Python爬虫学习（四）----验证码

什么是验证码？

验证码是一种区分用户是计算机还是人的公共全自动程序。验证码可以防止：恶意破解密码、刷票、论坛灌水，有效防止某个黑客对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试，实际上用验证码是现在很多网站通行的方式，我们利用比较简易的方式实现了这个功能。
验证码是一种反爬机制。

识别验证码的操作

• 肉眼识别。
• 第三方自动识别

第三方打码平台

有很多，例如超级鹰、雯雯打码等

打码平台一般使用流程（以超级鹰为例）

超级鹰官网：http://www.chaojiying.com

- 在官网中进行注册（普通用户和开发者用户）
	- 登录开发者用户：
		- 实例代码的下载（开发文档 -> Python ->Python语言Demo下载)
		- 创建一个软件：用户中心 -> 软件ID -> 生成一个软件ID
		- 使用示例代码中的源码文件中的代码进行修改，让其识别验证码图片中的数据值

使用打码平台识别验证码流程

- 将验证码图片进行本地下载
- 调用平台提供的实例代码进行图片数据识别

案例实战

需求：识别下面网站登录页面的验证码
https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx

封账验证码识别类：CodeClass.py

from hashlib import md5
import requests


class Chaojiying_Client(object):

    def __init__(self, username, password, soft_id):
        self.username = username
        password = password.encode('utf8')

        self.password = md5(password).hexdigest()
        self.soft_id = soft_id
        self.base_params = {
            'user': self.username,
            'pass2': self.password,
            'softid': self.soft_id,
        }
        self.headers = {
            'Connection': 'Keep-Alive',
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
        }


    def PostPic(self, im, codetype):
        """
        im: 图片字节
        codetype: 题目类型 参考 http://www.chaojiying.com/price.html
        """
        params = {
            'codetype': codetype,
        }
        params.update(self.base_params)
        files = {'userfile': ('ccc.jpg', im)}
        r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files,
                          headers=self.headers)
        return r.json()


    def ReportError(self, im_id):
        """
        im_id:报错题目的图片ID
        """
        params = {
            'id': im_id,
        }
        params.update(self.base_params)
        r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)
        return r.json()

import requests
from lxml import etree
from CodeClass import Chaojiying_Client

if __name__ == '__main__':
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.129 Safari/537.36',
        # 'Connection': 'close',
    }
    url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
    page_text = requests.get(url=url, headers=headers).text

    tree = etree.HTML(page_text)
    code_img_path = 'https://so.gushiwen.cn/' + tree.xpath('//*[@id="imgCode"]/@src')[0]
    code_data = requests.get(url=code_img_path, headers=headers).content
    # 将验证码图片保存到本地
    with open('./code.jpg', 'wb') as fp:
        fp.write(code_data)
        print('验证码图片保存成功！')

    chaojiying = Chaojiying_Client('超级鹰普通用户用户名', '超级鹰普通用户密码', '创建的软件ID')
    # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
    im = open('./code.jpg', 'rb').read()
    # 1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()
    print(chaojiying.PostPic(im, 1902))