Tway Air 航班信息抓取：Python 代码实现

import requests
from lxml import etree
url = 'https://www.twayair.com/app/booking/layerAvailabilityList'

payload = '_csrf=986fbc1b-b37e-4b7b-8cad-586ed960e850&pos=KR&currency=KRW'
headers = {
  'Accept': 'text/html, */*; q=0.01',
  'Accept-Language': 'zh-CN,zh;q=0.9',
  'Connection': 'keep-alive',
  'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
  'Cookie':
      'HMF_CI=a09ef93ce8b8bf6611ff00ffc3446a0d09b3b0bfe621a6a879c954055a4f723381a2b29023785d8538c08a1035dbe098bfa190d376a6af4e7cc02e29b3ca470563;' \
            ' SESSION=3cb615cc-9f0a-4f1b-b9b8-433d36d72e36;' \
    ,
  'Origin': 'https://www.twayair.com',
  'Sec-Fetch-Dest': 'empty',
  'Sec-Fetch-Mode': 'cors',
  'Sec-Fetch-Site': 'same-origin',
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36',
  'X-Requested-With': 'XMLHttpRequest',
  'sec-ch-ua': ''Google Chrome';v='111', 'Not(A:Brand';v='8', 'Chromium';v='111'',
  'sec-ch-ua-mobile': '?0',
  'sec-ch-ua-platform': ''Windows''
}

response = requests.request('POST', url, headers=headers, data=payload)

# print(response.text)
html=etree.HTML(response.text)
lis=html.xpath('//*[@id='price_list_route_1']/ul/li')
for li in lis[1:]:
  # 出发城市
  start_cityName=li.xpath('./a/div/div[1]/div[2]/span[1]/text()')[0]
  # 出发时间
  start_time = li.xpath('./a/div/div[1]/div[2]/strong/text()')[0].strip()

  # 到达城市
  reach_cityName=li.xpath('./a/div/div[1]/div[4]/span/text()')[0]
  # 到达时间
  reach_time=li.xpath('./a/div/div[1]/div[4]/strong/text()')[0].strip()

  # 飞机名称
  plan_name=li.xpath('./a/div/div[1]/div[1]/button[1]/text()')[0]
  # 飞机航班号
  plan_flightNumber=li.xpath('./a/div/div[1]/div[1]/button[2]/text()')[0]
  # 飞机用时
  plan_userTime=str(li.xpath('./a/div/div[1]/div[3]/p[1]/text()')[0]).replace(' ','')
  # 飞机货币单位
  plan_moneyUnit=li.xpath('./a/div/div[2]/span/text()')[0]
  # 飞机价格
  plan_price=li.xpath('./a/div/div[2]/strong/text()')[0]
  # 飞机票数
  plan_ticketNumber=li.xpath('./a/div/div[2]/p/text()')[0]
  print(start_cityName,start_time,
        reach_cityName,reach_time,
        plan_name,plan_flightNumber,plan_userTime)

# 这里的时间为什么有空格，它有两段空格内容：可能是因为网页源代码中的时间文本中本身就含有空格，或者是网站为了使时间文本显示更美观而添加了额外的空格。无论是哪种情况，我们在提取数据时可以使用字符串的strip()方法将文本中的空格去除。比如，可以将代码中的以下两行：

start_time = li.xpath('./a/div/div[1]/div[2]/strong/text()')[0]
reach_time=li.xpath('./a/div/div[1]/div[4]/strong/text()')[0]

修改为：

start_time = li.xpath('./a/div/div[1]/div[2]/strong/text()')[0].strip()
reach_time=li.xpath('./a/div/div[1]/div[4]/strong/text()')[0].strip()

这样就可以将时间文本中的空格去除了。

本文介绍了使用 Python 的 requests 和 lxml 库抓取 Tway Air 网站的航班信息，并展示了如何去除时间文本中的空格。希望对您有所帮助。

注意： 该代码仅供学习参考，请勿用于非法用途。