3步实现北京大学自动选课：从焦虑抢课到智能选课的效率革命

核心价值：为什么选择自动选课工具？

还在为抢课焦虑？北京大学自动选课工具让选课效率提升300%。在选课高峰期，手动操作不仅耗时耗力，还常常因为网络延迟或验证码输入不及时而错失心仪课程。这款工具通过**「CNN模型」**（卷积神经网络，一种深度学习技术）实现99.16%的验证码识别准确率，结合多进程架构和智能错误处理机制，让你在补退选阶段占据绝对优势。无论是本科生、辅双学生还是研究生，都能通过自动化流程解放双手，专注于课程选择本身而非操作过程。

💡 核心优势总结：告别手动刷新页面、验证码识别和重复操作，让系统7x24小时不间断工作，同时支持多设备并行访问选课系统，不影响正常使用。

5分钟上手：从环境搭建到启动运行

准备工作：环境配置

📌 步骤1：安装Python环境
确保系统已安装Python 3（推荐3.6.8版本），可通过终端输入以下命令验证：

python3 --version  # 执行后将显示Python版本号，如Python 3.6.8

📌 步骤2：安装依赖包
使用清华镜像源加速下载，在项目根目录执行：

pip3 install requests lxml Pillow opencv-python numpy flask -i https://pypi.tuna.tsinghua.edu.cn/simple
# 执行后将自动安装所有基础依赖，约需1-2分钟

📌 步骤3：安装PyTorch框架
根据系统配置从PyTorch官网获取安装命令，CPU版示例：

pip3 install torch==1.8.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
# 执行后将安装深度学习框架，用于验证码识别功能

启动流程：配置与运行

📌 步骤1：获取项目代码
通过Git克隆项目到本地：

git clone https://gitcode.com/gh_mirrors/pk/PKUAutoElective
# 执行后将在当前目录创建PKUAutoElective文件夹

📌 步骤2：创建配置文件
进入项目目录并复制示例配置：

cd PKUAutoElective
cp config.sample.ini config.ini
# 执行后将生成可编辑的配置文件

📌 步骤3：修改配置参数
用文本编辑器打开config.ini，重点配置：

• [user]部分：填写学号、密码和身份（本科生/研究生）
• [course]部分：添加目标课程代码，每行一个

📌 步骤4：启动自动选课
在项目根目录执行启动命令：

python3 main.py
# 执行后将看到程序启动日志，包含验证码识别进度和选课状态

💡 新手提示：首次运行建议先测试单门课程，确认配置正确后再添加多门课程。若遇到验证码识别失败，可检查网络连接或尝试重启程序。

场景化配置指南：从基础到高级应用

多账号配置：家庭/小组共享方案

当需要为多个账号（如家人、室友）同时选课，可通过独立配置文件实现多进程并行：

1. 为每个账号创建专属配置：

cp config.ini config_zhang.ini  # 为账号"zhang"创建配置
cp config.ini config_li.ini     # 为账号"li"创建配置

2. 分别修改各配置文件中的用户信息和课程列表

3. 打开多个终端，分别启动不同配置：

# 终端1
python3 main.py -c config_zhang.ini
# 终端2
python3 main.py -c config_li.ini
# 执行后将同时运行两个独立的选课进程，互不干扰

💡 效率技巧：可使用screen或tmux工具在后台运行多个进程，避免终端关闭导致程序中断。

智能选课规则：互斥与延迟策略

互斥规则配置

当多门课程只能选其一（如同一时间的不同课程），在config.ini中添加：

[rule]
mutual_exclusive = COURSE1001,COURSE1002,COURSE1003
# 以上课程代码用逗号分隔，选上其中一门后自动停止其他课程的选课尝试

延迟规则配置

对于热门课程和备选课程的组合，可设置冷门课程的触发阈值：

[rule]
delay_threshold_COURSE2001 = 5
# 当课程COURSE2001的剩余名额≤5时才开始尝试选课

💡 规则组合技巧：互斥规则和延迟规则可同时使用，例如将多组互斥课程分别设置延迟阈值，实现更精细化的选课策略。

生态解析：技术原理与衍生工具

技术原理	衍生工具
验证码识别：基于model/cnn.20210311.1.pt预训练模型，通过autoelective/captcha/cnn.py实现图像预处理与特征提取，达到99.16%识别率	PKUElectiveCaptcha2021Spring：专注验证码识别模块的独立项目，提供API接口供其他选课工具集成
核心选课逻辑：在autoelective/elective.py中实现选课状态监控、请求重试和错误处理，通过loop.py实现周期性任务调度	PKUElective2022Spring：针对2022年春季学期选课系统更新的优化版本，增强了反反爬机制
多进程架构：通过cli.py支持命令行参数解析，配合操作系统进程管理实现多账号并行操作	Docker部署方案：项目提供Docker/latest.Dockerfile，可快速构建容器化环境，支持服务器端长期运行

💡 技术选型启示：项目采用Python+PyTorch的轻量级组合，既保证了AI功能的实现，又降低了环境配置门槛，适合非专业用户快速上手。

通过本文指南，你已掌握北京大学自动选课工具的核心使用方法和高级配置技巧。无论是个人使用还是团队共享，这款工具都能显著提升选课成功率，让你在激烈的选课竞争中占据主动。记住，技术工具只是辅助手段，合理规划课程优先级才是选课成功的关键。