Python scrapy 爬虫入门（六）模拟登录

1 构造登录请求

构造一个登录请求，将用户登录的信息作为参数一起传递给网站服务器。但是如果登录时有验证码，这种方法就不行了。

1.1 实现

data 里面的数据是登录时提交的表单数据，可以在“开发者工具”中查看。
parse 里面处理登录是否成功的逻辑。如果登录成功，就由 parse_doulist 处理接下来的爬取数据的逻辑。
parse_doulist 处理爬取数据的逻辑，和其他爬虫逻辑一样

2 验证码识别

2.1 使用OCR识别验证码（简单的）

2.1.1 OCR环境构建

Tesseract OCR的下载和安装：下载地址为http://digi.bib.uni-mannheim.de/tesseract。下载后按照提示安装即可。
安装Python支持的OCR库：
Python中想要调用Tesseract的OCR引擎，需要安装两个库，一是pytesseract，它是Tesseract的识别库；二是Pillow，它是著名的Python图形处理库PIL（Python Image Library）的分支版本，包含了很多用于处理验证码图像的高级方法，并且还是pytesseract的依赖库。

pip install pillow
pip install pytesseract