python反爬虫应对之借助平台超级鹰突破网页验证码识别

在爬虫过程中，有些网页需要登录才能获取里面的数据，在大部分的登录过程中，都会需要一个叫验证码识别，目前的网页有各种各样的验证码，有数字加字母的组合，有物品识别等等

在代码进行网页爬取过程中，如果由人为判断验证码进行，则失去了网络爬虫的意义

网站设置验证码的作用之一就是一种反爬虫措施，但是这种措施目前仍然可以用一些技术手段进行自动识别，帮助爬虫工作者顺利突破验证码

网络上进行验证码识别的平台有很多，如云打码、超级鹰，小编用的是超级鹰，虽然它需要充值，不过识别验证码的效果还是很不错的

超级鹰：http://www.chaojiying.com/about.html

进入网页之后，进行注册登录，用户必须有题分才能享受到平台的服务，大家可以充值1块钱或者绑定微信，都会获得1000个题分，识别一次10--70题分不等，对小编来说，1块钱能用好久

充值后在用户中心--软件ID--生成一个软件ID

 其中生成的ID是后续要用的，KEY用不到

开发文档中，点击python，点击右侧下载按钮，将下载的文件解压缩，里面包含一个py文件，就是超级鹰破解验证码的代码，将它放入pycharm中就可以运行，下面具体讲解操作

我们看代码最后面

if __name__ == '__main__':
	chaojiying = Chaojiying_Client('超级鹰用户名', '密码', '软件ID')	#用户中心>>软件ID 生成一个替换 96001
	im = open('需要识别图片的路径', 'rb').read()													#本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
	print (chaojiying.PostPic(im, 验证码类型))										#1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()

其中超级鹰用户名、密码、软件ID、图片路径、验证码类型需要自己更改，其他的代码不需要管他，其中验证码类型参考http://www.chaojiying.com/price.html

注意  下载好的最后一行代码中的print少括号 需要自己加上

运行结束后，返回一个字典

 其中识别好的值，在键为pic_str中

在实际的爬虫过程中，要么用resquests抓取验证码的src路径，将其下载后传入超级鹰的图片路径，要么用seleium采取截图的方式，将浏览器的验证码图片截取下来，传入程序进行识别。当然验证码是变化的，建议使用seleium截图的方式进行，这就需要掌握seleium的操作以及截图PIL这个第三方库的基本操作

以上将识别出的值，在传入网页中需要填写的文本位置，就可以通过网页验证码这一关了

下面附上代码工作的视频，提前下载好了两个验证码进行试验

QQ录屏20210714194308