爬虫案例——使用超级鹰打码平台识别验证码

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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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': '[e-mail]',
    '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。