Python网络爬虫之验证码

Python网络爬虫之验证码

反爬机制：验证码。识别验证码图片中的数据，用于模拟登录操作。

识别验证码的操作：

——人工肉眼识别。获取验证码图片，用肉眼识别出验证码。（不推荐）

——第三方自动识别（推荐）

超级鹰：

——注册：普通用户

——登录：普通用户

1、题分查询，不够充值

2、创建一个软件

3、下载示例程序

使用验证码识别平台识别验证码的编码流程：

——将验证码图片进行本地下载

——调用平台提供的示例代码进行图片数据识别

http/https协议有种特性为：无状态。通俗理解，当你模拟登录后，再对登陆后的网页进行发起请求时，无法请求到页面数据。这是因为服务器在你模拟登陆成功后，并没有记录你的状态为登陆成功。当你发起第二次基于个人主页页面请求的时候，服务器并不知道，该请求是基于登陆状态下的请求。

解决方法：

cookie：用于让服务器端记录客户端的相关状态。

——手动处理：通过抓包工具获取cookie值，并将该值封装到headers中。

——自动处理：

1、cookie值的来源？

模拟登录post请求后，由服务器端创建。

2、session会话对象：

作用：（1）可以进行请求的发送。（2）若请求过程中产生了cookie，则该cookie会被自动存储/携带在该session对象中。

3、处理流程：

（1）创建一个session对象：session = requests.Session()

（2）使用session对象进行模拟登录post请求（cookie就会被存储在session中）

（3）session对象对个人主页对应的get请求进行发送（携带了cookie）