豆瓣python-利用Python实现豆瓣刷帖效果

由于在豆瓣发了个租房帖子，发现很快就被其他的帖子淹没，但是手动顶帖实在太累，?，所以想通过自动顶帖的方式来解放双手！

评论请求分析

通过Chrome network 分析

需要带5个参数，其中 ck 是 cookie 里面的值，rv_comment 是 评论

返回302代表重定向

Python 模拟请求：

直接运行即可。

但是多运行几次就会发现，返回的状态码是200，而且没有顶帖成功。实际上是触发了豆瓣的防爬虫。

触发了豆瓣验证码

而且在我们顶帖的时候发送请求的时候还带有 captcha-solution 和 captcha-id 字段。

目前发现，每次评论就算相隔1分钟，只要满3次，就一定会弹出这个验证码进行验证。

验证码解析

遇到验证码我们就来破解验证码。

tesserocr

识别图形验证码需要安装tesserocr这个库，下面介绍下tesserocr。

tesserocr是Python的一个OCR识别库，但其实是对tesseract做了一层Python Api的封装，核心还是tesseract，所以在安装tesserocr之前，需要先安装tesseract。Tesseract(/"tes?r?kt/) 这个词的意思是”超立方体”，指的是几何学里的四维标准方体，又称”正八胞体”，是一款被广泛使用的开源?OCR?工具。

在Mac下，使用 brew 安装

brewinstalltesseract--all-languages

接下来再安装tesserocr即可：

brewinstallimagemagickpipinstalltesserocr pillow

Python 代码如下：

验证的图片如下：

douban-captcha-example1

结果无法识别。

换一张简单的图片试试：

结果如下：

5594

看来 Tesseract 只能识别一些简单的验证码，不适合豆瓣验证码识别。

试试识别验证码平台。

注意：

支持2.7.+及3.+

配置流程：

先开通个百度的账号；

开通文字识别服务，打开后点击立即使用：https://cloud.baidu.com/product/ocr.html

点击步骤2，应该有个信息确认的，确认后，会进入到用户个人首页，向下滑动，直接点击文字识别:

点击创建应用，输入一堆内容后，点击确认即可，然后点击我的应用，这里面的API Key?跟Secret Key需要使用到:

点击右上角，用户中心，用户ID也需要用到:

需要的信息准备好了，pip?安装一波

Python pip install baidu-aip

测试一波

验证的图片如下：

douban-captcha-example1

结果走一波：

{"log_id":3968431492157876638,"words_result_num":1,"words_result": [{"words":" minute:"}]}

从结果可以看出识别出了这个验证码。

words_result_num?是识别结果数

words_result?是定位和识别结果数组

words?是识别结果字符串

再来试试

douban-captcha-example2

结果如下：

{"log_id":5251449865676063710,"words_result_num":0,"words_result": []}

没有识别出来，可以看到对于复杂一些的验证码还是会出现无法识别的情况，但是胜在免费。