Python+Selenium+ddddocr实现校园讲座全自动预约脚本

简介本资源是一套面向东南大学在校学生及Python自动化初学者的讲座抢票实战工具专为解决人文与科学素养系列讲座预约中验证码识别难、短信认证繁琐、跨校区优先级混乱等高频痛点而设计。脚本基于PythonSelenium构建集成ddddocr实现图形验证码自动识别并嵌入手机短信双因素认证处理逻辑支持按用户所属校区智能匹配并优先抢票显著提升成功率与操作效率。压缩包共1045个文件主体为1037张验证码训练样本jpg、3个核心功能脚本py、2个配置说明文本txt及1份使用文档docx总大小仅955KB结构紧凑、即下即用。目前已有51人学习下载读者可直接复用完整可运行脚本获得含验证码样本集、多校区调度逻辑、短信验证码自动提取与填入等关键能力的端到端解决方案兼具教学参考性与工程实用性。1. 项目缘起当“手速”成为稀缺资源在高校里尤其是像东南大学这样拥有深厚人文与科学底蕴的学府那些由名家主讲的“人文与科学素养系列讲座”往往是一座难求。我至今还记得为了听一场心仪已久的讲座提前半小时守在电脑前不断刷新预约页面与全校数千名同学比拼“手速”和网速的紧张感。页面卡顿、验证码加载失败、提交按钮转圈……这些场景对于经历过“抢票”的同学来说再熟悉不过了。最终往往是页面显示“名额已满”留下满屏的遗憾。这种纯粹依赖人工操作的“抢票”模式效率低下且极不公平它考验的已经不是你对知识的渴望而是你的网络环境和反应速度。作为一名计算机相关专业的学生同时也是Python和自动化技术的爱好者我自然而然地想到能否用技术手段来解决这个痛点让程序代替人工去完成那些重复、机械的刷新、识别和点击操作从而将宝贵的精力留给讲座内容本身。这个想法催生了本项目的核心一个专为东南大学讲座预约系统设计的全自动智能预约脚本。它不仅仅是一个简单的“点击器”而是一个集成了Web自动化、图形验证码智能识别以及双因素认证处理的综合工具。我的目标很明确——打造一个稳定、高效、智能的“数字助手”帮助真正想听讲座的同学跨越技术门槛公平地获取学习资源。2. 技术栈选型与核心组件拆解要实现一个健壮的自动化脚本技术选型是第一步。这就像盖房子前选建材每一块都决定了最终的稳固性和实用性。经过多轮对比和实际测试我最终确定了以Python为核心Selenium为骨架ddddocr为“眼睛”并辅以一系列辅助库的技术方案。### 2.1 为什么是Python SeleniumPython作为脚本语言的王者其语法简洁、库生态丰富是快速开发原型和自动化任务的不二之选。而Selenium则是Web自动化的“瑞士军刀”。它支持几乎所有主流浏览器Chrome, Firefox, Edge等能够模拟真实用户的所有操作打开网页、点击按钮、输入文本、下拉选择等。更重要的是Selenium WebDriver协议是W3C标准这意味着其行为与真实浏览器高度一致极大地降低了被简单反爬策略如检测navigator.webdriver属性识别的风险。相比于Requests库直接发包Selenium模拟的是“真人”在操作浏览器对于需要处理JavaScript动态加载、复杂交互逻辑的校园网站来说这是更可靠的选择。### 2.2 图形验证码识别ddddocr的降维打击校园预约系统为了防止恶意刷票图形验证码是标配。传统的验证码识别方案如Tesseract OCR对于字符清晰、背景简单的验证码尚可一战但面对国内网站常见的扭曲、粘连、干扰线验证码其识别率往往惨不忍睹。手动打码平台又存在速度、成本和稳定性的问题。ddddocr的出现堪称“降维打击”。这是一个基于深度学习的OCR开源库专门针对中文验证码进行了优化。它的强大之处在于高准确率对于常见的数字、英文、中文混合验证码识别率远超传统OCR实测在目标网站上的识别成功率可达95%以上。零依赖与易用性纯Python编写通过pip install ddddocr即可安装无需配置复杂的深度学习环境如TensorFlow/PyTorch。其API极其简单通常两三行代码就能完成验证码图片的识别。轻量高效模型经过高度优化识别速度极快通常在几十到几百毫秒内完成完全满足抢票场景下对实时性的苛刻要求。在项目中我们将Selenium截取的验证码图片直接送入ddddocr进行识别再将识别结果自动填入网页输入框实现了验证码环节的全自动化。### 2.3 双因素认证2FA处理模拟人工的短信确认为了进一步提升安全性系统在最终提交预约前可能会触发手机短信验证码环节。这是双因素认证也是自动化流程中必须跨越的“最后一公里”。这里的核心思路是“模拟人工查看短信并输入”。我们无法也不应该直接破解短信网关。因此方案是信息获取脚本在运行前需要用户预先配置好接收短信的手机号通常就是登录账号绑定的手机号。流程衔接当Selenium自动化操作触发短信发送后脚本会进入一个等待循环。外部联动关键这里需要一个“桥梁”来获取短信内容。一种可行的方案是在另一台始终登录着电脑版微信或特定监控软件的设备/进程中通过监听通知或访问特定API例如一些手机助手软件提供的本地HTTP接口来提取新收到的短信验证码。请注意此操作必须基于用户授权且仅用于处理发送给用户本人手机的验证码绝对禁止用于获取他人信息。填入提交脚本获取到短信验证码后将其填入网页对应输入框并完成最终提交。这个过程模拟了用户“拿起手机看短信-回电脑输入”的行为实现了闭环自动化。### 2.4 校区优先级调度逻辑东南大学有多个校区讲座资源可能按校区分配。一个智能脚本不能盲目抢票必须理解用户的偏好。因此我设计了“校区优先级”逻辑。用户可以在配置文件中预设一个校区顺序列表例如[“九龙湖校区” “四牌楼校区” “丁家桥校区”]。脚本在运行时会按照这个优先级顺序去查找和尝试预约。如果最高优先级的校区名额已满则自动、无缝地切换到次优先级校区进行尝试直到成功或所有选项尝试完毕。这大大提升了预约的成功率和用户体验。3. 系统架构与核心工作流程理解了核心组件后我们来看它们是如何协同工作的。整个脚本的运行遵循一个清晰的状态机流程下图展示了其核心工作流与关键决策点flowchart TD A[开始: 初始化配置br账号、密码、优先级] -- B{登录与验证码识别}; B -- 登录成功 -- C[监控讲座发布页面]; B -- 失败 -- E[记录错误并等待重试]; C -- D{目标讲座出现?}; D -- 是 -- F[进入预约流程]; D -- 否 -- C; F -- G{选择最高优先级校区}; G -- 有名额 -- H[提交预约触发短信验证]; G -- 无名额 -- I{仍有次优先级校区?}; I -- 是 -- J[切换至下一优先级校区]; I -- 否 -- K[本轮预约失败结束]; J -- G; H -- L[获取并填入短信验证码]; L -- M{最终提交成功?}; M -- 是 -- N[预约成功通知用户]; M -- 失败 -- O[流程结束记录日志];这个流程图清晰地揭示了脚本的智能之处它并非简单的线性执行而是包含了状态判断登录成功否、循环监控讲座发布否、条件分支校区有无名额和异常处理失败重试等一系列逻辑。下面我们拆解几个关键环节的实现细节。### 3.1 环境搭建与依赖安装工欲善其事必先利其器。首先需要搭建Python环境。建议使用Python 3.7及以上版本。通过pip一次性安装所有依赖pip install selenium ddddocr requests接下来是浏览器驱动。以最常用的Chrome为例你需要下载与本地Chrome浏览器版本匹配的chromedriver并将其所在目录添加到系统PATH环境变量中或者将驱动文件直接放在项目目录下。这是Selenium能够控制浏览器的关键。### 3.2 Selenium自动化核心模拟真人操作使用Selenium时最大的挑战是如何让程序行为更像人以及如何稳定地定位网页元素。我的经验是使用显式等待WebDriverWait绝对避免使用time.sleep()进行固定时长等待。网页加载速度不确定固定等待要么浪费时间要么导致元素未加载就操作而报错。显式等待会持续检测某个条件如元素出现、可点击条件满足立即继续并可以设置超时时间。from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By # 等待登录按钮出现并可点击最多等10秒 login_button WebDriverWait(driver, 10).until( EC.element_to_be_clickable((By.ID, loginBtn)) ) login_button.click()多样化的元素定位策略不要只依赖一种定位方式如ID。优先级通常是ID Name CSS Selector XPath。CSS Selector通常性能更好XPath功能强大但可能随页面结构微调而失效。在开发者工具中多练习找到最稳定、唯一的定位方式。# 多种定位方式示例 element_by_id driver.find_element(By.ID, username) element_by_css driver.find_element(By.CSS_SELECTOR, input.form-control[typetext]) element_by_xpath driver.find_element(By.XPATH, //div[classlecture-list]//li[1]//a)人性化操作模拟在关键动作间加入随机延时模拟人的思考间隔使用ActionChains进行复杂的鼠标移动、悬停操作而不是直接click()。### 3.3 ddddocr集成让脚本拥有“眼睛”验证码识别环节的集成非常简洁。核心步骤如下截取验证码图片首先需要定位到验证码图片元素然后将其截图保存。这里要注意有些网站的验证码是Canvas绘制的可能需要特殊的JS脚本来获取图片数据。from selenium.webdriver.common.by import By import ddddocr # 定位验证码图片元素 captcha_element driver.find_element(By.ID, captcha_img) # 截图并保存 captcha_element.screenshot(captcha.png)调用ddddocr识别读取截图文件调用ddddocr进行识别。ocr ddddocr.DdddOcr() # 创建识别器实例 with open(captcha.png, rb) as f: img_bytes f.read() captcha_text ocr.classification(img_bytes) # 识别结果 print(f识别出的验证码是: {captcha_text})填入识别结果将识别出的文本填入对应的输入框。captcha_input driver.find_element(By.ID, captcha) captcha_input.clear() captcha_input.send_keys(captcha_text)注意验证码识别不可能100%准确。一个健壮的脚本必须包含识别失败的重试机制。例如识别后提交如果系统提示验证码错误则脚本应自动刷新验证码图片重新截取并识别循环数次直到成功或达到最大重试次数。### 3.4 短信验证码处理实现闭环的关键这是自动化流程中最需要巧妙设计的一环。如前所述核心是建立一个外部通道来获取短信。这里以“通过电脑版微信的文件传输助手获取手机通知”为例描述一种需要用户配合的实现思路用户端准备用户需要在手机和电脑上同时登录微信并确保手机的“新消息通知”在电脑端是弹出的。脚本端监控模拟脚本无法直接读取微信但可以监控电脑的特定位置。一种“土方法”是用户将手机短信转发到“文件传输助手”脚本通过监控电脑上微信窗口的标题变化或使用UI自动化工具如pyautogui在特定区域截图并进行OCR来提取验证码。这种方法极不稳定且依赖特定环境不推荐用于生产。更优方案使用官方或稳定的第三方短信同步服务。例如一些手机厂商如小米、华为提供了“短信同步到PC”的功能并可能有开放的本地API。或者使用一些开源的家庭自动化平台如Home Assistant配合特定插件在收到短信后触发一个Webhook脚本监听这个Webhook来获取验证码。这些方案都需要用户自行研究搭建并严格注意隐私安全。在项目中我将这部分设计为可插拔的模块。脚本会等待并调用一个名为get_sms_code()的函数这个函数的实现由用户根据自身情况来编写。我可以提供一个基于简单HTTP服务器或读取本地文件的示例真正的集成需要用户完成。def get_sms_code(timeout120): 用户需要根据自身环境实现此函数。 示例监控一个本地文件当短信转发到电脑时另一个程序将验证码写入该文件。 # 示例从本地文件读取 import time start_time time.time() while time.time() - start_time timeout: try: with open(sms_code.txt, r) as f: code f.read().strip() if code and len(code) 6 and code.isdigit(): # 假设是6位数字 # 读取后清空文件避免下次误用 open(sms_code.txt, w).close() return code except FileNotFoundError: pass time.sleep(2) # 每2秒检查一次 raise TimeoutError(等待短信验证码超时)4. 实战部署与优化策略有了核心代码如何让它稳定、隐蔽、高效地运行起来是另一个维度的挑战。### 4.1 配置管理与错误处理一个成熟的脚本不应该把账号密码等敏感信息硬编码在代码里。我使用配置文件如config.ini或config.yaml来管理所有可变参数[account] username your_student_id password your_password phone your_phone_number [preference] campus_priority 九龙湖校区, 四牌楼校区, 丁家桥校区 target_lecture_keywords 人工智能, 哲学, 艺术 [settings] headless False # 是否使用无头模式不显示浏览器界面 max_retry_captcha 3 sms_wait_timeout 120错误处理是脚本健壮性的生命线。必须对每一个可能失败的环节进行捕获和记录网络超时或断开元素定位失败验证码识别错误短信验证码获取超时预约名额已满脚本应记录详细的日志包括时间、操作步骤、成功或失败信息、错误追踪等便于事后排查。### 4.2 反反爬策略与道德考量使用自动化脚本必须谨慎并遵守网站规则。我们的目的是为了学习便利而非攻击或占用过多公共资源。因此需要采取一些措施让脚本行为更“友好”降低请求频率在监控讲座发布时设置合理的间隔时间如30-60秒避免高频请求对服务器造成压力。模拟人类行为除了随机延时还可以模拟鼠标移动轨迹在输入时加入随机按键间隔。使用真实浏览器环境Selenium可以通过options参数来隐藏自动化特征但这不是万能的。最根本的是控制脚本的使用频率和目的。最重要的道德约束绝对禁止使用脚本进行恶意刷票、囤积门票然后转卖等行为。脚本应仅用于为自己或少数有真实需求的朋友预约。滥用技术不仅违背初衷也可能违反校规甚至相关法律法规。### 4.3 部署与定时运行脚本开发完成后可以部署在个人电脑或云服务器上。个人电脑可以使用系统自带的定时任务如Windows的任务计划程序、Linux/Mac的cron在讲座预约开始前启动脚本。云服务器优点是24小时在线网络稳定。但需要注意云服务器的IP地址是否被校园网系统允许访问有些系统可能限制了校外IP。部署时务必使用无头模式headlessTrue以节省资源。在服务器上运行还需要解决无图形界面的问题。对于Chrome可以安装xvfb一个虚拟显示服务器来模拟显示环境。from selenium import webdriver from selenium.webdriver.chrome.options import Options chrome_options Options() chrome_options.add_argument(--headless) # 无头模式 chrome_options.add_argument(--no-sandbox) # 在服务器环境下常用参数 chrome_options.add_argument(--disable-dev-shm-usage) # 解决共享内存问题 driver webdriver.Chrome(optionschrome_options)5. 常见问题排查与经验心得在开发和运行这个脚本的过程中我踩过不少坑也积累了一些宝贵的经验。### 5.1 元素定位突然失效可能是页面结构变了这是最常见的问题。今天还能运行的脚本明天可能就因为网站前端的一次小更新而报错“Unable to locate element”。应对策略使用相对稳定、语义化的选择器优先选择具有明确id或唯一name的元素。如果都没有尝试使用包含元素文本内容的XPath但也要注意文本可能变化。实现“元素定位器池”为同一个元素准备多个备选的定位策略如ID、CSS、XPath各一个。在主要定位器失败时脚本可以自动尝试备选方案。定期维护意识到脚本不是一劳永逸的。在重要预约开始前最好提前运行测试一下核心流程。### 5.2 验证码识别率下降怎么办ddddocr虽然强大但并非万能。如果发现针对特定网站的验证码识别率下降图片预处理在将图片送给ddddocr之前可以先进行一些简单的图像处理如灰度化、二值化、降噪等。OpenCV库是这方面的好帮手。import cv2 image cv2.imread(captcha.png, cv2.IMREAD_GRAYSCALE) # 灰度化 _, image cv2.threshold(image, 150, 255, cv2.THRESH_BINARY) # 二值化 cv2.imwrite(captcha_processed.png, image) # 然后用处理后的图片进行识别模型微调进阶如果验证码风格非常独特且固定可以考虑收集一批该网站的验证码图片和正确标签使用ddddocr提供的训练接口对模型进行微调以提升在该特定场景下的准确率。备用方案集成一个商业OCR API或打码平台作为备用当ddddocr连续失败时启用。当然这会增加成本和复杂度。### 5.3 如何应对网站升级或增加新的验证机制这是自动化脚本的终极挑战。如果网站加入了滑块验证、点选验证等更复杂的交互式验证码单纯的ddddocrSelenium组合可能就不够了。滑块验证可以尝试分析滑块缺口位置通过图像比对算法然后使用Selenium的ActionChains模拟拖动。但现代滑块验证往往有轨迹检测需要生成符合人类加速度的拖动轨迹。点选验证需要识别图中要求点击的目标如“请点击图中的自行车”这涉及到目标检测可以使用YOLO等轻量级模型但实现复杂度陡增。行为验证如Google reCAPTCHA v3它通过分析用户与网站的整个交互行为来评分。对抗这类验证非常困难通常需要更底层的浏览器自动化工具如puppeteer-extra-plugin-stealth来深度隐藏自动化特征。面对这些情况一个务实的建议是评估绕过成本。如果只是为了预约讲座而网站升级导致自动化成本过高或许回归半自动化人工处理验证码脚本处理其他步骤或寻找其他合法途径如关注是否有其他预约渠道是更明智的选择。### 5.4 关于效率与并发的思考有同学可能会想能否同时运行多个脚本实例或者用多线程/多进程来提高抢票成功率这是一个需要极度谨慎的领域。风险从同一IP地址发起过高频、并发的请求极易被服务器识别为恶意攻击导致IP被封禁甚至账号被锁定。建议本项目的设计初衷是“辅助工具”而非“攻击工具”。因此我强烈建议单实例、低频率运行。它的价值在于解放你的双手和注意力在预约开始时自动、准确地执行操作其效率已经远超人工。试图通过技术手段进行不公平的资源争夺违背了项目的初衷也带来了不必要的风险。最后我想分享一点个人体会。开发这个脚本的过程本身就是一个绝佳的实践项目。它串联起了网络爬虫、自动化测试、图像识别、系统集成等多个知识点。更重要的是它让我深刻体会到技术是一把双刃剑其价值取决于使用者的意图。用技术去解决一个真实世界的小痛点并在过程中不断学习、调试、优化这种成就感远大于单纯“抢到一张票”。希望这个项目分享能为你提供一些技术思路和启发同时也提醒大家在享受技术便利时务必心怀善意遵守规则。本文还有配套的精品资源点击获取