前言

2021.07.29第四章似乎不是很多，后面幾章好像也不多，

第四章

驗證碼識別

驗證碼和爬蟲之間的關系

• 反爬機制：驗證碼，識別驗證碼圖片中的資料，用于模擬登陸操作，
• 識別驗證碼的操作：
  • 人工肉眼識別，（不推薦）
  • 第三方自動識別，（推薦）
    • 云打碼（http://www.yundama.com/demo.html 支持的型別最全）
      （教程里顯示要花錢，一次識別花幾分錢，咱學的時候url已經失效了）
      （現在我找到的可以使用的是超級鷹）
• 云打碼的使用流程：（看著玩就行了，個人認為選學內容，因為網站已經進不去了，但是可以做個參考，大體的操作流程都差不多）
  • 1.注冊：普通和開發者用戶（兩個都要注冊）
  • 2.登錄：
    • 普通用戶的登錄：查詢該用戶是否還有剩余的題分
    • 開發者用戶登錄：
      • 創建一個軟體：
      • 下載示例代碼：

備注：如果使用超級鷹的話暫時不用充錢，先關注公眾號然后再系結微信就能獲得1000題分，標準的4位英文數字驗證碼識別成功只花費10題分，1000題分用來練練手已經足夠了，

實戰：識別古詩文網登錄頁面中的驗證碼，

• 使用打碼平臺識別驗證碼的編碼流程：
  • 將驗證碼圖片進行本地下載
  • 呼叫平臺提供的示例代碼進行圖片資料識別

練習代碼如下：

import requests
from lxml import html
etree = html.etree

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: 圖片位元組
        codetype: 題目型別 參考 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:報錯題目的圖片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__':
    # 將驗證碼圖片下載到本地

    url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'
    }
    page_text = requests.get(url=url, headers=headers).text
    # 決議驗證碼圖片img中src屬性值
    tree = etree.HTML(page_text)
    code_img_src = 'https://so.gushiwen.cn' + tree.xpath('//*[@id="imgCode"]/@src')[0]
    img_data = requests.get(url=code_img_src, headers=headers).content
    # 將驗證碼圖片保存到本地
    with open('./code.jpg', 'wb') as fp:
        fp.write(img_data)

    # 呼叫打碼平臺的示例程式進行驗證碼圖片資料識別
    chaojiying = Chaojiying_Client('你的賬號qwq', '你的密碼（不給你咱的）', '96001')
    # 用戶中心>>軟體ID 生成一個替換 96001
    im = open('code.jpg', 'rb').read()
    # 本地圖片檔案路徑 來替換 a.jpg 有時WIN系統須要//
    print(chaojiying.PostPic(im, 1902))
    # 1902 驗證碼型別  官方網站>>價格體系 3.4+版 print 后要加()