PKUAutoElective:北京大学自动选课完全指南
副标题:3大核心场景+5个避坑技巧
一、核心价值:解决选课四大痛点
在北京大学的选课过程中,学生常常面临诸多挑战,PKUAutoElective 应运而生,针对性地解决了以下核心痛点:
1.1 抢课激烈,手动操作反应迟缓
面对热门课程,手动刷新页面、填写验证码的速度往往难以与其他同学竞争。PKUAutoElective 能够以毫秒级的速度自动执行选课操作,大大提高了成功选课的几率。
1.2 验证码识别困难,耗费时间精力
选课系统的验证码通常较为复杂,人工识别不仅耗时,还容易出错。该工具集成了专门训练的 CNN 模型(一种图像识别算法),实现了接近 100% 的验证码识别准确率,无需人工干预。
1.3 多账号、多身份选课管理繁琐
对于需要同时为多个账号或不同身份(如本科生、研究生)选课的情况,手动切换账号和配置非常麻烦。PKUAutoElective 支持多进程下的多账号/多身份选课,简化了管理流程。
1.4 选课规则复杂,难以灵活应对
不同课程可能有不同的选课规则,如互斥课程的选择、热门班级与冷门班级的权衡等。该工具允许用户自定义选课规则,满足个性化的选课需求。
二、环境搭建:5分钟初始化工作环境
2.1 环境校验:检查 Python 版本
📌 首先确认系统中已安装 Python 3。打开终端,执行以下命令:
python3 --version
预期输出:Python 3.x.x(x.x 为具体版本号,建议 3.6 及以上)
⚠️ 如果未安装 Python 3,请从 Python 官网下载并安装。
2.2 依赖安装:快速配置项目依赖
📌 下载项目代码:
git clone https://gitcode.com/gh_mirrors/pk/PKUAutoElective
cd PKUAutoElective
📌 安装除 PyTorch 外的依赖包(使用清华镜像源加快下载速度):
pip3 install requests lxml Pillow opencv-python numpy flask -i https://pypi.tuna.tsinghua.edu.cn/simple
预期输出:显示各个包的安装进度,最终提示“Successfully installed ...”
📌 安装 PyTorch: 从 PyTorch 官网选择合适的条件获取下载命令,例如:
pip3 install torch==1.8.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
预期输出:PyTorch 及其相关依赖包的安装过程,最终提示安装成功。
2.3 配置生成:创建个性化配置文件
📌 复制示例配置文件并命名为 config.ini:
cp config.sample.ini config.ini
📌 用文本编辑器打开 config.ini,根据自身情况配置 [user] 和 [course] 部分。例如:
[user]
username = 2021000000 # 你的学号
password = yourpassword # 你的密码
identity = undergraduate # 身份,undergraduate 为本科生,graduate 为研究生
[course]
course_ids = 12345, 67890 # 要选的课程 ID,多个用逗号分隔
三、功能实战:从基础到进阶的操作指南
3.1 基础操作:快速启动自动选课
📌 在项目根目录下执行以下命令启动项目:
python3 main.py
预期输出:程序启动信息,包括登录状态、选课进度等,如“登录成功...正在监控课程 12345 的名额...”
3.2 进阶技巧:自定义选课规则
3.2.1 互斥规则设置
如果你有多个备选课程,希望选上其中一门后就不再考虑其他互斥课程,可以在配置文件中添加互斥规则。例如:
[rule]
mutex_courses = 12345:67890 # 课程 12345 和 67890 为互斥关系
表示当成功选上 12345 后,将不再尝试选 67890,反之亦然。
3.2.2 延迟规则配置
对于热门班级和冷门班级的选择,可以为冷门班级设置延迟规则。例如:
[rule]
delay_courses = 67890:5 # 课程 67890 的延迟阈值为 5
表示只有当课程 67890 的当前空余人数小于等于 5 时,才会提交选课请求。
四、场景拓展:多场景应用与问题排查
4.1 多场景配置模板
4.1.1 单人选课配置模板
适用于单个学生使用自己的账号选课,配置文件示例:
[user]
username = 2021000000
password = yourpassword
identity = undergraduate
[course]
course_ids = 12345, 67890
[rule]
# 可根据需要添加互斥或延迟规则
4.1.2 多账号选课配置模板
为每个账号创建独立的配置文件,如 config_alice.ini、config_bob.ini,然后分别启动进程:
python3 main.py -c config_alice.ini
python3 main.py -c config_bob.ini
4.1.3 规则定制选课配置模板
针对有特殊选课规则需求的情况,例如同时设置互斥和延迟规则:
[user]
username = 2021000000
password = yourpassword
identity = graduate
[course]
course_ids = 11111, 22222, 33333
[rule]
mutex_courses = 11111:22222
delay_courses = 33333:3
4.2 问题排查指南
4.2.1 常见错误速查表
| 错误现象 | 可能原因 | 解决方案 |
|---|---|---|
| 登录失败 | 账号密码错误或网络问题 | 检查账号密码是否正确,确保网络连接正常 |
| 验证码识别失败 | 模型文件缺失或损坏 | 确认 model 目录下是否有 cnn.20210311.1.pt 文件,若缺失重新下载项目 |
| 选课请求提交失败 | 课程 ID 错误或选课时间未到 | 核对课程 ID,确认当前处于选课时间段 |
| 程序运行中崩溃 | 依赖包版本不兼容 | 检查依赖包版本,尝试使用项目推荐的版本 |
| 多进程运行冲突 | 配置文件路径错误 | 确保每个进程使用的配置文件路径正确且唯一 |
4.3 功能路线图
未来,PKUAutoElective 项目可能会在以下方面进行优化和拓展:
- 增加课程冲突检测功能,自动避免选到时间冲突的课程。
- 开发更智能的选课策略,根据课程历史数据预测选课成功率。
- 提供图形化用户界面,简化配置和操作流程。
- 支持更多高校的选课系统,扩大项目的适用范围。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112