,column=2)
date2 =Entry(root,fg='red',bg='#FFFACD',textvariable=var_date2)
date2.grid(row=0,column=3)
# 第二行
Label(root,text='用戶密碼文件',fg='#8F8C8F').grid(row=1,column=0)
var = StringVar()
def get_file():
filename = tkFileDialog.askopenfilename(initialdir='c:')
var.set(filename)
def get_file_des():
filename = tkFileDialog.askopenfilename(initialdir='c:')
ent_des.set(filename)
var.set(r'C:\spider_dev\data\kaoqin_user_pwd.txt')
Ent = Entry(root,textvariable=var).grid(row=1,column=1)
Button(root,text='選擇文件',command=get_file,fg='#006400').grid(row=1,column=2)
ent_des = StringVar()
timpsta = '%d'%(time.time()*1000)
ent_des.set(r'C:\spider_dev\data\kaoqin_%s.xls'%str(timpsta))
Ent_d = Entry(root,textvariable=ent_des).grid(row=2,column=1,sticky=N)
Button(root,text='目標文件',command=get_file_des,fg='#006400').grid(row=2,column=2,sticky=N)
T_logi_info = ScrolledText(root,width=20)
T_logi_info.grid(row=2,column=0)
# 標簽
v_lable = StringVar()
v_lable.set('錯誤記錄...')
Label(root,textvariable=v_lable,fg='red').grid(row=3,column=0)
# 信息框
text = ScrolledText(root,bg='#87CEFA')
text.grid(row=0,column=4,rowspan=3)
# ==============框口區==================
# --------------爬蟲區-----------------
class kaoqin_login(object):
def __init__(self):
self.cj = cookielib.CookieJar()
self.handler = urllib2.HTTPCookieProcessor(self.cj)
self.opener = urllib2.build_opener(self.handler)
def login(self,url,post):
post_data = urllib.urlencode(post)
req = urllib2.Request(url,post_data)
response = self.opener.open(req)
if response.code == 200:
return True
else:
return False
def get_response(self,url,post):
get = urllib.urlencode(post)
response = self.opener.open(url,get)
try:
JsData = json.loads(response.read())
return JsData['datas']
except Exception as e:
return False
def post_page(self,pages):
get={
'method':'data'
,'categoryId':''
,'q.s_raq':0.9518796035349586
,'pageno':pages
,'rowsize':15
,'orderby':'fdAttendanceDate'
,'ordertype':'down'
,'s_ajax':'true'
}
return get
def get_data_file(self,filename):
with open(filename,'rb') as f:
data = f.read().split('\r\n')
return data
# --------------爬蟲區-----------------
# <------------Excel文件數據寫入-------->
from openpyxl.workbook import Workbook
from openpyxl.writer.excel import ExcelWriter
from openpyxl.cell import get_column_letter
wb = Workbook()
ew = ExcelWriter(workbook=wb)
ws = wb.worksheets[0]
ws.title = u'第一個sheet'
# 數據開始寫入的行、列、無組數據及文件名
def write_2_excel(r,c,t_data,FileName):
i = r
for record in t_data:
for x in range(c,len(record)+c):
col = get_column_letter(x)
ws.cell('%s%s'%(col,i)).value ='%s'%record[x-c]
i+=1
ew.save(filename=FileName)
# <------------Excel文件數據寫入-------->
# ************主函數*****************
if __name__ == '__main__':
def Spider():
#初始化實例
cls = kaoqin_login()
if var.get():
List_username = cls.get_data_file(var.get())
else:
v_lable.set('密碼文件對嗎？？？')
#出勤狀態，如正常、遲到
Real_Data = []
#按用戶獲取數據
for each_user in List_username:
#標題數據，比如excel的頭部，日期，星期、上下午
Title_Data = []
#網站登陸用戶信息
Pno,Pname,username,password = each_user.split(',')[0],each_user.split(',')[1],each_user.split(',')[2],each_user.split(',')[3]
LoginUrl = 'http://17.xx.xx.xx/j_acegi_security_check'
LoginPost ="{'j_username':'%s','j_password':'%s'}"%(username,password)
LoginPost = eval(LoginPost)
if cls.login(LoginUrl,LoginPost):
#進入考勤頁面
Kq_Url = 'http://17.xx.xx.xx/km/attendance/km_attendance_main/kmAttendanceMain.do'
tmp1=[]
tmp2=[]
tmp3=[]
tmp4=[]
tmp4.append(Pno)
tmp4.append(Pname)
#考勤post列表，第一頁到第四頁數據
for i in range(1,5):
jsret = cls.get_response(Kq_Url,cls.post_page(i))
if jsret:
pass
else:
T_logi_info.insert(END,Pname+'登陸失敗'+ '\n')
T_logi_info.see(END)
break
#對考勤數據處理
for each_day in jsret:
v_date=v_week=v_Bc=v_status=v_name=''
start_date = var_date1.get()
end_date = var_date2.get()
if start_date and end_date:
for item_dic in each_day:
col = item_dic['col']
if col == 'fdAttendanceDate':
v_date = item_dic['value'].strip()
if col == 'fdWeek':
v_week = item_dic['value'].strip()
if col == 'fdBc':
v_Bc = item_dic['value'].strip()
if col == 'fdStatus':
v_status = item_dic['value'].strip()
v_status = re.search('>(.*?)<',v_status).group(1)
if col == 'fdPerson.fdName':
v_name = item_dic['value']
if v_date >= start_date and v_date <= end_date:
tmp1.append(v_date)
tmp2.append(v_week)
tmp3.append(v_Bc)
tmp4.append(v_status)
text.insert(END, v_name +',' + v_date+','+v_week+','+v_Bc+','+v_status+'\n')
text.see(END)
text.update()
else:
v_lable.set('時間不對吧...')
pass
Title_Data.append(tmp1)
Title_Data.append(tmp2)
Title_Data.append(tmp3)
Real_Data.append(tmp4)
write_2_excel(1,3,Title_Data,ent_des.get())
write_2_excel(4,1,Real_Data,ent_des.get())
#第三行
Button(root,text='開始爬取',fg='#3CB371',command=Spider).grid(row=3,column=4)
root.mainloop()
好了，看看一下實際效果吧
