网站登录一般会使用验证码来识别是否是机器操作，重复登录，消耗服务器资源。
验证码大概有以下几大类：
1：图形验证码（数字字母）
2：拖动滑块验证码
3：点击文字验证码
4：点击验证码
5：绘制图案（宫格）验证码
前四种验证码比较常见，第五种验证码我还没有遇到过。
图形验证码的识别，我这里使用云打码平台。
百度了一下，识别这种图形（由数字和字母组成）验证码，教程里边一般使用云打码平台：
我也想使用这个平台测试，但是，这个网址现在无法访问……
有同事给我推荐他之前用过的云打码平台：超级鹰 www.chaojiying.com/
这个平台也还可以，但是他不是免费的
测试的时候购买1块钱一次的体验包就可以了。
使用就比较简单了，我这里放一下官方给的文档示例
#!/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()
# 调用
chaojiying = Chaojiying_Client('xxxx', 'xxxx', '96001') #用户中心>>软件ID 生成一个替换 96001
im = open('a.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, 8001)) #1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
返回值：
{'err_no': 0, 'err_str': 'OK', 'pic_id': '8170409478072900001', 'pic_str': '7261',
'md5': 'f01b7182f1afec940fd0559970c9dd8d'}
验证码图片：
在正式的使用中，我们一般将验证码保存成如上图所示的图片，使用超级鹰进行验证码识别。
我这里识别一下古诗文网站的验证码
古诗文网站：www.gushiwen.cn/
登录页面网址：so.gushiwen.cn/user/login.…
验证码地址：so.gushiwen.cn/RandCode.as…
爬取验证码图片这就很简单了，参照《Python爬虫（三）图片数据爬取》
我这里就不啰嗦了，直接上代码：
# 1:指定url
url = "https://so.gushiwen.cn/RandCode.ashx"
# 2：模拟网络请求链接
responce = requests.get(url=url)
# 3：获取响应数据,content获取二进制数据
content = responce.content
# 4：持久化存储
with open('./yanzhengma.jpg','wb') as fe:
fe.write(content)
print('爬取完成')
# 调用
chaojiying = Chaojiying_Client('xxxxx', 'xxxx', '96001') # 用户中心>>软件ID 生成一个替换 96001
im = open('yanzhengma.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, 8001)) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
这样就可以爬取到登录页面中的二维码了。
后来发现，百度云是有ocr文字识别这个服务的。并且是免费的，这个就很棒了。但是这个我没有深入的去研究，贴张图在下边
以上大概就是使用云打码平台识别二维码的情况。
有好的建议，请在下方输入你的评论。
