新闻详情

新闻详情

首页 / 资讯中心 / 详情

Python大麦网抢票脚本怎么用:跑通 Automatic_ticket_purchase 的快速指南

发布时间:2026/11/21 10:55:00来源:尧图网络
Python大麦网抢票脚本怎么用:跑通 Automatic_ticket_purchase 的快速指南
Python大麦网抢票脚本怎么用跑通 Automatic_ticket_purchase 的快速指南【免费下载链接】Automatic_ticket_purchase大麦网抢票脚本项目地址: https://gitcode.com/GitHub_Trending/au/Automatic_ticket_purchaseAutomatic_ticket_purchase 是一个基于 Python 的大麦网抢票脚本当前版本为 2.1.0。它的思路是登录这一步用 Selenium 打开真实页面完成拿到 Cookie 后后续全部改用 requests 直接请求网页端接口循环轮询票源状态在开售瞬间自动提交订单并打印支付宝支付链接。它适合想学习接口分析与请求重放流程的开发者也适合希望把查状态、下订单这段操作自动化的个人用户。需要说明的是README 开头已标注项目停止维护购票主流程已迁移到手机端使用前请先了解后文的限制说明。它到底做了什么能力拆解主逻辑集中在 Automatic_ticket_purchase.py 的DaMaiTicket类里整个流程分四步登录Selenium 打开大麦登录页输入账号密码或等待扫码成功后取走页面 Cookie状态校验调用 tools.py 里的check_login_status访问个人信息页确认登录有效并持久化为cookies.pkl轮询while True循环请求detail.damai.cn/subpage接口读取目标票价档位的状态——即将开抢继续等待缺货登记退出立即购买或选座购买进入下一步提交订单请求buy.damai.cn/orderConfirm拿到订单确认参数再 POST 到createOrder接口成功后打印alipayOrderId和支付链接提示前往我的大麦→交易中心确认。Cookie 持久化下次运行免登录首次运行必须走一遍登录流程。之后run()会直接加载项目目录下的cookies.pkl并校验是否仍有效跳过浏览器登录这一步。Cookie 失效时删除该文件重新运行即可。两条抢购路径直购与选座立即购买类场次比较简单从接口返回的 skuList 中匹配ticket_price拿到 sku_id 后直接进订单确认页。选座购买类场次要额外拉取场馆座位数据过滤出目标价位且可售的座位再由pick_seat依次取满buy_nums张。选座相关的 mtop 接口需要 sign 签名脚本通过 pyexecjs 调用 Node.js 执行 signcode.js 中的 MD5 计算因此机器上需要装好 Node 运行时。 如何找到 item_id 并填写观演人参数运行前要在DaMaiTicket.__init__中填好五个参数item_id商品 id、viewer观演人姓名列表、buy_nums购买数量、ticket_price目标票价以及账号密码。从演出页面 URL 提取商品 id用 PC 浏览器打开目标演出页地址栏中id或item_id后面的数字就是 item_id例如上图中的610820299671。同一场巡演分城市拆分成不同商品每个城市站对应各自的 item_id务必填目标城市场次的 id别拿错站。观演人必须提前在大麦网登记viewer不是下单时临时填写的必须已存在于我的大麦→常用购票人管理中且姓名与页面完全一致。不一致时脚本会打印请检查输入的观演人信息与大麦网观演人信息是否一致并终止不会提交订单。buy_nums要与viewer的人数一致启动时会校验不符直接退出。️ 本地如何跑起来依赖、驱动与两条命令依赖在 requirements.txt 中已固定版本requests 2.24.0、selenium 3.141.0、beautifulsoup4 4.9.3、pyexecjs 1.5.1。除 pip 包外还有两个前提一是下载与系统匹配的 ChromeDriver按系统重命名为chromedriver_windows、chromedriver_linux或chromedriver_mac放在项目根目录二是安装 Node.js 运行时供选座签名使用。安装依赖并配置驱动git clone https://gitcode.com/GitHub_Trending/au/Automatic_ticket_purchase cd Automatic_ticket_purchase pip install -r requirements.txt首次运行与登录方式选择python Automatic_ticket_purchase.py # 默认账号密码登录 python Automatic_ticket_purchase.py --mode qr # 或改用扫码登录首次登录成功后会生成cookies.pkl之后运行直接跳过登录。注意 selenium 3.141.0 用的是旧版元素定位 API若与较新版本的 Chrome 不兼容需要调整驱动或浏览器版本到相近的对应关系。运行后不生效怎么办排查与边界登录失败或 Cookie 过期提示登录失败请检查登录账号信息时先删除cookies.pkl再重新运行触发完整登录。若登录页弹出滑块验证或风控页面说明自动化浏览器被识别——脚本虽然关闭了 webdriver 标记以降低检测概率但不能保证永远不触发。参数解析报获取购买必备参数异常tools.py 的get_api_param是从大麦前端 JS版本 0.0.70 写死在代码里中反解请求参数的。大麦升级前端后正则可能失配需要手动更新版本号和提取逻辑。同理订单页window.__INIT_DATA__字段、选座接口的返回结构也可能随页面改版变动这类报错基本都指向同一原因接口或页面已经更新。维护状态说明README 第一行即已停止维护大部分购买方式已迁移至手机端需配合抓包处理。也就是说这个脚本现在更适合作为学习接口分析、Cookie 持久化、请求重放的完整样例如果要实际抢当前的票需要自行抓包分析手机端接口。建议的下一步先跑默认登录命令确认登录成功且生成 cookies.pkl再把item_id和viewer换成真实值跑一轮确认轮询能正确读到票档状态如即将开抢。这两步通过后再考虑真实开售时的运行也能避免参数错误在开票瞬间才暴露。【免费下载链接】Automatic_ticket_purchase大麦网抢票脚本项目地址: https://gitcode.com/GitHub_Trending/au/Automatic_ticket_purchase创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/20 18:41:01

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉