用python写买火车票的程序

可以使用 Python 编写一个程序来购买火车票,具体步骤包括:获取火车时刻表,选择火车,填写乘车信息,发送购票请求,判断是否购票成功,支付。

用python写买火车票的程序

用 Python 购买火车票程序

需求:编写一个 Python 程序,用于购买火车票。

步骤:

1. 导入必要的库

立即学习“Python免费学习笔记(深入)”;

import requestsimport json

2. 获取火车时刻表

# 设置请求头以模仿浏览器headers = {    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36"}# 设置查询参数params = {    "from_station": "起点站",    "to_station": "终点站",    "date": "出发日期"}# 发送请求获取火车时刻表response = requests.get("https://www.12306.cn/index/index.html", headers=headers, params=params)

3. 解析火车时刻表

# 将响应内容转换为 JSON 格式data = json.loads(response.text)# 获取火车信息trains = data["data"]["trainList"]

4. 选择火车

# 打印火车信息供用户选择for train in trains:    print(train["train_no"], train["from_station"], train["to_station"], train["departure_time"], train["arrive_time"])# 提示用户输入选择selected_train = input("输入您要乘坐的火车车次:")

5. 填写乘车信息

# 提示用户输入乘车人信息passenger_name = input("输入乘车人姓名:")passenger_type = input("输入乘车人类型(成人/儿童):")# 创建乘客信息字典passenger_info = {    "name": passenger_name,    "type": passenger_type}

6. 发送购票请求

# 设置请求参数order_params = {    "train_no": selected_train,    "passenger_info": json.dumps([passenger_info])}# 发送购票请求order_response = requests.post("https://www.12306.cn/order/submitOrderRequest.html", data=order_params)

7. 支付

# 判断是否购票成功if order_response.status_code == 200:    order_data = json.loads(order_response.text)    if order_data["result_code"] == 0:        # 支付订单        payment_url = order_data["data"]["payment_url"]        # 打开支付页面让用户完成支付        webbrowser.open(payment_url)    else:        print("购票失败,原因:", order_data["result_message"])else:    print("请求失败,状态码:", order_response.status_code)

以上就是用python写买火车票的程序的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/1349789.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年12月13日 13:07:33
下一篇 2025年12月13日 13:21:33

相关推荐

  • 调试cx_Oracle查询:理解绑定变量与查看实际执行的SQL

    在使用cx_Oracle进行数据库操作时,理解绑定变量的工作机制至关重要。本文旨在阐明cx_Oracle如何通过绑定变量安全地执行参数化查询,而非字符串拼接,并提供一种有效的调试方法——利用PYO_DEBUG_PACKETS环境变量来查看实际发送到数据库服务器的低级别通信,从而验证查询的正确性。此外…

    2025年12月14日
    000
  • Windows环境下gdown命令识别异常的排查与解决

    在Windows终端中,即使已安装gdown并配置了环境变量PATH,用户仍可能遇到“gdown命令未识别”的错误。本文将提供一种直接有效的解决方案,指导用户通过定位gdown可执行文件所在目录并使用相对路径执行,从而规避系统PATH识别问题,确保gdown工具的正常运行。 问题现象分析 当用户在p…

    2025年12月14日
    000
  • Python中从复杂嵌套字典中提取并重构数据

    本教程详细介绍了如何利用Python的字典推导式(Dictionary Comprehension),高效地从嵌套字典结构中提取特定键值对,并将其重构为新的、扁平化的字典。通过一个实际的API数据示例,文章演示了如何将列表中的每个子字典的token和tsym字段转换为新字典的键和值,从而实现数据的精…

    2025年12月14日
    000
  • 解决Windows上’gdown’命令未识别问题:即使已安装并配置PATH

    本文旨在解决Windows系统下,即使已通过pip安装gdown并配置了环境变量PATH,仍出现“’gdown’不是内部或外部命令”的错误。核心解决方案是,用户需定位gdown的可执行文件所在目录,并在该目录下使用.gdown的明确路径方式执行命令,以绕过系统路径解析的潜在问…

    2025年12月14日
    000
  • 深入StackExchange API:解锁问题正文内容的秘诀

    在使用StackExchange API时,开发者常遇到默认响应仅包含问题标题而缺少详细正文的问题。本文将深入探讨如何通过巧妙运用API的filter=’withbody’参数,轻松获取问题的完整HTML格式正文内容,从而实现更全面的数据抓取和应用。 StackExchang…

    2025年12月14日 好文分享
    000
  • cx_Oracle:查看绑定参数后的SQL查询与调试技巧

    本文详细介绍了在cx_Oracle中调试SQL查询和验证参数绑定的方法。它阐明了cx_Oracle如何通过参数绑定安全地处理查询,而非字符串插值,从而有效防止SQL注入。同时,教程还提供了使用PYO_DEBUG_PACKETS%ignore_a_1%来查看底层通信包以确认实际发送到数据库的查询,并强…

    2025年12月14日
    000
  • Locust Helm部署中“任务未定义”错误排查:标签配置陷阱解析

    本教程旨在解决Locust性能测试工具在Helm Chart部署环境下出现“No tasks defined”错误的问题。当Locust脚本在本地运行正常,但在Kubernetes通过Helm部署后报错时,一个常见的陷阱是Helm配置中不当或遗漏的标签(tags)设置,这可能导致Locust无法识别…

    2025年12月14日
    000
  • 如何在一台电脑上安装多个 Python 解释器

    可通过安装多个Python版本并使用py启动器或pyenv管理,配合虚拟环境隔离依赖,实现多版本共存与项目适配。 在一台电脑上安装多个 Python 解释器非常常见,尤其在开发不同项目时,可能需要使用不同版本的 Python。以下是一些实用方法,帮助你在同一台机器上管理多个 Python 版本。 使…

    2025年12月14日
    000
  • 如何高效分组字典中具有相同相似度的冗余条目

    本文旨在解决字典条目间相似度计算中存在的冗余分组问题。通过将问题建模为图论中的“最大团问题”,并利用 networkx 库,我们可以根据不同的相似度分数构建多个图,然后在每个图中找到完全连接的节点集合(即团),从而优雅地将具有相同相似度的条目进行高效分组,避免了复杂的嵌套循环,并生成清晰的、按组聚合…

    2025年12月14日
    000
  • 基于相似度对字典条目进行分组:NetworkX与最大团算法实践

    本教程探讨如何高效地对字典中具有相同相似度得分的冗余条目进行分组。面对复杂的两两比较结果,传统方法易陷入嵌套循环。文章提出利用图论中的“最大团”问题,通过为每个独特的相似度值构建一个图,并使用Python的networkx库查找图中的最大团,从而实现优雅且可扩展的分组,避免了手动处理的复杂性。 引言…

    2025年12月14日
    000
  • Python中安全区分变量模型与类型:isinstance()的正确用法

    在Python中,判断一个变量是否为特定模型或类的实例时,直接使用 type(variable) is ModelA 语句常常会因为模块导入和对象身份比较的机制而失败。本文将详细阐述为何 type() is 并非可靠的类型检查方法,并推荐使用 isinstance(variable, ModelA)…

    2025年12月14日
    000
  • Stack Exchange API:轻松获取问题正文内容的教程

    本文详细介绍了如何使用Stack Exchange API高效地检索问题正文内容。针对API默认仅返回问题标题的常见困惑,教程阐明了通过在API请求中添加filter=’withbody’参数即可直接获取包含HTML格式的正文,无需进行额外的请求或复杂的解析。通过具体的Pyt…

    2025年12月14日 好文分享
    000
  • 利用图论与NetworkX库高效分组字典中具有相同相似度的条目

    本文介绍如何将字典中具有相同相似度得分的条目进行高效分组。通过将问题建模为图论中的“团问题”,我们为每个独特的相似度值构建一个独立的图。在这些图中,节点代表字典条目,边连接相似度相等的条目。随后,利用NetworkX库的find_cliques功能,可以识别出所有互为相似的条目集合,从而实现冗余数据…

    2025年12月14日
    000
  • Python 避免重复计算提高性能

    使用 lru_cache 缓存函数结果可显著提升性能,如斐波那契递归从指数级优化到线性时间;循环中应避免重复调用 len() 或属性访问,推荐提前存储长度或直接迭代元素;处理大数据时使用生成器按需计算,节省内存与时间;复杂条件中重复的子表达式应提取为局部变量,提升效率与可读性。 在 Python 中…

    2025年12月14日
    000
  • 优化Python中NumPy密集计算的多进程加速策略:避免数据拷贝瓶颈

    本文探讨了在Python中对NumPy密集型计算进行多进程加速时遇到的常见性能瓶颈——数据拷贝。通过分析tqdm.contrib.concurrent中的process_map和thread_map在处理大型NumPy数组时的低效问题,文章提出并演示了使用multiprocessing.Manage…

    2025年12月14日
    000
  • 解决Windows上’gdown’命令未识别问题:路径与执行策略详解

    当在Windows系统上遭遇gdown命令未识别的错误,即使已安装gdown并配置了Python环境变量PATH,问题通常源于系统未能正确解析或定位到可执行文件。本教程提供了一种直接有效的解决方案:通过导航至gdown的实际安装目录,并使用相对路径.gdown来执行命令,从而确保其被系统正确识别和运…

    2025年12月14日
    000
  • Django项目在Ubuntu上部署:Nginx静态文件服务权限配置与故障排除

    本教程旨在解决Django项目在Ubuntu服务器上使用Nginx和Gunicorn部署时,静态文件(CSS、JS、图片)无法正常加载的问题。核心内容聚焦于Nginx用户权限配置不当导致的文件访问受限,并提供了两种主要解决方案:调整Nginx运行用户或正确配置静态文件目录的访问权限,同时辅以详细的配…

    2025年12月14日
    000
  • Python API 请求中的异常处理设计

    答案:Python API请求异常处理需分层捕获连接、超时、HTTP错误及解析异常,结合指数退避重试机制,并通过日志记录与自定义异常提升可维护性。 在Python进行API请求时,异常处理设计绝非可有可无的“锦上添花”,它实际上是构建任何健壮、可靠系统的基石。说白了,网络环境复杂多变,远程服务也并非…

    2025年12月14日
    000
  • Python NumPy重计算的并行优化:利用数据共享避免性能瓶颈

    本文探讨了Python中对NumPy数组进行大量计算时,tqdm.contrib.concurrent的process_map等并行工具可能出现的性能瓶颈。核心问题在于多进程间的数据拷贝开销过大。教程将详细介绍如何通过multiprocessing.Manager实现数据共享,有效避免重复拷贝,从而…

    2025年12月14日
    000
  • Python多进程:实现长时间计算与实时结果的异步更新与共享

    本文探讨了如何在Python中解决长时间计算任务与实时结果输出之间的冲突。通过使用multiprocessing模块的Process和Manager.Namespace,我们可以将耗时计算隔离到独立进程,同时允许另一个进程持续访问并使用计算结果的最新值,从而实现计算与输出的异步并行,确保实时性需求得…

    2025年12月14日
    000

发表回复

登录后才能评论
关注微信