2019版Python爬虫验证码破解实战（内附详细代码）
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()