python爬蟲模擬登錄的圖片驗證碼處理和會話維持

目標網站：古詩文網

登錄界面顯示：

 

 打開控制台工具，輸入賬號密碼，在ALL欄目中進行抓包

數據如下：

登錄請求的url和請求方式

 

 登錄所需參數

 

 參數分析：

__VIEWSTATE和__VIEWSTATEGENERATOR可以在登錄界面獲取，code為驗證碼，email為賬號，pwd為密碼，from為空，denglu為固定參數

分析__VIEWSTATE和__VIEWSTATEGENERATOR

 

 

 

 可通過解析登錄界面獲取

整體代碼如下：

# 引入各種庫
import requests
from lxml import etree
import pytesseract
from PIL import Image
from io import BytesIO

# 會話保持
s = requests.session()
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36'
}
# 登錄界面路由
login_url = 'https://so.gushiwen.org/user/login.aspx?from='
r = s.post(login_url,headers=headers)
res = etree.HTML(r.text)
# 獲取登錄參數
__VIEWSTATE = res.xpath('//input[@id="__VIEWSTATE"]/@value')[0]
__VIEWSTATEGENERATOR = res.xpath('//input[@id="__VIEWSTATEGENERATOR"]/@value')[0]

# 獲取驗證碼
codeimage = s.get('https://so.gushiwen.org/RandCode.ashx')

# 識別驗證碼
def get_code(data):
    img = Image.open(BytesIO(data))
    img = img.convert('L')
    captcha = pytesseract.image_to_string(img)
    print(captcha)
    img.close()
    return captcha

# 構造登錄參數
formdata = {
    '__VIEWSTATE': __VIEWSTATE,
    '__VIEWSTATEGENERATOR': __VIEWSTATEGENERATOR,
    'from': '',
    'email': '你的賬號',
    'pwd': '你的密碼',
    'code': get_code(codeimage.content),
    'denglu': '登錄'
}
# 模擬登錄
res = s.post(login_url,headers=headers,data=formdata)
# 判斷是否登錄成功，成功的話會跳轉到個人中心
if '我的收藏' in res.text:
    print('登陸成功')
else:
    print('登陸失敗')

控制台輸出：

 

 注意：文章賬號秘密是錯誤的，讀者可以自己申請賬號，

爬蟲的開始需使用

s = requests.session()

來使會話維持，否則請求的驗證碼與登錄時不同步，

驗證碼識別有成功率，不一定一次成功。

python系列教程：

鏈接：https://pan.baidu.com/s/10eUCb1tD9GPuua5h_ERjHA
提取碼：h0td