用 WorkBuddy 自动分析 12306 高铁余票：从数据抓取到报告生成

要解决的实际问题

节假日或出差时，很多人会频繁查询 12306 高铁票。但官方 APP 或网页只能一页页翻看车次，无法一次性获取整条线路的所有车次信息。如果想做余票统计、时段分析或筛选最优车次，手动复制粘贴几十上百趟车次到 Excel 再画图，效率极低。

我们真正需要回答的问题包括：

• 这条线路一天到底有多少趟 G 字头高铁？运力在各时段如何分布？
• 二等座整体紧张吗？哪些时间段的车次最容易没票？
• 最快的标杆车有哪些？它们的余票情况如何？
• 能不能直接输出一份带表格和图表的正式报告，方便存档或分享？

手动处理这些问题，半天时间就没了。而借助 WorkBuddy AI 工作台，可以把整个流程自动化：数据获取 → 清洗整理 → 可视化 → 文档生成。

工具环境说明

本次操作完全在 WorkBuddy 内部完成，无需在本地安装 Python 或其他依赖。平台提供隔离的运行环境，开箱即用。核心组件包括：

• WorkBuddy AI 工作台：支持技能调用、文件读写和脚本执行
• 内置 12306 技能：封装官方查询接口，可指定日期、车站和车次类型，返回结构化 JSON 数据
• Python 3.13 + openpyxl：将 JSON 数据导出为格式化的 Excel 表格
• python-docx + matplotlib：生成带图表和目录的 Word 分析报告

所有脚本都在平台沙盒中运行，这是该方案最大的便利之处——零环境配置。

获取原始车次数据

首先，在 WorkBuddy 中安装 12306 技能（免费）。然后输入以下指令：

@skill:12306 查询明天上海虹桥到南京南的高铁时刻和二等座余票。

系统会自动调用接口，返回结构化 JSON 数据。测试时间为 2026 年 8 月 24 日晚间，目标日期为次日（8 月 25 日），仅统计 G 字头高速动车组。

返回的部分车次示例如下：

车次	出发→到达	耗时	二等座
G2	06:43→07:58	1h15m	有
G4	07:00→08:11	1h11m	11 张
G94	08:55→09:54	59m	1 张
G100	10:04→11:03	59m	有

WorkBuddy 会将结果以 HTML 表格形式展示，点击即可查看完整列表。

数据统计与业务洞察

基于返回的 JSON 数据，我们先做整体统计：

• G 字头总车次：261 趟
• 二等座有票：236 趟（约 90.4%）
• 二等座无票：25 趟（约 9.6%）
• 首末班车：05:45 / 22:05
• 最短运行时间：59 分钟
• 显示具体余票张数的车次：13 趟

可以看出，上海虹桥至南京南是典型的公交化运营线路，平均不到 4 分钟就有一班车，整体运力非常充足。无票车次主要集中在早高峰和运行时间最短的标杆快车（59–70 分钟），这些车因耗时短、停站少而抢手。

时段分布分析

将车次按出发小时分组后发现，全天各时段均有稳定投放，二等座无票车次呈零散分布，并未出现某个大时间段整体无票的情况。这意味着只要出行时间稍灵活，避开热门标杆车，很容易买到票。

运行时长分布

绝大多数车次耗时在 1–2 小时之间。最快标杆车仅需 59 分钟，但也有个别过路车接近 6 小时。其中，运行时间 ≤70 分钟的标杆快车共 26 趟，这类车抢票压力最大。如果抢不到，选择 1–1.5 小时区间的车次，票源会宽裕很多。

生成 Excel 明细表

接下来，我们将原始数据转为格式化的 Excel 文件。使用以下 Python 脚本（已在 WorkBuddy 中运行）：

import json
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment, Border, Side
from openpyxl.utils import get_column_letter

SRC = r"C:/Users/dbrg/WorkBuddy/2026-08-24-23-38-02/query.json"
OUT = r"C:/Users/dbrg/WorkBuddy/2026-08-24-23-38-02/上海虹桥-南京南-2026-08-25.xlsx"

with open(SRC, encoding="utf-8") as f:
    data = json.load(f)

HEADERS = ["车次", "出发站", "到达站", "出发时间", "到达时间", "历时",
           "商务/特等", "一等座", "二等座", "无座", "状态"]

def fmt_dur(d):
    if not d or d == "--":
        return d
    h, m = d.split(":")
    return f"{int(h)}h{int(m):02d}m"

def fmt_status(v):
    return "可购" if v == "Y" else "不可购"

wb = Workbook()
ws = wb.active
ws.title = "高铁时刻表"

title_fill = PatternFill("solid", fgColor="1F4E78")
title_font = Font(bold=True, color="FFFFFF", size=11)
center = Alignment(horizontal="center", vertical="center")
thin = Side(style="thin", color="BFBFBF")
border = Border(left=thin, right=thin, top=thin, bottom=thin)

for c, h in enumerate(HEADERS, 1):
    cell = ws.cell(row=1, column=c, value=h)
    cell.fill = title_fill
    cell.font = title_font
    cell.alignment = center
    cell.border = border

green = PatternFill("solid", fgColor="C6EFCE")
red = PatternFill("solid", fgColor="FFC7CE")
green_font = Font(color="006100")
red_font = Font(color="9C0006")
ze_col = HEADERS.index("二等座") + 1
status_col = HEADERS.index("状态") + 1

r = 2
for t in data:
    row = [
        t.get("trainCode", ""),
        t.get("fromStation", ""),
        t.get("toStation", ""),
        t.get("departTime", ""),
        t.get("arriveTime", ""),
        fmt_dur(t.get("duration", "")),
        t.get("swz", "--"),
        t.get("zy", "--"),
        t.get("ze", "--"),
        t.get("wz", "--"),
        fmt_status(t.get("canBuy", "")),
    ]
    for c, v in enumerate(row, 1):
        cell = ws.cell(row=r, column=c, value=v)
        cell.alignment = center
        cell.border = border
    ze_val = row[ze_col - 1]
    zc = ws.cell(row=r, column=ze_col)
    if ze_val == "无":
        zc.fill = red
        zc.font = red_font
    elif ze_val not in ("--", ""):
        zc.fill = green
        zc.font = green_font
    sc = ws.cell(row=r, column=status_col)
    if row[status_col - 1] == "可购":
        sc.fill = green
        sc.font = green_font
    else:
        sc.fill = red
        sc.font = red_font
    r += 1

widths = [9, 11, 11, 10, 10, 9, 11, 9, 9, 8, 9]
for i, w in enumerate(widths, 1):
    ws.column_dimensions[get_column_letter(i)].width = w

ws.freeze_panes = "A2"
ws.auto_filter.ref = f"A1:{get_column_letter(len(HEADERS))}{r-1}"

wb.save(OUT)
print(f"已生成: {OUT}")

生成的 Excel 表格包含所有车次明细，二等座“有票”标绿，“无票”标红，并启用了自动筛选和首行冻结，方便后续查看。

生成完整 Word 分析报告

最后一步是将分析结果整合成正式文档。在 WorkBuddy 中调用 docx 技能，输入提示词：

基于docx技能基于excel数据对明日火车票余票情况进行一个全面的解读，形成一份完整的票务说明文档。

系统会运行以下脚本（节选关键逻辑）：

• 统计总车次、有票/无票比例
• 按出发小时分组计算时段分布
• 按运行时长分桶（<1h, 1–1.5h 等）
• 提取标杆车次（≤70 分钟）和推荐车次（≤80 分钟且有票）
• 使用 matplotlib 绘制饼图和柱状图
• 通过 python-docx 构建带封面、目录、章节和附录的 Word 文档

最终生成的报告包含：

• 封面与目录：自动生成，支持 Word 更新域
• 总体概述：车次总数、余票覆盖率、首末班时间
• 开行特征：高密度公交化、历时跨度、席别结构
• 余票态势：有票/无票占比饼图 + 具体余票车次表
• 时段分析：各小时车次数量与余票柱状图
• 运行时长分布：车次数量饼图 + 标杆车次余票表
• 推荐车次：运行快且有票的前 15 趟车
• 购票建议：如尽早锁定标杆车、错峰出行、关注具体余数等
• 数据说明：强调数据为动态值，仅供参考
• 附录：全部 261 趟车次的完整明细表

这份文档可直接用于内部参考或存档，省去了手动整理的繁琐过程。

流程复盘与适用场景

整套自动化流水线为：

12306 技能查询 → JSON 原始数据 → openpyxl 输出 Excel → python-docx 生成 Word 报告

相比手动操作，优势明显：

1. 数据完整：一次性获取全天所有车次，避免遗漏
2. 量化分析：所有结论基于真实数据，非主观判断
3. 产出专业：直接生成带图表的正式文档
4. 高度复用：只需修改出发站、到达站和日期，即可用于其他线路

这套模式不仅适用于高铁票务，还可扩展到其他场景，比如交通流量统计、公开 API 数据采集、定期报告自动生成等。只要数据源可通过技能或脚本访问，就能套用“拉取-处理-可视化-输出”的通用框架。

数据说明与免责

• 数据采集于 2026 年 8 月 24 日晚间，12306 余票为实时动态值，出行当日可能变化
• “有”表示余票充足但未显示具体张数；数字为真实剩余票数；“无”表示当前无票
• 仅统计 G 字头高速动车组，不含 D 字头或其他列车
• 本方案仅为技术演示，购票请以 12306 官方信息为准