高鐵、台鐵轉乘查詢

2018鐵人賽網路爬蟲

Howard

2017-12-17 00:00:02

6753 瀏覽

分享至

定義目標

與昨天的主題連貫，很多社群朋友是從台北、台中過來的，很常時候接駁台鐵搭高鐵，那我們可以來寫一個常用的高鐵時刻查詢。雖然我們能夠單純寫一個高鐵的查詢，再去串接我們昨天寫的台鐵時刻，不過在看台鐵的網站時，發現有一個還不錯用的服務叫做轉乘資訊，能夠做到我們剛剛提到的需求，那麼今天的目標就設定來查詢這頁的資訊。

實際探訪

這個頁面其實跟昨天的介面很像，都是先選擇區域再選擇車站，然後再選擇到達站和時間，接著按送出查詢。第一眼直覺應該是跟昨天一樣，我送了相關資訊，網站就會將相關資訊塞在 html 裡面給我。

但經過探訪後發現實際上並不是如昨天一樣，感覺這個服務應該是後來做的，網頁實作的方法正確許多，那對於我們抓取資料的爬蟲應該會輕鬆很多。發現按下查詢後，是發了三個 post resuests，而每一個 request 的 searchtype 都不同。

第一個 request 的 searchtype 是 tratothsr，直覺就是火車接駁高鐵的相關項目，而果然他的 response 也就是一個車站代號。

第二個 request 的 searchtype 是 traschedule，直覺看起來就是查詢火車時刻，而果然在第一個所查詢到的車站代號就會用在這邊，而這個 request 的 response 就是火車時刻表，而且還是 json format，就不用向昨天一樣還需要用 jsdon 來模擬執行。

第三個 request 的 searchtype 是 thsrschedule，直覺看起來就是查詢高鐵時刻，也不負其然的回傳高鐵時刻表，回傳也是 json format。

分解研究

我們會將這隻爬蟲分解成三個動作：

準備預設資訊
查詢 request

準備預設資訊

我們一樣先來觀察一下查詢的 request 會送出什麼。參數看起比昨天更簡單，只有 searchtype、fromstation、tostation、searchdate、fromtime，這看起來非常的直覺。

模擬 request

然後我們模擬這三個 request，看起來是能夠得到相同的內容，那麼肯定就沒問題了。

實作程式碼

雖然流程是送出三個 requsest，但實際上真正拿到時刻表的只有後面兩個 request，所以其實我們只需要製作後面兩個 request 就可以了。

getTras function

查詢台鐵時刻表 function。

function getTras(callback) {
  request({
    url: 'http://twtraffic.tra.gov.tw/twrail/Services/TransferDataServ.ashx',
    method: 'POST',
    form: {
      searchtype: 'traschedule',
      fromstation: '1239',
      tostation: '5102',
      searchdate: moment().format('YYYY-MM-DD'),
      fromtime: moment().format('HHmm'),
    }
  }, (err, res, body) => {
    callback(null, JSON.parse(body))
  })
}

getThsrc function

查詢高鐵時刻表 function。

function getThsrc(callback) {
  request({
    url: 'http://twtraffic.tra.gov.tw/twrail/Services/TransferDataServ.ashx',
    method: 'POST',
    form: {
      searchtype: 'thsrschedule',
      fromstation: '5102',
      tostation: '1324',
      searchdate: moment().format('YYYY-MM-DD'),
      fromtime: moment().format('HHmm'),
    }
  }, (err, res, body) => {
    callback(null, JSON.parse(body))
  })
}

積木組合

這次實在太簡單了，所以我們來試著用一個前系列沒出現過的 async.parallel，他的用意是同時執行所有的 async tasks，然後全部完成後再做動作。

async.parallel([getTras, getThsrc], (err, results)=>{
  console.log(results);
})

完整程式碼

const request = require('request');
const cheerio = require('cheerio');
const moment = require('moment');
const async = require('async');

async.parallel([getTras, getThsrc], (err, results)=>{
  console.log(results);
})

function getTras(callback) {
  request({
    url: 'http://twtraffic.tra.gov.tw/twrail/Services/TransferDataServ.ashx',
    method: 'POST',
    form: {
      searchtype: 'traschedule',
      fromstation: '1239',
      tostation: '5102',
      searchdate: moment().format('YYYY-MM-DD'),
      fromtime: moment().format('HHmm'),
    }
  }, (err, res, body) => {
    callback(null, JSON.parse(body))
  })
}

function getThsrc(callback) {
  request({
    url: 'http://twtraffic.tra.gov.tw/twrail/Services/TransferDataServ.ashx',
    method: 'POST',
    form: {
      searchtype: 'thsrschedule',
      fromstation: '5102',
      tostation: '1324',
      searchdate: moment().format('YYYY-MM-DD'),
      fromtime: moment().format('HHmm'),
    }
  }, (err, res, body) => {
    callback(null, JSON.parse(body))
  })
}