影刀RPA新手教程：学生党入门完全指南——课表导入、图书馆抢座与学术资源自动采集
影刀RPA新手教程：学生党入门完全指南——课表导入、图书馆抢座与学术资源自动采集
我大三那年，图书馆座位要靠抢。
每天晚上12点系统开放第二天预约，手动点根本抢不到。室友让我帮他写一个自动抢座的脚本，我研究了两天影刀RPA，真的抢到了。
那一刻我发现，RPA不是程序员的专利，学生也能用，而且用好了能解决很多实际问题。
这篇文章围绕"图书馆抢座+课表管理+学术资源采集"三个真实场景展开，全部是我自己用过的功能。你跟着做完，能直接用到你自己的学习和生活里。
一、安装与准备：学生党零成本上手
影刀RPA社区版完全免费，学生用足够了。去官网下载Windows版，安装过程和装QQ没什么区别。
我第一次装的时候，卡在浏览器插件这一步。Chrome要在扩展程序里开启"开发者模式"，然后才能安装影刀的插件。这个步骤官方文档写得不清楚，我折腾了半小时。
装完之后，打开影刀，你会看到新建流程的按钮。流程就是你的自动化程序，一个流程解决一个具体问题。
界面分三块：左边是指令库，中间是流程画布（你拖指令进来拼流程的地方），右边是属性面板（选中某个指令后在这里填参数）。
学生党建议先把界面熟悉15分钟，把每个大类指令都点开看看。这比直接开始做项目效率高得多，因为你知道有哪些指令可用，做的时候不用现查。
二、元素定位四合一：搞定学校系统的关键
学校的内网系统，大多又老又难用。元素定位是你必须掌握的核心技能。
四合一：元素捕获、XPath、CSS选择器、正则表达式，四种方法配合用。
元素捕获最简单，点一下目标位置就行。但学校系统经常用动态id，每次刷新id都变，这时候元素捕获就失效了。
XPath按文字定位是学校系统最好用的方式：
//button[text()='预约座位'] ← 按按钮文字定位，学校系统通用 //a[contains(text(),'图书馆')] ← 包含"图书馆"三个字的链接 //input[@placeholder='请输入学号'] ← 按placeholder定位输入框 //div[@class='seat-item'] ← 按class定位座位元素 //table[@id='schedule']//tr ← 定位课表的所有行CSS选择器比XPath快，语法也更简洁：
button:contains('预约')← 包含"预约"文字的按钮（影刀支持） .seat-item:nth-child(3)← 第3个座位 input[placeholder*='学号'] ← placeholder包含"学号"的输入框 正则表达式用在什么场景？学校系统的页面源码经常是一团乱码，价格（哦不对，座位号）藏在里面，用正则提取最方便：
座位号[：:]\s*(\d+) ← 提取座位号 图书馆.*?(\d{4}-\d{2}-\d{2}) ← 提取日期我当时抢图书馆座位，发现座位按钮的id是动态生成的（seat_12345这样的格式），XPath用//div[contains(@id,'seat_')]就匹配到了所有座位。
三、变量与数据类型：让RPA记住你的学号课表
变量就是让流程"记住"一些信息。你的学号、密码、喜欢的座位号，都要存在变量里。
数字类型用来存座位号、课程节次这些。字符串用来存学号、密码、课程名称。
# 学号和密码存在字符串变量里student_id="2021012345"password="your_password"[video(video-vJZVOqYC-1783321038748)(type-csdn)(url-https://live.csdn.net/v/embed/525000)(image-https://v-blog.csdnimg.cn/asset/23da3fe1f67a47106d725406cfde9a97/cover/Cover0.jpg)(title-拼多多店群自动化上架方案)]列表用来存一周的课程安排，或者一批要预约的日期：
# 周一的课程列表monday_schedule=["高等数学","大学英语","程序设计"]字典用来存课程表和教室的对应关系，这个我在做课表导入的时候用得非常多：
# 课程-教室映射course_room={"高等数学":"教一楼201","大学英语":"教三楼105","程序设计":"机房A"}JSON处理在对接学校API的时候会用到。有些学校的系统有开放接口，返回的是JSON格式，要先转成JSON对象才能提取字段。
我当时踩过的坑：变量名用中文还是英文？我的建议是统一用英文或者统一用中文拼音，不要混着来。我见过有人用var1、var2这种命名，一周后再看自己都看不懂了。
四、流程控制：让抢座流程会"思考"
流程控制就是让机器人会判断、会重复。抢图书馆座位的逻辑是：“如果座位可用就点预约，不可用时就等一会儿再刷新看看”。
If条件判断的基本用法：
# 抢座逻辑seat_available=Trueifseat_available:print("点击预约")else:print("等待刷新")循环有四种，各种场景都要会：
For次数循环：你知道要循环几次的场景。比如预约一周的座位，循环7次。
ForEach列表循环：你有一批数据要逐个处理。比如课表里有5门课，逐个添加到日历里。
While条件循环：不知道要循环多少次。比如刷新页面直到座位变为可预约状态，就用While循环。
相似元素循环：页面上有一排座位按钮，用相似元素循环逐个检查每个座位的状态。
# While循环实现"等座位释放"whileseat_taken:time.sleep(30)# 等30秒refresh_page()# 刷新页面seat_taken=check_seat_status()# 重新检查Try-Catch我建议在所有关键步骤都加上。网络断了、页面卡了、学校服务器崩了——这些意外情况都要能优雅地处理，而不是直接崩溃。
我第一次写抢座流程没加Try-Catch，跑了一晚上，半夜学校服务器维护了，流程直接报错停了。第二天早上起来发现什么都没抢到。
五、网页自动化：搞定学校内网系统
学校的内网系统大多是老旧的Web页面，有很多坑。这一节把我踩过的坑全部告诉你。
等待策略非常重要。学校服务器响应慢，不能点完就立刻下一步。我一般用"元素出现再继续"，等待时间设5-10秒。
弹窗处理在学校系统里特别常见。有些学校系统会弹"欢迎使用"的提示框，要手动点掉才能继续。
我总结的弹窗处理流程：先Try-Catch包住操作，Catch里判断弹窗是否存在，存在就点关闭。如果关不掉，发ESC键。还不行就用图像识别点关闭按钮。
翻页在采集学术资源的时候会用到。知网、万方的搜索结果有好几页，要自动翻页采集。
不确定总页数的处理方式：判断"下一页"按钮是否可点击（disabled属性），可点击就继续翻，不可点击就停止。
//a[@class='next-page' and not(contains(@class,'disabled'))]懒加载在学术资源网站很常见。滚动页面才会加载更多论文。处理方案：先记当前论文数量，然后向下滚动，再统计一次，数量不变就说明加载完了。
iframe在学校系统里非常常见。有些学校把登录框放在iframe里，不切换到iframe是捕获不到登录输入框的。
窗口切换：有些学校系统点击"查看详情"会弹出新窗口，要用"切换到指定窗口"指令。
六、数据处理：课表和学术资源的格式化
学生党用RPA，数据处理主要做两件事：课表整理和学术文献信息提取。
Excel读写是最常用的。把学校系统里的课表导出成Excel，或者把采集到的论文信息存入Excel。
# 用Python处理课表Excelimportpandasaspd# 读取课表df=pd.read_excel("课表.xls")# 按星期几排序df=df.sort_values("星期")# 保存df.to_excel("课表_整理后.xls",index=False)文本提取与清洗，在采集论文摘要的时候非常有用。知网的论文页面源码里，摘要藏在meta标签或者div里，用正则表达式能提取出来：
importre html="<meta name='description' content='本文研究了...'>"abstract=re.findall(r"content='(.+?)'",html)[0]JSON解析在调用学术API的时候用到。有些学校买了知网的API接口，返回JSON格式，要解析后提取标题、作者、摘要。
数据库连接我用MySQL存我采集的论文数据，方便按关键词搜索。五个常见报错：
- 连接超时——学校内网有时候不稳定，加热重试
- 中文乱码——连接串加charset=utf8mb4
- 字段超长——摘要很长的论文，数据库字段要设够长
- 批量插入失败——用executemany，不要一条条插
- 连接泄漏——用完必须关闭连接
七、鼠标键盘图像自动化：处理非网页场景
学校有一些系统不是网页版的，是桌面客户端。这时候要用鼠标键盘模拟。
模拟模式和驱动模式的区别：模拟模式快但容易被检测，驱动模式慢但更真实。学校系统一般不检测，两种都可以。
图像识别在图书馆预约系统里非常好用。有些学校的预约系统是Flash做的（虽然Flash已经死了，但有些老系统还在用），网页元素捕获不到，只能用图像识别。
# 图像识别点击"预约"按钮# 截取"预约"按钮的图片保存为 reserve_btn.png# 等待图片出现(reserve_btn.png)# 点击图片(reserve_btn.png, 锚点=中心)我记得当时学校的图书馆系统，预约按钮是用Canvas绘制的，任何网页元素捕获工具都抓不到。最后用图像识别解决了，准确率大概95%，剩下的5%加个重试逻辑就稳了。
锚点9位置+偏移：图像识别默认识别图片中心，但有些按钮点中心没反应（比如预约按钮左边是图标右边是文字，点文字才有效），这时候要用偏移。
八、进阶技能：学术资源采集的高阶玩法
HTTP请求对接学术数据库API。知网、万方、维普都有API接口（学校买了的话），直接调API比网页抓取稳定得多。
importrequests# 知网API示例（伪代码，实际需要学校授权）url="https://api.cnki.net/_search"params={"keyword":"机器学习","year":"2023-2024"}resp=requests.get(url,params=params)papers=resp.json()["data"]["list"]Python协同方面，我用Python做了文献关键词提取。采集到一堆论文标题和摘要之后，用jieba分词提取关键词，帮我快速了解一个领域的研究热点。
importjieba.analyse text="本文研究了基于深度学习的图像识别方法..."keywords=jieba.analyse.extract_tags(text,topK=5)print(keywords)OCR文字识别用来处理扫描版PDF论文。有些论文是图片格式的PDF，要用OCR把文字识别出来才能搜索。
ADB手机自动化用来在手机上操作知网手机版。有些学校买了知网移动版，在手机上能免费下载论文，用RPA自动下载。
TEMU店群如何管理运营？
九、平台实战：学术资源采集的完整流程
知网采集是我做过的最复杂的学术采集项目。流程是：搜索关键词 → 逐一点开论文详情 → 采集标题、作者、摘要、引用量 → 下一页 → 循环。
知网的反爬措施比较严。我的方案：每次操作之间加随机等待（2-5秒），模拟真人浏览；不要高频访问，一小时控制在100篇以内；用学校IP访问（在学校内网环境下跑流程）。
万方和维普的结构类似，但页面元素不一样，XPath要重新写。我建议把三个平台的采集流程分别封装成子流程，主流程按顺序调用。
图书馆资源除了知网，还有超星电子书、读秀学术搜索等。超星的页面是动态加载的，要处理懒加载。
十、系统联动：课表通知和团队共享
飞书消息通知用来每天提醒今天的课程。流程每天早上7点自动运行，读取当天课表，发飞书消息提醒。
飞书多维表格用来和室友共享课程信息。我们宿舍四个人，每个人的课表都存在多维表格里，可以方便的找到大家都有空的时间。
邮件发送用来把采集到的论文清单发给导师。有些导师不喜欢飞书，习惯用邮件，所以要支持邮件发送报告。
定时任务配置：课表提醒是每天早上7点跑；图书馆抢座是每天晚上11:55开始跑（12点开放预约）；学术资源采集是每周跑一次，追踪某个关键词的最新论文。
十一、工程化与规范：学生项目的自我管理
子流程封装：我把抢座流程拆成了登录子流程、查询座位子流程、预约子流程、通知子流程。这样做的好处是调试方便，哪个环节出问题改哪个。
调试技巧：打断点是最基本的。我还会在关键步骤后面加"打印日志"，把当前状态输出出来。比如"当前正在预约日期：2024-03-15"，出问题的时候一看日志就知道卡在哪了。
命名规范：变量名要有意义。room_number比a好，course_name比b好。这个问题在流程复杂之后会非常明显——你一周后再看，完全看不懂a、b、c代表什么。
版本选择：学生用社区版就够了。如果学校买了企业版授权（有些高校买了影刀的教育版），可以用企业版，功能更多。
流程模板化：我做了抢座模板、课表模板、学术采集模板，新需求来了在模板基础上改，效率提升很多。
十二、速查表与常见报错：学生党常见问题汇总
元素定位失败：学校系统多用动态id，不要用id定位，改用class或者文字定位。
XPath语法报错：学校系统的页面 often 有命名空间（xmlns），导致XPath失效。解决方案是在XPath开头加/*[local-name()='xxx']，或者直接用CSS选择器。
Excel报错：学校导出的课表经常是.xls格式（老版Excel），要用对应的指令读取，不要用.xlsx的指令。
循环报错：采集学术资源的时候，If判断漏掉了一些边界情况（比如某篇论文没有摘要），导致流程中断。解决方法是所有数据采集步骤都用Try-Catch包起来。
弹窗拦截：学校系统经常弹出"温馨提示"之类的弹窗，要用"处理浏览器弹窗"指令。
网络问题：学校内网有时候不稳定，所有HTTP请求和页面跳转都要加固态等待或者重试逻辑。
我整理了一份学生党常用的XPath和CSS速查表，放在 home.linyan.cloud，需要的话可以自取。
#影刀RPA #RPA教程 #学生党 #图书馆抢座 #学术采集
作者：林焱