Python爬虫 反爬机制：验证码识别 基于cookie登录：session会话对象

验证码识别

反爬机制：验证码

验证码是门户网站使用的一种反爬机制。
识别验证码图片中的数据，用于模拟登录操作。

识别验证码

方式

1. 人工肉眼识别（不推荐，效率低）
2. 第三方自动识别

第三方自动识别

超级鹰

收费的，不能白嫖了，量力而行吧

http://www.chaojiying.com/

图鉴

tesserocr

穷逼的我选择这个-_-

tesserocr 是 Python 的一个 OCR 识别库
tesserocr其实是对 tesseract 做的一 层 Python API 封装，所以它的核心是 tesseract。
因此，在安装 tesserocr 之前，我们需要先安装 tesseract 。

tesseract 下载地址: http://digi.bib.uni-mannheim.de/tesseract
tesseract 语言包: http://github.com/tesseract-ocr/tessdata
tesseract 文档: https://github.com/tesseract-ocr/tesseract/wiki/Documentation

1、下载 tesseract ，安装

2、配置环境变量

3、安装 tesserocr（很麻烦，容易报错）

pip install tesserocr pillow

如果通过 pip 安装失败，可以尝试 Anaconda 下的 conda 来安装：

conda install -c simonflueckiger tesserocr pillow

测试：

import tesserocr
from PIL import Image

image = Image.open('image.png')
result = tesserocr.image_to_text(image)
print(result)

还可以直接调用 tesserocr 模块的 file_to_text() 方法，可以达到同样的效果：

import tesserocr

print(tesserocr.file_to_text('image.png'))

参考文章：
https://www.cnblogs.com/Jimc/p/9772930.html
http://www.xueshanlinghu.com/excellent-articles/2555.html

实战

由于特殊原因不能使用自动识别，故使用人工肉眼智能（智障）识别。

import requests
from lxml import etree

if __name__ == "__main__"