智慧树刷网课python脚本

0x00 写在前面

疫情期间肯定有很多小伙伴需要上网课，但是有些网课我们感觉十分的鸡肋，自己不感兴趣，又必须要学

所以我写了这个刷网课的小程序，一方面是锻炼自己的爬虫技术，另一方面也给同学们节约宝贵的时间

几点说明：

1.此程序只供学习交流，请勿用于商业用途

2.当前只支持“兴趣课”的刷课，其他类型的课程还不支持

3.程序尚不完善，但是原理相通，举一反三，欢迎交流

0x01 环境准备

python3.7+requests库+selenium库+火狐浏览器

python3.7和requests库的安装不必赘述下面来讲一下selenium库，这也是我第一次用这个库，记录一下

因为目标网站是经过js渲染的，不使用selenium库很难抓取想要的数据，selenium库可以模拟浏览器进行操作，同时可以配合各大主流浏览器，十分好用

安装：

pip install selenium

官网：http://www.seleniumhq.org

中文文档：http://selenium-python-zh.readthedocs.io

selenium可以配合PhantomJS一起使用，PhantomJS可以创建无界面浏览器，使用起来要比浏览器高效，但是这回还是先从简单的用起来吧，而且调试还是很需要界面的

对于不同的浏览器，需要安装不同的驱动：

Chrome的驱动chromedriver 下载地址：http://chromedriver.storage.googleapis.com/index.html

Firefox的驱动geckodriver 下载地址：https://github.com/mozilla/geckodriver/releases/

IE的驱动IEdriver 下载地址：https://www.nuget.org/packages/Selenium.WebDriver.IEDriver/

我使用的是火狐浏览器，所以直接下载Firefox的驱动：

下载解压后，将geckodriver.exe添加到python的根目录下，其他浏览器也是一样，添加到python根目录下即可

0x02 核心原理

现在环境已经准备好了，开始研究刷课的原理

根据Firefox抓包可以发现：

经过实验，我发现当每次用户离开当前界面（例如播放下一个视频、关闭网页）的时候，js都会向服务器发送一个名为save2CCoursProgressV2的post请求，这个包的参数是这样的：

这些参数直接看名字就能知道是什么含义，最重要的参数就是learnTime和totalTime，应该是你观看视频的时间和待在当前界面的时间

所以只要我们构造这个save2CCoursProgressV2包，然后把相关的参数都填好，把learnTime和totalTime设置为一个很大的数，这样服务器就会认为你学习了很长很长时间

而且参数里面的uuid直接标注了用户的id，所以发这个包的时候甚至不需要cookie来认证，直接post就好了

但是需要注意的是，我们从哪里获取videoid和lessonid呢？如果id不对的话也是无法记录时间的

经过查找我发现，videoid并不是静态的存在网页中，js只会解析出当前播放的视频的videoid，这一点我会在后面的实现过程中详细说明

所以我们的工作还包括一个收集videoid和lessonid的过程

这就是本程序的核心原理，直接构造统计视频观看时长的数据包（其中相关参数需要收集），发送到服务器，从而避免浪费大量的时间来观看视频

0x03 实现过程

了解了实现的原理，就只差实现过程了

首先要初始化一个firefox浏览器：

browser = webdriver. Firefox()

尝试进入智慧树的学生主页：

browser.get('https://onlineh5.zhihuishu.com/onlineWeb.html#/studentIndex')

发现要模拟登陆，不过幸运的是，智慧树登陆不需要验证码，可以直接用selenium进行登陆，否则的话就需要拿到cookie再发送请求了：

没有验证码，这一步就很简单，用selenium把用户名和密码填上，然后模拟浏览器去点击登陆按钮即可

可以看到输入用户名这里，有一个id属性，值是 lUsername ，所以可以直接通过id定位用户名输入框，同理密码也是一样：

usrname=browser.find_element_by_id('lUsername')    #定位输入框
password=browser.find_element_by_id('lPassword')
usrname.send_keys('XXXXXX')                              #输入自己的用户名和密码
password.send_keys('XXXXXX')

登陆按钮：

可以看到按钮的class属性为 wall-sub-btn 所以也可以直接定位然后模拟点击：

signin=browser.find_element_by_class_name('wall-sub-btn').click()

做到这一步就可以直接进入学生主页了，可以看到自己选修的课程：

下一步就是点开我要上的课：

可以看到class属性值为 courseName 直接模拟点击就可以了：

watch=browser.find_element_by_class_name('courseName').click()

但是需要注意的是，在这个语句之前，需要加上一个等待时间，必须等到网页加载完成了之后才能点击，否则有可能根本就找不到这个按钮

等待的方法有很多种，我直接用了最简单暴力的sleep（因为其他的方法不会...）

time.sleep(5)
watch=browser.find_element_by_class_name('courseName').click()

等待五秒钟后再点击就好了，不过要是实在网速不行，5秒也是有可能失败的....

之后就会出现一个弹窗：

这里必须要把它点掉，也是和之前模拟点击按钮一样的操作

signin=browser.find_element_by_class_name('know').click()

点击完之后，就可以搜集我们想要的东西了（这里最好也加个sleep，给浏览器一点反应的时间）

首先是videoid，videoid怎么找呢？直接ctrl+F：

就可以定位到当前视频的videoid了，但是这个路径用之前找id属性或者class属性的话不是很好找，所以使用css选择器的方法 find_element_by_css_selector 定位到这里，

然后再用get_attribute方法得到dataid的值，也就是videoid

复制css选择器：

可以得到：.video-box > div:nth-child(1)

然后用这个值去定位，然后get参数即可：

videoid=browser.find_element_by_css_selector(".video-box > div:nth-child(1)").get_attribute("dataid")

现在有了videoid，那么lessonid在哪呢？

直接看右边的视频选择栏的代码，我们可以看到所有的lessonid都整整齐齐的写在这里：

所以我们只需要遍历每一个class="lessonItem"的模块，获取lessonid后点击这个视频，再获取这个视频的videoid，这样最关键的两个id我们就都可以获得了：

classlist=browser.find_elements_by_class_name('lessonItem')
for now in classlist:
    classid=now.get_attribute('id')
    classtitle=now.find_element_by_class_name("lessonName").text
    now.click()
    time.sleep(1)
    videoid=browser.find_element_by_css_selector(".video-box > div:nth-child(1)").get_attribute("dataid")

这里需要注意的，是第一行和第四行的find方法有略微的不同，第一行element后面还有一个s，这样可以抓取到到一个列表，否则是选择第一个

然后就可以直接构造post请求发送save2CCoursProgressV2包了

ps：save2CCoursProgressV2包的最后一个参数是毫秒级时间戳，但是time方法获得的是秒级的时间戳，需要转化一下：

import time
t = time.time()               #秒级时间戳
T=int(round(t * 1000))    #毫秒级时间戳

post请求（注意这里的url和之前的不一样，可以通过分析save2CCoursProgressV2包来获得）：

post_url='https://b2cpush.zhihuishu.com/b2cpush/courseDetail/save2CCoursProgressV2'
post_data = {
'courseId':    '',                       #courseid可以直接在当前url里面找到
'videoId':videoid,
'lessonId':classid,
'learnTime':'',
'chapterName':classtitle,
'sourceType':'',
'totalTime':'',
'studyMode':'',
'uuid':'XXXXX',                                    #用户id，但不是用户名
'dateFormate':int(round(t * 1000))         #毫秒级时间戳
}
r=requests.post(post_url,post_data)
print(r.status_code)                            #输出状态码

这样就大功告成了！

0x04 最终代码

from selenium import webdriver
import time
import requests
post_url='https://b2cpush.zhihuishu.com/b2cpush/courseDetail/save2CCoursProgressV2'
browser = webdriver. Firefox()
browser.get('https://onlineh5.zhihuishu.com/onlineWeb.html#/studentIndex')
usrname=browser.find_element_by_id('lUsername')
password=browser.find_element_by_id('lPassword')
usrname.send_keys('xxxxxx')          #用户名和密码
password.send_keys('xxxxxx')
signin=browser.find_element_by_class_name('wall-sub-btn').click()
time.sleep(5)                        #停一下 等页面加载完毕
watch=browser.find_element_by_class_name('courseName').click()
time.sleep(2)
signin=browser.find_element_by_class_name('know').click()
time.sleep(2)
videoid=browser.find_element_by_css_selector(".video-box > div:nth-child(1)").get_attribute("dataid")
classlist=browser.find_elements_by_class_name('lessonItem')
for now in classlist:
    classid=now.get_attribute('id')
    classtitle=now.find_element_by_class_name("lessonName").text
    now.click()
    time.sleep(1)
    videoid=browser.find_element_by_css_selector(".video-box > div:nth-child(1)").get_attribute("dataid")
    t = time.time()
    post_data = {
    'courseId':'',                  #可以根据url获得
    'videoId':videoid,
    'lessonId':classid,
    'learnTime':'',                     #设置为足够大
    'chapterName':classtitle,             #视频标题
    'sourceType':'',
    'totalTime':'',
    'studyMode':'',
    'uuid':'xxxx',                        #uuid可以通过找其他save2CCoursProgressV2包来获得
    'dateFormate':int(round(t * 1000))         #毫秒级时间戳
    }
    r=requests.post(post_url,post_data)
    print(r.status_code)

0x05 总结

这个程序写的还是比较简陋的，只支持了“兴趣课”，其他的课程由于网页格式不一样，应该是不适用的，而且courseId还需要手动看url来获得：

uuid也是通过查找save2CCoursProgressV2包获取的，不够智能化自动化，还需要好好打磨

若是学生选修了多门课程，那么在学生界面选择课程的语句也需要稍稍更改了，改成find_elements而不是find_element

不过这都是细节问题了，核心的登录、收集id信息、发送统计时长都做出来了，也亲测有效：

若是觉得效率不够，可以选择加多线程或者是PhantomJS来提高效率~~

这次学习到了很多selenium的用法，也是受益匪浅