前几日，我阅读了Jamuk piugn关于12306车次数据抓取的文章，其思路颇具启发性，但仍有几个细节值得深入探讨。
一、列车车次编码规则概述
早在1996年，为提升客运服务质量和满足旅客需求，原铁道部便决定在主要干线和大站推行电子售票系统。此系统的初步实施范围覆盖了京广、京沪、京哈三大干线及其沿线快车停靠站，以及全国43个大型客运站。这一系统基于铁科院客票总体组发布的《铁路车站电子售票应用系统主要技术规定》构建，并最终演变为我们今天所熟知的中国铁路客票发售与预订系统（简称TRS）。
在《技术规定》中，车次编码被定义为6位字符型数据，包含列车始发地分局码、始发车次、多到站标识码以及新旧运行图标识码等元素。例如，车次代码“24000K101704”中，“24”代表始发区域（北京），“000K1017”为始发站车次，“0”表示多到站标识，“4”则代表第4版本运行图。
二、列车种类数据维护中的误区
在分析12306返回的数据时，我们发现几个问题：首先，部分列车车次信息并不完整，如市郊列车等未在12306平台上显示的车次无法被捕获；其次，一些车站如黄土店、八达岭等，因仍办理非联网列车客运业务，容易被错误分类为“客运取消或暂停”车站；最后，市郊列车的种类有时被误归为“快速”，需要人工进行校正。
三、解析返回字符串中的信息
我们通过发送查询请求到12306网站，并截取了返回的数据进行分析。以2020年8月2日图们站的列车数据为例，经过整理后，我们能够识别出一些关键字段及其含义。为了验证这些判断，我们又对北京东站和山河屯站的数据进行了类似的分析。
在分析过程中，我们发现“same_city_code”字段可能代表通查车站（即联合站代码）。这一发现是基于对北京东站与牛栏山（同城不通查）和清河（通查不同城）站点的数据比较得出的。
然而，仍有一些字段如“update_arrive_time”、“update_start_time”、“city_code”和“display_station_no”等，在大部分情况下都是空的，对于数据抓取似乎帮助不大。关于“seat_types”字段，即席别信息的判断，Jamuk piugn在私信中提出了如何识别特定席别（如“垃圾桶”席别）的问题，这将是我们后续研究的重点。
所提及的已确定字段及其含义，请读者自行整理对照。如有需要，可参考相关文档进行深入研究。
全部评论 （0）