来自 威尼斯国际官方网站 2019-11-28 04:53 的文章
当前位置: 威尼斯国际官方网站 > 威尼斯国际官方网站 > 正文

威尼斯国际官方网站POST请求登录网页,利用Pyt

前一段时间爬取一些网页数据需要获取其的验证码,然后拼接url获取数据。然后通过看其验证码形式,就是一些简单的字母加数字,然后加燥的验证码。然后网上百度了一下,Python可以做一些简单的验证码破解。具体操作如下:

威尼斯国际官方网站 ,一、登录知乎
这里用的是手机端登录的,知乎登录的链接

一:windows安装相应的包:

威尼斯国际官方网站 1

            1.先安装Pillow:pip  install Pillow

知乎登录

            2.安装tesseract-ocr:安装的下载地址:https://ask.hellobi.com/blog/tangyudi/(引用的链接地址)

威尼斯国际官方网站 2

           3.安装pytesseract: pip install pytesseract

post请求

二:环境配置,及修改pytesseract.py文件:

post请求的参数:
_xsrf:据说是防跨站请求的;
password:密码
email:登录邮箱
captcha:验证码

            1.安装上面的包时,必须配置其的环境变量。

在登录页定位到这些参数,用post在登录时传入这些参数,就可以登录了;
下面是完整代码:

             2.修改pytesseract.py的:

import requests, time
from http import cookiejar
from PIL import Image
import re

session = requests.session()
session.cookies = cookiejar.LWPCookieJar(filename='cookies.txt')
headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'
}
try:
    # 从本地文件加载cookies
    # ignore_discard的意思是即使cookies将被丢弃也将它保存下来,ignore_expires的意思是如果在该文件中cookies已经存在,则覆盖原文件写入
    session.cookies.load(ignore_discard=True)
except Exception as e:
    print('exception:', e)
    print('没有cookie信息')

def get_xsrf():
    index_url = 'https://www.zhihu.com/signin?next=/'
    # _xsrf 是一个动态变化的必要参数
    index_page = session.get(index_url, headers=headers)
    html = index_page.text
    pattern = r'name="_xsrf" value="(.*?)"'
    # 这里的_xsrf 返回的是一个list
    _xsrf = re.findall(pattern, html)
    return _xsrf[0]

def get_captcha():
    t = str(int(time.time() * 1000))
    captcha_url = 'https://www.zhihu.com/captcha.gif?r=' + t + "&type=login"
    response = session.get(captcha_url, headers=headers)
    captcha_name = 'captcha.gif'
    with open(captcha_name, 'wb') as f:
        f.write(response.content)
    im = Image.open(captcha_name)
    im.show()
    return input('请输入验证码: ')

def get_email():
    return input('请输入邮箱: ')

def get_password():
    return input('请输入密码: ')


def login(email, password, _xsrf, captcha):
    data = {
        '_xsrf': _xsrf,
        'password': password,
        'email': email,
        'captcha': captcha
    }
    login_url = 'https://www.zhihu.com/login/email'
    response = session.post(login_url, data=data, headers=headers)
    print('response.json() =', response.json())
    # 保存cookies到本地
    session.cookies.save()

def isLogin():
    # 查看用户个人信息来判断是否已经登录
    url = "https://www.zhihu.com/settings/profile"
    # 这里重定向一定要设置为false, 否则就算没有登录会被重定向到登录的地址去, 然后code就返回200了
    response = session.get(url, headers=headers, allow_redirects=False)
    code = response.status_code
    if code == 200:
        return True
    else:
        return False


if __name__ == '__main__':
    if isLogin():
        print('您已经登录')
    else:
        email = get_email()
        password = get_password()
        _xsrf = get_xsrf()
        print('_xsrf =', _xsrf)
        captcha = get_captcha()
        login(email, password, _xsrf, captcha)

              tesseract_cmd=r'C:Program Files (x86)Tesseract-OCRtesseract.exe'

运行结果:

三:在centos安装相应包:

威尼斯国际官方网站 3

   请根据这个链接进行安装:http://blog.csdn.net/diandianxiyu_geek/article/details/50522582(引用的网址)

登录成功

四代码如下:

这里是用邮箱登录的,验证码需要手动输入;

 1 # -*- coding:utf-8 -*-
 2 import sys
 3 reload(sys)
 4 sys.setdefaultencoding('utf-8')
 5 import urllib
 6 from PIL import Image,ImageEnhance
 7 import pytesseract
 8 import requests
 9 import time
10 import re
11 from lxml import etree
12 from PublicCode import search_config
13 # 破解验证码
14 #Python学习交流群125240963每天更新资料
15 t =int(round(time.time()*1000))
16 
17 def get_guid(t,second_header):
18 url='http://cri.gz.gov.cn/Search/NewGuid?t=%s'%t
19 result =requests.get(url,search_config.second_header)
20 return result.content
21 def get_image(guid):
22 url='http://cri.gz.gov.cn/Search/ValidateCode?t=1517210875615&guid=%s'%guid
23 
24 res = requests.get(url)
25 with open('1.jpg',"wb") as f:
26 f.write(res.content)
27 res = Image.open('1.jpg')
28 
29 return res
30 threshold = 150
31 table = []
32 for i in range(256):
33 if i < threshold:
34 table.append(0)
35 else:
36 table.append(1)
37 def getverify1(name):
38 im = Image.open(name)
39 imgry = im.convert('L')
40 imgry.save('g' + name)
41 out = imgry.point(table, '1')
42 out.save('b' + name)
43 string = '--tessdata-dir "C:\Program Files (x86)\Tesseract-OCR\tessdata"'
44 im = Image.open('b1.jpg')
45 enhancer = ImageEnhance.Contrast(im)
46 im = enhancer.enhance(6)
47 text = pytesseract.image_to_string(im, config=string)
48 text = text.strip('')
49 text = text.upper();
50 
51 return text
52 def main():
53 guid = get_guid(t, search_config.second_header)
54 get_image(guid)
55 date = getverify1('1.jpg')
56 return guid,date

二、自动识别验证码
python识别验证码,需要安装的模块

 

Ubuntu版本:
1、tesseract-ocr安装
sudo apt-get install tesseract-ocr
2、pytesseract安装
sudo pip install pytesseract
3、Pillow 安装
sudo pip install pillow

其他linux版本(如centos):
1、tesseract-ocr安装 没找到直接命令安装,所以需要手动下载安装包。 https://github.com/tesseract-ocr/tesseract 在上述地址中下载最新的tesseract-ocr的安装包,并解压。 通过以下命令安装:
(1)cd tesseract-3.04.01
(2)./autogen.sh
(3)./configure 注意,如果出现error: leptonica not found,需要下载安装leptonica http://www.leptonica.org/download.html
(4)make
(5)make install
(6)ldconfig
2、pytesseract安装 sudo pip install pytesseract
3、Pillow 安装 sudo pip install pillow

windows版本:
1、tesseract-ocr安装 下载,并安装。
注意:如果是64位的用户,在安装的时需要改变安装目录,如下图所示

威尼斯国际官方网站 4

安装路径

2、pytesseract安装 pip install pytesseract
3、Pillow 安装 pip install pillow

下面验证一下识别验证码:

本文由威尼斯国际官方网站发布于威尼斯国际官方网站,转载请注明出处:威尼斯国际官方网站POST请求登录网页,利用Pyt

关键词: