爬虫模拟古诗文网登录（识别验证码、模拟登录）2023/1/12可用

玫川绔紫

已于 2023-01-30 13:58:07 修改

阅读量460

点赞数

分类专栏：爬虫文章标签： python 爬虫 Powered by 金山文档

于 2023-01-12 14:45:57 首次发布

本文链接：https://blog.csdn.net/m0_56676945/article/details/128659441

版权

爬虫专栏收录该内容

7 篇文章 0 订阅

订阅专栏

全部代码如下，注释交代了具体步骤

import requests
from lxml import etree
import ddddocr

# 1、获取验证码
session = requests.Session()
login_url = "https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx"
headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36 Edg/108.0.1462.76"
}
login_page_text = session.get(url=login_url, headers=headers).text
tree = etree.HTML(login_page_text)
code_img_src = "https://so.gushiwen.cn" + tree.xpath('//*[@id="imgCode"]/@src')[0]
# 2、将验证码图片保存到本地
img_data = session.get(url=code_img_src, headers=headers).content
with open('./codeImg.jpg', 'wb') as fp:
    fp.write(img_data)
# 3、利用ddddocr库进行识别验证码
ocr = ddddocr.DdddOcr()
with open('./codeImg.jpg', 'rb') as fp:
    img_bytes = fp.read()
res = ocr.classification(img_bytes)
print("---------------------------------------------------")
print('识别出的验证码为：' + res)
# 4、进行模拟登录
viewstate = tree.xpath('//*[@id="__VIEWSTATE"]/@value')[0] # 这个参数是动态的，全局搜索在源码中找到
data = {
    '__VIEWSTATE': viewstate,
    '__VIEWSTATEGENERATOR': ' C93BE1AE',
    'from': 'http://so.gushiwen.cn/user/collect.aspx',
    'email': '************',  # 你的古诗文网账号
    'pwd': '*********',  # 你的古诗文网密码
    'code': res,
    'denglu': '登录',
}
response = session.post(url=login_url, data=data, headers=headers)
print("状态码：", response.status_code)
# 5、保存成功登录后的个人信息界面的源码
response_text = response.text
with open('./古诗文网模拟登录.html', 'w', encoding='utf-8') as fp:
    fp.write(response_text)

我的运行结果：