从零到一：我用Python打造了一款全自动学习助手-21tb网络学院刷课助手

告别手动点击，解放你的时间

大家好，我是Jubai也叫黑夜里的白羊，欢迎来到「云雪星球」。今天想和大家分享一个我最近完成的Python项目——一个能够自动完成在线课程学习的图形化工具。从最初的原型到最终稳定版本，经历了许多技术挑战，现在终于可以拿出来和大家见见了。

背景

很多在线学习平台都有必修课程，但手动一集一集点开、等待、再关闭，实在浪费时间。尤其是当课程多达几十门时，简直让人抓狂。如果能有一个程序自动帮我们完成学习、甚至自动评价，那该多好？

但是最重要的原因是有人找到我了

技术探索之路

第一步：登录模拟

登录是第一个拦路虎。通过抓包发现，登录接口是/login/login.ajaxLogin.do，返回state: S表示成功。但直接调用API需要处理动态的hyperEspCode参数，这个参数是由前端JavaScript生成的，逆向成本高。于是我选择使用Selenium模拟真实用户登录，这样还能自动处理“继续登录”按钮等异常情况。

# 核心登录代码（简化）username_input = wait.until(EC.presence_of_element_located((By.ID, "loginName")))password_input = driver.find_element(By.ID, "password")...login_button.click()

登录成功后，通过/os/html/desktopItem/desktopItem.todayTaskContextJson.do获取用户信息，动态更新CURRENT_APP_ID等参数，这样即使平台调整应用ID，程序也能自适应。

第二步：获取课程列表

课程列表接口返回的是HTML而非JSON，需要用BeautifulSoup解析。我从中提取了每个课程的ID、标题，并根据class中包含innercan还是innerpass判断是否需要学习。

soup = BeautifulSoup(html, 'html.parser')ul = soup.find('ul', class_='track-dialog-inner-list')for li in ul.find_all('li', class_=lambda c: c and ('innercan' in c or 'innerpass' in c)):    a = li.find('a', class_='goCourseByStudy')    course_id = a['id']    need_study = 'innercan' in li['class']

同时，我在返回中增加了all_finished标志，通过检测页面中是否出现“您已完成所有阶段的学习”文本来判断整体学习是否完成。

第三步：进入课程播放页

每个课程都有一个“进入学习”的URL，但实际播放地址需要二次请求。通过/els/html/courseInfo/courseinfo.checkMsUrl.do接口，传入courseId和基础URL，就能获得最终的播放地址。

play_url = api_utils.get_course_play_url(course_id, base_enter_url)driver.get(play_url)

在播放页中，我发现真正的视频信息藏在一个iframe里，其src包含了关键的sourceId和providerCorpCode，这两个参数是后续所有请求的基础。

iframe = driver.find_element(By.ID, "aliPlayerFrame")src = iframe.get_attribute("src")# 解析出 sourceId 和 providerCorpCode

第四步：获取章节资源

每个课程可能有多个章节，每个章节可能包含多个视频。通过/tbc-rms/course/showCourseChapter接口，传入sourceId和providerCorpCode，就能获得完整的章节和资源列表。

items = api_utils.get_course_chapters(source_id, provider_corp_code)# 每个item包含 chapterId, resourceId, timeToFinish(秒), minStudyTime等

第五步：创建学习记录

对于未学习的章节，getStudyRecordList接口返回的记录列表为空。此时需要先发送一次updateCourseRecord请求，且recordId设为null，currentPosition设为0，让服务器生成学习记录。等待2秒后再次获取记录列表，就能拿到真实的recordId。

# 创建记录success = api_utils.report_progress(record_id=None, ...)time.sleep(2)# 重新获取记录列表records = api_utils.get_study_record_list(...)

第六步：循环上报进度

有了recordId后，就可以循环调用updateCourseRecord接口，每次增加currentPosition（步长和间隔可在GUI中动态调整），直到达到总时长timeToFinish。这样模拟了真实观看视频的过程，不会被服务器检测为异常。

while current < total:    current = min(current + step, total)    api_utils.report_progress(record_id=record_id, current_position=current, ...)    time.sleep(interval)

第七步：自动评价

学习完所有章节后，还需要对课程进行评价。通过两个接口完成：

• saveOnLineCourseStar.do：打5星

• saveCourseEvaluate.do：提交问卷（答案硬编码，可修改）

  

第八步：进度显示与完成判断

登录后自动刷新进度，显示总课程数、已完成数及百分比。点击“刷新进度”可手动更新。最重要的是，当服务器返回“您已完成所有阶段的学习”时，进度直接跳到100%，并停止学习。

最终成果展示

经过以上努力，我得到了一个功能完整的图形化工具。界面采用Tkinter实现，主要包含：

• 浏览器配置：无头模式、无痕模式、防止电脑休眠

• 登录配置：用户名、密码输入框，登录按钮

• 学习配置：上报间隔、每次步长、课程间隔（可实时调整）

  

• 进度显示：总课程数、已完成数、进度条、百分比

• 操作按钮：刷新进度、开始学习、停止学习

• 日志区域：实时显示运行日志，方便调试

使用教程

1. 登录：输入用户名密码，点击“登录”。首次登录可能需要处理“继续登录”按钮，程序会自动点击。

2. 开始学习：登录后点击“刷新进度”查看当前课程完成情况，然后点击“开始学习”即可自动学习所有未完成的课程。学习过程中可随时停止。

3. 参数调整：可根据网络情况调整上报间隔和步长，一般推荐间隔5秒，步长30秒。

代码结构

• config.py：配置类，包含所有API地址、固定参数。

• login.py：登录函数，处理登录流程和用户上下文获取。

• api_utils.py：API工具类，封装所有网络请求。

• course_learner.py：核心学习器，负责单个课程的学习流程。

• Shuake.py：主程序，遍历所有课程并管理进度。

• shuake_gui.py：图形界面。

• run_gui.py：启动脚本。

  

写在最后

目前这个工具已经能在目标平台上稳定运行，支持多章节、断点续学、自动评价等功能。未来可能增加更多平台的支持，或者优化自动答题（课后测试）的部分。如果你有更好的想法，欢迎在公众号后台留言交流。

最后，感谢你读到这里。如果你觉得这个项目有用，别忘了点赞、在看、分享给更多需要的朋友。关注「云雪星球」，获取更多技术干货！

（注：本工具仅供学习交流使用，请勿用于违规用途。）