Python爬虫验证码破解实战案例（2019版）

今天跟大家聊聊如何利用Python爬虫实战爬取验证码。不知道大家是否感兴趣？

1.破解验证码常见的三种方法：

（1）把验证码下载到本地，手动输入进行破解

（2）Tesseract光学识别模块：能够自动识别验证码，准确率不高，只能识别一些简单验证码

代码测试

pip install pytesseract

pip install pillow

# 转化为灰度图片

img = img.convert('L')

img.show()

# 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')

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)

img = enhancer.enhance(20)

（3）云打码平台：

云打码

2.下面是我们用第一种方法来破解验证码：把验证码下载到本地，手动输入进行破解

前期准备工作：

爬取网站：古诗文网站 https://www.gushiwen.org/

开发环境：pycharm，python3.6

抓包工具：fiddler抓包，抓取登录接口

使用第三方模块：请求模块 requests，解析模块bs4

流程思路：

（1）首先明确我们要爬取的内容，准备好需要的开发工具和环境

（2）第一步：我们要进行模拟登录古诗文网站遇到的验证码，使用requests模块进行模拟登录，同时我们要先找到验证码的链接，下载好验证码

（3）第二步：登录发送的请求时候，我们手动输入下载好的验证码

实战代码：

首先在pycharm下导入我们需要的第三方模块：requests,bs4

模拟登录页面的验证码图片，找到页面标签。然后解析定位，下载到本地

模拟登录之前，首先先输入验证码。然后再发送登录请求。用的是requests模块，直接封装好表单数据

运行函数：

上面是截图，下面是源代码：

#导入我们需要的第三方库

import requests

from bs4 import BeautifulSoup

import urllib.request

#封装好请求头

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',

}

#下载登录页面的图片

def download_code(s):

url = 'https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'

r = s.get(url=url, headers=headers)

soup = BeautifulSoup(r.text, 'lxml')

# 得到图片链接，

image_src = 'https://so.gushiwen.org' + soup.find('img', id="imgCode")['src']

# print(image_src)

r_image = s.get(image_src, headers=headers)

with open('code.png', 'wb') as fp:

fp.write(r_image.content)

# 查找表单所需要的两个参数

__VIEWSTATE = soup.find('input', id="__VIEWSTATE")['value']

__VIEWSTATEGENERATOR = soup.find('input', id="__VIEWSTATEGENERATOR")['value']

return __VIEWSTATE, __VIEWSTATEGENERATOR

#模拟登录

def login(view, viewg, s):

post_url = 'https://so.gushiwen.org/user/login.aspx?from=http%3a%2f%2fso.gushiwen.org%2fuser%2fcollect.aspx'

# 提示用户输入验证码

code = input('哥们.麻烦你输入验证码:')

formdata = {

'__VIEWSTATE': view,

'__VIEWSTATEGENERATOR': viewg,

'from': 'http://so.gushiwen.org/user/collect.aspx',

'email': '[email protected]',

'pwd': '123456',

'code': code,

'denglu': '登录',

}

r = s.post(url=post_url, headers=headers, data=formdata)

with open('gushi.html', 'w', encoding='utf8') as fp:

fp.write(r.text)

def main():

# 创建会话

s = requests.Session()

# 下载验证码到本地

view, viewg = download_code(s)

# 向post地址发送请求

login(view, viewg, s)

if __name__ == '__main__':

main()