Python2手动识别验证码的爬虫


验证码机制


验证码是网站为预防爬虫或暴力破解密码等行为而实行的简单有效的机制。一般的验证码采用的是由客户端发送GET请求,请求中包含一个13位 时间戳(下文中的例子即是如此)。时间戳起到的是区分用户的功能,举例来说,A,B两人同时发送验证码请求给服务器,之后服务器会生成两个验证码给A和B。但如果A看过之后输入的是B的验证码,那服务器当然不能让其通过验证了。这样服务器通过用户请求中的时间戳将两个验证码与两个用户的身份绑定在一起,验证时就不会出错了。最后用户输入的验证码会在表单中POST给服务器验证。
自动识别验证码不在这篇文章讨论范围以内。

欲爬虫的网站分析

爬虫之前当然需要分析要下手的网站。这里目的是要分析几点
    • 各种GET,POST方法的URL
    • 提交表单的内容
    • 该网站提交表单的流程(看奇葩流程的时候心里哭的像个一百多斤的孩子)
我就直接上例子啦。
    1. 首先打开网站,按下F12。(我用的是Chrome,不过各浏览器大同小异,不影响使用)
    2. 输入表单,点击提交。
    3. 点击工作台中的Network(如图)
点击红圈2处可以看到它是POST请求,红圈3处是验证码的请求URL,我们要的信息有这些:
至此表单内容和请求URL已经分析出来,下面看提交流程,右击网页空白,查看网页源代码。
function goLogin() {
        var sno = $("#txt_sno").val();
        var pwd = $("#txt_pwd").val();

        var b = new Base64();
        npwd = b.encode(pwd);

        var remember=0;
        if ($("#txtjzm").prop("checked"))
            remember = 1;
        var uclass = $("#txt_class").combobox("getValue");
        $('#btn_login').attr('disabled', true);
        $('#btn_login').text("正在登录...");
        AjaxPost(AjaxHandlerUrl + 'Login/LoginBySnoQuery', { sno: sno, pwd: npwd, ValiCode: $("#txtVal").val(), remember: remember, uclass: uclass }, function (result) {
            if (result.IsSucceed)
                location.href = "/User/User";
            else {
                $('#btn_login').removeAttr('disabled');
                $('#btn_login').text('登 录');
                $('#img_valiCode').attr("src", AjaxHandlerUrl + 'Login/GetValidateCode?time=' + (new Date()).getTime());
                $.messager.alert("提示", result.Msg, "warning", function () { $("#txt_sno").focus(); });
            }
        });
    }
发现网站提交表单时很nice地把密码通过Base64加密了(刚刚手动输入表单后提交会发现,控制台中的sno和ValiCode是我输入的,而pwd我输入的是00000,提交的 却是一段莫名字码), 而且提交表单实际是通过Ajax来验证的,并且验证成功后转向/User/User的地址,那么问题至此就很清晰了。

写爬虫

# -*- coding:utf-8 -*- 
import urllib.request,urllib.parse
import re
import http.cookiejar
import time
current_time=lambda:int(round(time.time()*1000))  #生成13位的时间戳
LOGIN_URL = 'http://*******/Login/Index'	#主页URL
check_url='http://********/Login/LoginBySnoQuery'	#AjaxURL
code_url='http://********/Login/GetValidateCode'    #验证码URL
user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36'
headers = {'User-Agent': user_agent, 'Connection': 'keep-alive'}
cookie = http.cookiejar.MozillaCookieJar()
handler = urllib.request.HTTPCookieProcessor(cookie)
opener = urllib.request.build_opener(handler)

request = urllib.request.Request(LOGIN_URL,headers=headers)
response = opener.open(request)#先访问一次主页,获取一下cookie
request = urllib.request.Request(code_url+'?time='+str(current_time()),headers=headers)
code=opener.open(request).read()
with open('temp.gif','wb') as f:
    f.write(code)
code=input("code:")	#请求验证码,存到本地,人工识别后输入
password='000000'.encode('utf-8')	#将密码加密
password=base64.b64encode(password)
values = {'sno': '000000', 'pwd':password,'ValiCode':code,'remember':'0','uclass':'1','json':'true'}
postdata = urllib.parse.urlencode(values).encode(encoding='UTF8')
request=urllib.request.Request(check_url,data=postdata,headers=headers)page=opener.open(request).read().decode('utf-8')	#发送验证表单
#print(page)
request = urllib.request.Request('http://******/User/User',headers=headers)#转向个人页面page=opener.open(request).read().decode('utf-8')	#登录完成
#print(page)
  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python爬虫验证码识别是指在进行爬虫时,遇到网页上设置的验证码,使用特定的技术来自动识别验证码并绕过验证码验证。这是一种非常重要的技术,在Python爬虫中起到关键作用。[2] 实现Python爬虫验证码识别可以按照以下步骤进行: 1. 下载验证码图片:首先需要准备一些验证码图片。可以通过在网络上搜索验证码图片进行下载,或者使用Python爬虫程序去爬取目标网站的验证码。例如,可以手动下载一个简单的数字验证码图片,并保存为“test.jpg”文件。 2. 图像预处理:对下载的验证码图片进行预处理,包括去噪、二值化、降噪等操作。这可以通过使用Python的图像处理库,如OpenCV,来实现。 3. 特征提取:从预处理后的验证码图片中提取特征,例如字符的形状、颜色、纹理等信息。这可以通过使用图像处理和机器学习的算法和技术来实现。 4. 训练模型:使用提取的特征和已知的验证码样本进行训练,构建一个验证码识别模型。可以使用机器学习算法,如支持向量机(SVM)或深度学习算法,如卷积神经网络(CNN)来训练模型。 5. 验证码识别:使用训练好的模型对新的验证码进行识别。可以将验证码图片输入到模型中,模型将输出对应的验证码结果。 6. 验证码绕过:根据验证码识别的结果,可以编写代码来绕过验证码验证,实现自动化的爬取。 需要注意的是,验证码识别是一项复杂的任务,识别效果可能会受到多种因素的影响,如验证码的复杂程度、噪音干扰、字体变化等。因此,在实际应用中,需要根据具体情况选择合适的处理方法和技术,以达到最佳的识别效果。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python爬虫验证码识别](https://blog.csdn.net/naer_chongya/article/details/130785840)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值