古诗文登录验证码识别及登录

如图，识别上图验证码，打码工具为超级鹰
以下是识别验证码所需要的函数类codeClass

#!/usr/bin/env python
# coding:utf-8

import requests
from hashlib import md5


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()

http/https协议特性:无状态。
没有请求到对应页面数据的原因:
    发起的基于个人主页页面请求的时候，服务器端并不知道该此请求是基于登录状态下的请求。
cookie:用来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，将该值封装到headers中。(不建议)
    -自动处理:
        -cookie值的来源是哪里?
            -模拟登录post请求后,由服务器端创建。
        session会话对象:
            -作用:
                1.可以进行请求的发送。
                2.如果请求过程中产生了cookie，则该cookie会被自动存储/携带在该session对象中。
        -创建一个session对象:session = requests.Session()
        -使用session对象进行模拟登录post请求的发送(cookie就会被存储在session中)
        - session对象对个人主页对应的get请求进行发送（携带了cookie)

以下是具体主函数

# 将验证码图片下载到本地
import requests
from lxml import etree
from codeClass import Chaojiying_Client


# 封装识别验证码图片的函数
def getCodeText(imgPath, codeType):
    chaojiying = Chaojiying_Client('2735291402', 'fen122kang', '922352')  # 用户中心>>软件ID 生成一个替换 96001
    im = open(imgPath, 'rb').read()  # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
    result = chaojiying.PostPic(im, codeType)['pic_str']  # 1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()
    return result


session = requests.Session()
headers = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) '
                  'Chrome/73.0.3683.103 Safari/537.36 '
}
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
page_text = session.get(url=url, headers=headers).text

# 解析验证码图片中img中src属性值
tree = etree.HTML(page_text)
code_img_src = 'https://so.gushiwen.cn' + tree.xpath('//*[@id="imgCode"]/@src')[0]
img_data = session.get(url=code_img_src, headers=headers).content
# 将验证码图片保存到本地
with open('./code.jpg', 'wb') as fp:
    fp.write(img_data)

# 调用打码平台的示例程序进行验证码图片数据识别
code = getCodeText('code.jpg', 1004)
print(code)
# 模拟登录古诗文网
post_url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
data = {
    '__VIEWSTATE': '2QNXwcCYrv0G19Axv7OVoEFd1Y+2J8/NNhXzix9SFWamPpTxAKdHqSMnBfhMKWx8/Z0j8b07wMBCQA/luaiDHbHJnnDefryOpuSi7cXhR9NNvgbHwu3o3yxESw8=',
    '__VIEWSTATEGENERATOR': 'C93BE1AE',
    'from': 'http://so.gushiwen.cn/user/collect.aspx',
    'email': '182********',#自己的用户名及密码
    'pwd': '*********',
    'code': code,
    'denglu': '登录',
}
response = session.post(url=post_url, headers=headers, data=data)
print(response.status_code)
self_url = 'https://so.gushiwen.cn/user/collect.aspx'
data_text = session.get(url=self_url, headers=headers).text
with open('./denglu.html', 'w', encoding='utf-8') as fp:
    fp.write(data_text)

输出结果

验证码图片

获取到的个人信息页面