爬取目标网站https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx?type=s
工具:超级鹰
思路:
1.验证码的识别,获取验证码图片的数字 2.对post请求进行发送(处理请求参数) 3.对响应数据进行持久化存储
超级鹰的基本使用
在网站中注册登陆后,点击用户中心选择立即充值,简单测试玩一玩的话,充值个一块两块就足够了
然后来到开发文档,选择python
点击此处下载实例代码
下载解压之后只需要将这个文件复制到你的项目中
然后可以在项目中查看一下chaojiying.py的代码很简单的,懂得怎么使用
#!/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()
if __name__ == '__main__':
chaojiying = Chaojiying_Client('18103769469', 'hk19990223', '9198941') #用户中心>>软件ID 生成一个替换 96001
im = open('phone_number.jpg', '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, 1902)) #1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
我是把代码封装到自己的项目当中的,注释写的很清楚,可以看一看具体的思路
# -*- codeing = utf-8 -*-
# @Time : 2021/7/21 8:42
# @Author : ArthurHuang
# @File : 1.模拟登录古诗文网.py
# @Software : PyCharm
#编码流程
#1.验证码的识别,获取验证码图片的数字
#2.对post请求进行发送(处理请求参数)
#3.对响应数据进行持久化存储
import requests
from lxml import html
etree = html.etree #新版本etree现在需要这样导入
from hashlib import md5
#1.对验证码图片进行捕获和识别
# 获取网站中的验证码图片
def getimg():
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
# UA伪装:将对应的User-Agent封装到一个字典中
headers = {
"User-Agent": "Mozilla / 5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 91.0.4472.77 Safari / 537.36"
}
page_text = requests.get(url=url,headers=headers).text
# 实例化etree对象
tree = etree.HTML(page_text)
#解析验证码图片img中的src属性值
code_img_src = 'https://so.gushiwen.cn'+tree.xpath('//*[@id="imgCode"]/@src')[0]
img_data = requests.get(url=code_img_src,headers=headers).content #将验证码存储到本地
with open('./code.jpg','wb')as fp:
fp.write(img_data)
#调用超级鹰解析验证图片中的验证码,这里面就是chaojiying.py里面的代码
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()
#post请求 模拟登陆
def login():
#登录界面的url
login_url="https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx"
# UA伪装:将对应的User-Agent封装到一个字典中
headers = {
"User-Agent": "Mozilla / 5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 91.0.4472.77 Safari / 537.36"
}
#data为输入账户密码及验证码后点击登录的时候携带的数据,在游览器中查看
data = {
'__VIEWSTATE': '16wqy7i / 7NWdgU / kn0tN4HCfXBD0arO3xGRSqfDJ2ykg5E0GO66UZuv2KFK5TL7RaU5Z0Ojv22eoJLv3tb7T7kY / e8vYyywxX6Hr / Cb0Rl6K8jmNL + Mt0XhLafM =__VIEWSTATEGENERATOR: C93BE1AE',
'from': 'http: // so.gushiwen.cn / user / collect.aspx',
'email': '123456789',
'pwd': '123456789',
'code': chaojiying_img_data, #这里的验证码是超级鹰动态解析的
'denglu': '登录'
}
response = requests.post(url=login_url,headers=headers,data=data)
print(response.status_code) #状态码如果返回为200 则说明请求成功
if __name__ == "__main__":
getimg()
chaojiying = Chaojiying_Client('你自己的账户', '密码', '软件id') # 用户中心>>软件ID
im = open('code.jpg', 'rb').read() # 本地图片文件路径 来替换 有时WIN系统须要//
#print(chaojiying.PostPic(im, 1902)) #1902是验证码类型 在超级鹰官网里面查看自己所要识别验证码对应的类型 这里返回的是一个字典
#{'err_no': 0, 'err_str': 'OK', 'pic_id': '1148596006713815895', 'pic_str': 'vdm7', 'md5': '5896d3c02b9548692be301551b9bbd50'}
#我们只需要得到验证码'pic_str': 'vdm7'
chaojiying_img_data=(chaojiying.PostPic(im, 1902)['pic_str'])
print('解析到的验证码为:'+chaojiying_img_data)
login()
最后输出状态码为200 咋说明请求成功,若不是,仔细检查一下