Python爬虫之破解验证码

爬虫之验证码
一：将验证码的图片保存到本地，在客户端手动输入验证码
思路：（1）就像爬取图片一样首先找到验证码所在图片的URL，发送请求，获取响应，将结果保存在本地
（2）模拟浏览器发送post，输入验证码，模拟登陆成功
注意问题：
以古诗文网为例：
（1）：由于formdata 表单数据中
‘__VIEWSTATE’: ‘__VIEWSTATEGENERATOR’: 需要重新从网页源码中获取相当于模拟登陆的令牌
（2）提取到的验证码的URL不变但是他的对应的验证码却在变化，所以可能和session有关所以我们创建一个会话

在这里         import requests
    				from bs4 import BeautifulSoup
    				import urllib.request
    				#下载验证码到本地
    				headers={
    				    'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.80 Safari/537.36'
    				}
    				def get_code(s):
    				    url='https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'
    				    response=s.get(url=url,headers=headers)
    				    soup=BeautifulSoup(response.text,'lxml')
    				    img_src='https://so.gushiwen.org'+soup.find('img', id="imgCode")['src']
    				    r=s.get(img_src,headers=headers)
    				    #print(img_src)
    				    #下载到本地
    				    # urllib.request.urlretrieve(img_src,filename='code.png')
    				    with open('code.png','wb')as f:
    				        f.write(r.content)
    				    view=soup.find('input',id='__VIEWSTATE')['value']
    				    views=soup.find('input',id="__VIEWSTATEGENERATOR")['value']
    				    return view,views
    				def go_website(view,views,s):
    				    url='https://so.gushiwen.org/user/login.aspx?from='
    				    #输入验证码
    				    code=input('请输入验证码:')
    				    form_data={
    				        '__VIEWSTATE':'view',
    				        '__VIEWSTATEGENERATOR': 'views',
    				        'from':'',
    				         'email': '15991692199',
    				        'pwd': 'zhangye520',
    				        'code': 'code',
    				        'denglu': '登录'
    				    }
    				    r=s.post(url=url,headers=headers,data=form_data)
    				    #print(r.text)
    				    with open ('gushiwen.html','w',encoding='utf-8') as f:
    				        f.write(r.text)
    				
    				def main():
    				    #创建会话
    				    s=requests.Session()
    				    # 定义一个函数
    				    view,views=get_code(s)
    				    #登录到此网站
    				    go_website(view,views,s)
    				
    				if __name__ == "__main__":
    				    main()

（二）：利用tesseract验证码光学识别，准确率相对来说也不是很高
基本就是这个流程，首先你必须安装pillow和pytesseract这两个第三方库
#验证码光学识别
import pytesseract
from PIL import Image
from PIL import ImageEnhance
img=Image.open(‘5.png’)
# 更进一步的处理
img=img.convert(‘RGB’)
enhancer=ImageEnhance.Color(img)
enhancer=enhancer.enhance(0)
enhancer=ImageEnhance.Brightness(enhancer)
enhancer=enhancer.enhance(2)
enhancer=ImageEnhance.Contrast(enhancer)
enhancer=enhancer.enhance(8)
enhancer=ImageEnhance.Sharpness(enhancer)
enhancer=enhancer.enhance(20)
#到此结束

				#转化为灰度图片
				img=img.convert('L')
				# img.show()
				# exit()
				#二值化处理
				threshold=140
				table=[]
				for i in range(256):
				    if i < threshold:
				        table.append(0)
				    else:
				        table.append(1)
				out=img.point(table,'1')
				# out.show()
				# img=img.convert('RGB')
				# 识别图片
				print(pytesseract.image_to_string(img))
（三）：利用打码平台（收费）比如云打码
（1）注册普通用户，开发者用户（均注册）

以开发者用户登录进来，我的软件——》添加新软件

（2）进入开发文档——》调用示例以及最新dll——》选择10PythonHTTP实例下载