本代码仅用于学习，下载后请勿用于商业用途。

在使用本项目时造成对您自己或他人任何形式的损失和伤害，我们不承担任何责任。

如您在使用本项目的过程中存在任何非法行为，您需自行承担相应后果，我们将不承担任何法律及连带责任。

在使用本工具前，请您务必审慎阅读、充分理解各条款内容，限制、免责条款或者其他涉及您重大权益的条款可能会以加粗、加下划线等形式提示您重点注意。 除非您已充分阅读、完全理解并接受本协议所有条款，否则，请您不要使用本项目。

您的使用行为或者您以其他任何明示或者默示方式表示接受本协议的，即视为您已阅读并同意本协议的约束。

建议在虚拟环境下运行，首先安装依赖包

pip install -r requirements.txt

参考配置部分配置好config.yml后，参考demo.py调用模块即可，全部封装为组件，适合二次开发，最后为选课模块效果展示。

具体方法使用可参考demo.py

模拟登录基于flask,并已经部署到了服务器上，并提供了相应接口供使用，该项目将不再开源，下面只提供实现思路。

未来打算用django写个接口方便调用

# Login模块使用
from localLogin.Login import FastLogin
# 获得一个登录对象
sess = FastLogin(ID, PWD)
# 获得cookie
cookies = sess.get_cookies()
# 获得session
session = sess.get_session()

基于requests，模拟了发包过程，通过分析登录操作可以知道，先get RSA的公钥再get验证码，分析前端加密js可知，是通过rsa对password进行了加密，我们可 以用用python来模拟，这里没用node.js的环境，全部模拟的，在这耗费了很长时间，其中jsFunction模拟了js中对RSA的加密。由于get的验证码是二进制文件 我们可以直接将其写入文件中，然后调用本地AI识别，或者人工识别，两个函数在FastLogin中可以自由选择，可以通过config.yml进行设置(服务器端默认AI识别)

# 人工识别
code = get_code_by_self(sessions)
# AI识别
code = get_code_by_ocr(sessions)

config如下

opinions:
  AI: true

调用人工识别函数的时候比较有趣，如下，会弹出窗口，然后人工识别

成功获得了cookie

ocr识别的话，如下

只识别了一次，如果识别错误的话，会自动重新登录，直到登录成功

从用户对教务系统的所有操作这个行为中抽象出Stu对象，可以直接调用，提供以下方法

from utils.student import Stu

stu = Stu(ID, PWD)  # 实例化学生对象
stu.getScores(2021, 3)  # 获取2021学年第一学期成绩
stu.getCourses(2021, 3) # 获取2021学年第一学期课表

分析抓包即可，页面逻辑比较简单，post后返回的是json数据，解析，保存成了字典，{科目=>[平时分，期末分，总分，学分，绩点]}， 因为获得平时分时需要每一科都请求一次，因此速度比较慢！

与爬取成绩类似，之后将进行图形化处理。

信息通知默认为server酱，付费，可自行更换为其它方式，重写util.ext中的sendMessage函数即可

def sendMessage(_title, _content):
    _url = f'https://sctapi.ftqq.com/{SERVER_ADDRESS}.send'
    _data = {
        'title': _title,
        'desp': _content,
    }
    try:
        log('正在发送server酱')
        requests.post(url=_url, data=_data)
        log('发送成功')
        return True
    except:
        log('发送信息失败')
        return False

可以挂在服务器上，有新成绩微信就会自动提醒，已封装成组件可直接调用

from utils.notice import Notice

notice = Notice()
notice.ScoreNotice(ID, PWD)

直接在full_config.yml更改，重命名为config.yml，id和password为必填项，为教务系统学号和密码

api:
  url: 
  key: 
  server: 

user:
  id: '*********'
  password: '**********'

opinions:
  AI: True

为避免影响正常选课同学选课权益 ，抢课模块不开源，仅展示效果。

以下图片出现的课程，均为过去本人通过正常手段正常选课所得

1: '主修课程', 
2: '跨专业本硕一体化拓展课程组', 
3: '劳育理论教学', 
4: '劳育实践教学', 
5: '板块课(体育)', 
6: '通识选修课'

因本人过去已选修过该类课程，故没有选课成功的提示，只有过程展示

可按课程号或教师姓名等多种条件模糊搜索选课

可同时选多门课

kcid = ['Q30127', 'Q11035']

基于py threading模块，可自定义抢课线程数量

rob(self, kcid: list, thread_num: int, xid: int)