PKUAutoElective：智能选课与自动抢课的高效解决方案

PKUAutoElective是北京大学选课网补退选阶段的自动化工具，通过智能选课算法与自动抢课机制，帮助学生在竞争激烈的选课环节中提高成功率。该工具支持本科生（含辅双）和研究生选课，实现全流程无人值守操作。

1 核心价值解析

智能选课系统的四大优势

PKUAutoElective采用先进技术实现选课全自动化，主要优势包括：

• 全自动运行：启动后无需人工干预，支持多设备同时登录选课系统
• 验证码智能识别：基于CNN模型（卷积神经网络图像识别技术）实现99.16%的识别准确率
• 系统稳定性强：完善的错误处理机制确保程序持续运行
• 多任务并行：支持多账号同时操作，提升选课效率

图1：系统自动识别的验证码示例（实际使用中会实时处理并提交）

技术参数对比表

支持项	最低要求	推荐配置
Python版本	3.6.0	3.6.8+
内存	512MB	1GB+
网络环境	1Mbps	5Mbps+
操作系统	Windows/macOS/Linux	64位系统

2 环境搭建与快速启动

开发环境配置指南

🔧 基础依赖安装
使用国内镜像源安装核心依赖包，提升下载速度：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests lxml Pillow opencv-python numpy flask

⚠️ 注意：PyTorch需单独安装，访问其官方网站选择适配系统的版本获取安装命令。

项目部署步骤

🔧 获取项目代码
通过版本控制工具克隆项目到本地：

git clone https://gitcode.com/gh_mirrors/pk/PKUAutoElective

🔧 配置文件设置

1. 进入项目目录，复制示例配置文件：

cd PKUAutoElective
cp config.sample.ini config.ini

2. 用文本编辑器打开config.ini，配置用户信息和选课参数

🔧 启动应用程序
在项目根目录执行启动命令：

python main.py

3 实用功能与场景应用

多账号并行选课方案

当需要为多个账号选课（如帮同学选课），可通过指定不同配置文件实现多进程运行：

# 账号1运行实例
python main.py -c ./configs/account1.ini

# 账号2运行实例
python main.py -c ./configs/account2.ini

场景建议：创建独立的配置文件目录，为每个账号配置单独的选课策略，在选课高峰期前5分钟同时启动所有进程。

三种自定义选课规则

图2：系统训练使用的验证码样本（实际识别过程毫秒级完成）

规则一：课程互斥设置

适用于多个备选课程只能选其一的场景，如不同时间段的同一门课：

[rule]
mutex_courses = course1_id,course2_id,course3_id

规则二：名额阈值触发

针对热门课程设置触发条件，当剩余名额小于设定值时立即抢课：

[rule]
delay_course_id = course4_id
delay_threshold = 5

规则三：时间窗口限制

新增场景：为避免选课系统初期拥堵，设置指定时间窗口开始抢课：

[rule]
start_time = 2023-09-01 08:00:00
end_time = 2023-09-01 08:30:00

4 功能扩展与生态建设

自定义钩子函数开发

高级用户可通过编写钩子函数扩展功能，例如：

• 选课成功后发送邮件通知
• 失败时自动调整策略重试
• 自定义日志记录格式

相关代码位于项目的autoelective/hook.py文件，提供了事件触发机制。

模型优化与更新

项目提供的CNN模型文件位于model/cnn.20210311.1.pt，用户可根据实际验证码变化情况：

1. 收集新的验证码样本
2. 使用PyTorch重新训练模型
3. 替换现有模型文件提升识别率

⚠️ 模型更新后需同步测试，建议保留原始模型文件作为备份。

通过以上功能，PKUAutoElective不仅提供基础的自动选课能力，更支持根据个人需求进行深度定制，成为选课季的得力助手。