tesseract识别验证码并使用账号密码登录古诗文网

import logging
import re
from time import sleep
import requests
from PIL import Image
from fake_useragent import UserAgent
from pytesseract import image_to_string


class RecognizeCode(object):
    """使用tesseract识别图片的验证码"""

    @staticmethod
    def filter_color(img_path):
        """对图片颜色进行处理"""
        img = Image.open(img_path)
        img = img.convert('L')  # 转化为黑白图片
        img = img.point(lambda x: 0 if x < 140 else 255)  # 二值化处理，小于某个值的为黑色，否则为白色
        img.save(img_path)  # 保存并覆盖原文件

    def to_text(self, img_path):
        """识别图片中的验证码"""
        self.filter_color(img_path)  # 图片颜色过滤
        code = image_to_string(Image.open(img_path), lang='enm')  # 识别验证码并返回字符串
        if code:  # 识别成功返回验证码字符串
            return code.strip().lower()  # 去除换行符并转化成小写


class GuShi(object):
    """使用账号、密码、验证码登录古诗文网，并验证是否登录成功
    注意：由于tesseract识别精度有限，验证码错误会导致登录失败，因此需要使用循环进行不断识别验证登录，直到登录成功
    """

    user = ''  # 账号
    password = ''   # 密码

    def __init__(self):
        self.s = requests.Session()  # 实例化session对象，用于保持会话
        self.headers = {'User-Agent': UserAgent().random}   # 随机请求头

    def get_code(self):
        """识别图片中的验证码并返回"""
        url = 'https://so.gushiwen.cn/RandCode.ashx'  # 验证码图片地址
        while True:
            # 对图片地址发送网络请求
            r = self.s.get(url, headers=self.headers).content
            # 把图片保存到本地，注意图片格式，png格式进行图片二值化处理有问题
            with open('code.gif', 'wb') as f:
                f.write(r)
            # 使用识别图片验证码的类获取验证码字符串并返回，识别失败会返回None
            code = RecognizeCode().to_text('code.gif')
            print('识别的验证码为：', code)
            # 如果返回的是字符串，终止循环并返回结果；否则继续循环，直到返回字符串结果
            if code:
                return code  # 字符串中有换行符，去除换行符
            sleep(1)  # 设置休眠时间，降低请求频率

    def get_viewstate(self):
        """获取表单数据中所需要的两个值并返回"""
        url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
        r = self.s.get(url, headers=self.headers).text
        viewstate1 = re.findall(r'id="__VIEWSTATE" value="(.*?)" />', r)[0]
        viewstate2 = re.findall(r'id="__VIEWSTATEGENERATOR" value="(.*?)" />', r)[0]
        return viewstate1, viewstate2

    def login(self, viewstate1, viewstate2, code):
        """使用post请求进行登录"""
        url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
        # 构建表单数据
        data = {
            '__VIEWSTATE': viewstate1,
            '__VIEWSTATEGENERATOR': viewstate2,
            'from': 'http://so.gushiwen.cn/user/collect.aspx',
            'email': self.user,   # 用户账号
            'pwd': self.password,  # 密码
            'code': code,   # 验证码
            'denglu': '登录'
        }
        self.s.post(url, data=data, headers=self.headers)  # post请求

    def get_data(self):
        """验证登录是否成功，成功并返回True;否则返回False"""
        url = 'https://so.gushiwen.cn/user/collect.aspx'
        r = self.s.get(url, headers=self.headers).text
        if '我的收藏' in r:
            print('登录成功')
            return True
        logging.warning('登录失败')
        return False

    def run(self):
        """执行方法"""
        # 1.获取构建表单的两个值
        viewstate1, viewstate2 = self.get_viewstate()
        while True:
            # 2.获取验证码
            code = self.get_code()
            # 3.post请求进行登录
            self.login(viewstate1, viewstate2, code)
            # 4.验证登录是否成功，成功即退出循环，否则继续循环
            if self.get_data():
                break


if __name__ == '__main__':
    GuShi().run()