【超详细】黑板客全五关攻略

前言：最近从一篇微信文章中了解到了黑板客爬虫关卡这个网站，便去尝试了一下，以下是过程记录

代码源码在文章最后，如果觉得对您有帮助的话，希望您点个赞鼓励创作

第一关

地址：http://www.heibanke.com/lesson/crawler_ex00/

这是最初的关卡，也没有什么难度，根据提示在网址后面更替数字，会发现一层一层迭代，那么猜测需要一直迭代直到最后一个网站

显然这里考察的就是一个程序的迭代，还有简单的爬虫提取数字

程序结束标志是无法提取到数字，这里用一个异常处理就好

第二关

地址：http://www.heibanke.com/lesson/crawler_ex01/

在密码位置随意输入一个数字，点提交之后，利用开发者工具查看网络部分

这里的截图没用截全，在上面还有个请求方式POST，到这里就知道了，这一关考察的是表单的提交。

根据其Form Data构造参数，使用requests.post进行提交即可

根据其提示，密码是30以内数字，那么遍历就行了

根据其反馈的文本来判断是否需要继续循环遍历，当不是密码错误的时候就结束循环（还有可能出现的提示是 密码只有数字哦 )

第三关

地址：http://www.heibanke.com/lesson/crawler_ex02/

从第三关开始，就需要注册它这个网站了，没用登录直接访问的话会自动跳转到登录界面

发现其说比上一关多了两层保护，那么先用上一关的代码试试，发现会403，同样的思路利用开发者工具来查看

发现headers里面需要带cookies，只需要多这一步就行了（我也不知道还有层保护是什么）

第四关

地址：http://www.heibanke.com/lesson/crawler_ex03/

密码随机提交后，利用开发者工具会发现提交跟之前的没啥区别，但是新出现的页面不一样

这个网站的加载特别慢，在加上一开始的提示，我们知道这个页面最好是用多线程访问，因为每页出现的密码的位置是随机的，所以遍历13页并不一定会（可以说很大概率不会）拿到全部100位，所以多线程是很必要的

前一列是密码的位置，后面一列是密码的值

根据翻看了几页后，猜测密码大约是100位，那么我们就要不停地刷，刷满100位后排序一下就好了（或者说从1-100按序遍历就好了）

因为经过了注册，所以这一关的密码每个人都是不一样

第五关

地址：http://www.heibanke.com/lesson/crawler_ex04/

同样步骤，开发者工具启动！

Form Data中除了以往出现的三个参数，还出现了两个新参数，在输入界面尝试输入后发现，最后一个参数是验证码，那么就需要寻找倒数第二个参数

在网页源码中搜索参数变量名，发现

于是这个参数也有了

密码这里并没有提示，那么根据二三关的提示进行1-30的猜测

关于验证码，本来是打算用tesseract-ocr来解决的，奈何识别率太低了，在做训练集的时候又发现自己生成的语言库与tesseract版本不一致导致无法运行，如果有知道解决方法的小伙伴，希望能向您请教~

最后我利用了百度ocr的api接口，进行的识别，虽然识别正确率也不高，但是总归能用

源码

最后放上GitHub源码

ps：如果本篇文章对您有助的话，记得点赞评论支持哦~