python網(wǎng)絡(luò)爬蟲之模擬登錄 自動獲取cookie值 驗證碼識別的具體實現(xiàn)
發(fā)布日期：2021-12-31 10:24 | 文章來源：源碼中國
1、爬取網(wǎng)頁分析
爬取的目標網(wǎng)址為：https://www.gushiwen.cn/
在登陸界面需要做的工作有，獲取驗證碼圖片，并識別該驗證碼，才能實現(xiàn)登錄。
使用瀏覽器抓包工具可以看到，登陸界面請求頭包括cookie和user-agent，故在發(fā)送請求時需要這兩個數(shù)據(jù)。其中user-agent可通過手動添加到請求頭中，而cookie值需要自動獲取。
分析完畢，實踐開始?。?！
2、驗證碼識別
（1）基于線上打碼平臺識別驗證碼
（2）打碼平臺：超級鷹、云打碼、打碼兔
該項目使用超級鷹打碼平臺完成。網(wǎng)站鏈接：https://www.chaojiying.com/
將下載好的源碼進行封裝
3、cookie自動獲取
import requests
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36",
#手動處理cookie
# "Cookie": "acw_tc=2760820816186635434807019e3f39e1bf4a8a9b9ad20b50586fb6c8184f56; xq_a_token=520e7bca78673752ed71e19b8820b5eb854123af; xqat=520e7bca78673752ed71e19b8820b5eb854123af; xq_r_token=598dda88240ff69f663261a3bf4ca3d9f9700cc0; xq_id_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJSUzI1NiJ9.eyJ1aWQiOi0xLCJpc3MiOiJ1YyIsImV4cCI6MTYyMTIxOTc0OSwiY3RtIjoxNjE4NjYzNTE1MDI1LCJjaWQiOiJkOWQwbjRBWnVwIn0.BGdEgnctB-rv0Xiu8TxrBEshPF4w0StKOE5jKTxy8OFz_pLwNl5VK9v2e8jyU4jaQt9xZTvgsPiYYbiIgmUUpPkamuT0pITHOFoNoKFYFz0syxQMuuAa93pPvSJxeCutqod4cvdWt6f4iRjtHyjAY0zVrv3xLi2ksc9noSf9sH3eLVu9Yjr3PzbF1QDzbXyQsX7oS5Y5Iwt2p-XartCGMlKWzWz9TPiFc3oZ6o7CMWu7Tvfb5D2XGlIU6L8wlPBMwoz2Zdy_zQif9itUqoBvQjNIa3E6UYag-vlY7nNFSDJh0UCobapBjdNITBVVvwFtYn6C-R16y6O8S5iko4E59g; u=461618663543485; Hm_lvt_1db88642e346389874251b5a1eded6e3=1618663545; device_id=24700f9f1986800ab4fcc880530dd0ed; Hm_lpvt_1db88642e346389874251b5a1eded6e3=1618664825"
}
session = requests.Session() # 創(chuàng)建session對象
# 第一次使用session，捕獲請求cookie
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
page_text = session.get(url = url,headers = headers).text
# 解析驗證碼圖片地址
tree = etree.HTML(page_text)
img_src = 'https://so.gushiwen.cn/' + tree.xpath('//*[@id="imgCode"]/@src')[0]
# 將驗證碼圖片保存到本地
img_data = session.get(img_src,headers = headers).content
with open('./code.jpg','wb') as fp:
fp.write(img_data)
4、程序源代碼
chaojiying.py
#!/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: 圖片字節(jié)
codetype: 題目類型 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__':
chaojiying = Chaojiying_Client('超級鷹用戶名', '超級鷹用戶名的密碼', '96001') #用戶中心>>軟件ID 生成一個替換 96001
im = open('a.jpg', 'rb').read() #本地圖片文件路徑 來替換 a.jpg 有時WIN系統(tǒng)須要//
print(chaojiying.PostPic(im, 1902))#1902 驗證碼類型 官方網(wǎng)站>>價格體系 3.4+版 print 后要加()
sign in.py
# 模擬登錄
# 流程：1 對點擊登錄按鈕對應(yīng)的請求進行發(fā)送（post請求）
#2 處理請求參數(shù)：
# 用戶名 密碼 驗證碼 其他防偽參數(shù)
import requests
from lxml import etree
from chaojiying_Python.chaojiying import Chaojiying_Client
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36",
}
# 封裝好的驗證碼識別函數(shù)
def tranformImgCode(imgPath,imgType):
chaojiying = Chaojiying_Client('用戶名', '密碼', '軟件ID') # 用戶中心>>軟件ID 生成一個替換 軟件ID
im = open(imgPath, 'rb').read() #本地圖片文件路徑 來替換 a.jpg 有時WIN系統(tǒng)須要//
return(chaojiying.PostPic(im, imgType))['pic_str']
# 自動獲取cookie
session = requests.Session()
# 識別驗證碼
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
page_text = session.get(url = url,headers = headers).text
# 解析驗證碼圖片地址
tree = etree.HTML(page_text)
img_src = 'https://so.gushiwen.cn/' + tree.xpath('//*[@id="imgCode"]/@src')[0]
# 將驗證碼圖片保存到本地
img_data = session.get(img_src,headers = headers).content
with open('./code.jpg','wb') as fp:
fp.write(img_data)
# 識別驗證碼
code_text = tranformImgCode('./code.jpg',1902)
print(code_text)
login_url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
data = {
'__VIEWSTATE': 'frn5Bnnr5HRYCoJJ9fIlFFjsta310405ClDr+hy0/V9dyMGgBf34A2YjI8iCAaXHZarltdz1LPU8hGWIAUP9y5eLjxKeYaJxouGAa4YcCPC+qLQstMsdpWvKGjg=',
'__VIEWSTATEGENERATOR': 'C93BE1AE',
'from': 'http://so.gushiwen.cn/user/collect.aspx',
'email': '用戶名', # 更換自己的用戶名
'pwd': '密碼', # 更換自己的密碼
'code': code_text,
'denglu': '登錄'
}
# 對點擊登錄按鈕發(fā)起請求,獲取登錄成功后對應(yīng)的頁面源碼數(shù)據(jù)
page_text_login = session.post(url = login_url,data = data,headers = headers).text
with open('./gushiwen.html','w',encoding = 'utf-8') as fp:
fp.write(page_text_login)
覺得不錯的話，就點個贊吧！！😀😀
到此這篇關(guān)于python網(wǎng)絡(luò)爬蟲之模擬登錄 自動獲取cookie值 驗證碼識別的具體實現(xiàn)的文章就介紹到這了,更多相關(guān)python 模擬登錄 內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信