去年下半年申请了居转户，据说最多要等1年半，所以偶尔会要去上海居转户的网站上查询一下状态。
既然是重复性的劳动，那就写个脚本来处理吧。
Short version
用Chrome抓包，分析一下网页的表单，然后用python的各种库发送请求、解析验证码，最后得到结果。
工具放在了github上，执行shjzh_username=$your_id_number shjzh_password=$your_password ./query.py -q，把your_id_number, your_password替换成自己的身份证号、密码，或者设置为环境变量即可。
结果大概长这样：
['例子', '123123199001011234', '受理通过']
Long version
首先通过Chrome把登录网站、查询的过程抓成har包，方便之后分析。
整个过程包含:
- 第一次HTTP GET访问网站，得到cookie（即requests里的session）
- 发送一次HTTP GET请求验证码
- 发送一次HTTP POST把用户名、密码、验证码发送到网站
- 成功登陆后，发送一次HTTP POST点击”我接受”的按钮
- 进入后续的页面，再发送一次HTTP GET点击”我的申报信息”的按钮
这个过程本身很简单，这里只记录几个要注意的点:
- 用户名是经过处理的，具体是md5.js里
hex_md5()这个函数，把字符串作为hex值然后算md5就可以了； - 密码是明文，通过HTTP发送的，政府的网站无力吐槽。。。
- 通过
pytesseract解析验证码不一定每次都成功，如果失败，可以再试一次，之后可以在这个脚本的基础上加一个retry - 用
beautifulsoup解析网页，发现这里面table的格式实现是——太不规则了。目前只能hard code来得到最后的结果。所以如果网页稍微有点变化，这个脚本可能就需要更新。 - 这个网站开放时间不是全天，而是8：00至22：00。 而22：00至次日8：00是打不开的。。。
然后把这个脚本设个cron task定期跑一下，结果通过邮件发送给自己，就不再需要自己去网站上check啦！
最后，附上github的code: https://github.com/mine260309/shjzh_query
