爬虫案例——使用超级鹰打码平台识别验证码
超级鹰是一个常用的打码平台,您可以按照以下步骤来使用它:
- 注册账户:首先,您需要在超级鹰网站上注册一个账户。访问超级鹰官方网站,点击页面上的注册按钮,填写必要的信息并完成账户注册。
- 登录账户:登录您的超级鹰账户。输入您的用户名和密码,然后点击登录。
- 充值:在使用超级鹰之前,您需要为您的账户充值。选择充值选项,并根据指示添加相应的资金到您的账户。您可以选择适合您需求的充值方式,如支付宝、微信支付等。
- 获取用户信息:登录后,您将获得一个用户信息页面。在这个页面上,您可以找到自己的用户ID和软件密钥,这些信息将在接下来的代码中使用。
- 下载API文档:在超级鹰网站上,您可以找到他们的API文档。下载并阅读该文档以了解如何使用超级鹰API进行图像验证码识别。
- 集成到Python代码中:根据超级鹰提供的API文档,在您的Python代码中集成超级鹰的API调用。您需要使用您的用户ID、软件密钥和图像验证码图片的路径来进行请求。
- 发送验证码:在您的代码中,使用超级鹰提供的API方法发送需要识别的验证码图片。您可以将图像文件作为参数传递给API调用。
- 获取识别结果:通过API调用,您将得到超级鹰返回的识别结果。这可能是一个包含识别到的验证码文字的字符串或其他形式。
案例:模拟带验证码登录古诗文网站
登录界面如图
分析:
登录链接为图中红框内的地址:‘https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx’
请求方式为"POST", 点击Payload可以看到Form Data,如图所示:
模拟登录之前,先讲一下我遇到的一个“坑”,第一次模拟登录,我的代码如下:
#!/usr/bin/env python
# coding:utf-8
import requests
from hashlib import md5
headers = {
'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36',
}
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 PostPic_base64(self, base64_str, codetype):
"""
im: 图片字节
codetype: 题目类型 参考 http://www.chaojiying.com/price.html
"""
params = {
'codetype': codetype,
'file_base64':base64_str
}
params.update(self.base_params)
r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, 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()
img_code_src = 'https://so.gushiwen.cn/RandCode.ashx'
with open('a.jpg', 'wb') as f:
f.write(requests.get(img_code_src,headers=headers).content) # 问题出现在这里
if __name__ == '__main__':
chaojiying = Chaojiying_Client('lxw1973', '2008-lxw', '1902') #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//
img_code = chaojiying.PostPic(im, 3004)['pic_str'] #1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()
#print chaojiying.PostPic(base64_str, 1902) #此处为传入 base64代码
login_url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
form_data = {
'__VIEWSTATE': 'hpGkuIWqzK6hlRIVTOLfCG + DZWb8hMI1wdHXVcLIRdExay5P0WqXxfvxWWJdr2WxpliHW7jypfJwBULYU6uDRxEhfsai5tpKVmB09hj8BcKjTIc5oFdK0rMBeWTENkrCYJlEYLCYfNg + d2hzRfECvDwdrig =',
'__VIEWSTATEGENERATOR': 'C93BE1AE',
'from': 'http://so.gushiwen.cn/user/collect.aspx',
'email': '1134593154@qq.com',
'pwd': '2008-lxw',
'code': img_code,
'denglu': '登录'
}
# 问题出现在这里
res = requests.post(login_url, headers=headers, data=form_data)
with open('login.html', 'w') as f:
f.write(res.content.decode())
为了显示方便,我把请求页面的响应写入一个login.html文件,然后用浏览器打开,截图如下:
为什么会出现这样的情况呢?通过分析,按F12进入开发者工具模式,在network面板下点击Cookies,如下图。
发现Cookies里面携带codezgswso这个键,问题出现在哪里?仔细分析,其实我们为了获取识别验证码,首先用超级硬requests一次,然后再post请求提交数据的时候cookies携带的验证码是又一次requests获取的,两次当然不一样了。那么如何解决这个问题呢?使用session请求,Session()可以实现会话保持。修改代码如下:
#!/usr/bin/env python
# coding:utf-8
import requests
from hashlib import md5
....
.....
# 实例化session对象,实现会话保持
session = requests.Session()
img_code_src = 'https://so.gushiwen.cn/RandCode.ashx'
....
# session请求
res = session.post(login_url, headers=headers, data=form_data)
with open('login.html', 'w') as f:
f.write(res.content.decode())
登录成功,如下图。