温馨小提示
全文加上代码总6.8k个字，阅读大约10分钟，谢谢你的点击，愿能解决你的问题；
前言
前几天在小猪群里，有同学问，有人知道怎么做豆瓣自动回复功能吗？然后群里就各种大神出马相助，各种填代码给资料的，也有同学说用selenium模拟下就好了等等，其实大家都说的对，伸手党固然不好，但是考虑到让一个不了解的同学去做这个事，的确有门槛，更别说查资料用selenium了；
豆瓣回复功能尝试
一开始的想法，也是用selenium的，但是想着，还是先模拟下，看看豆瓣的回复流程吧；
先打开需要回复的帖子，然后接着登录豆瓣，然后回到刚刚这个帖子上，观察下界面，回复按钮就在底部，点击发送就是评论了；
那我们就抓包看下请求吧，浏览器按F12,选择network，点击左边红色按钮两次，把之前的数据都清除；
接着就输入内容，点击发送按钮，然后查看network界面，不难找到发送评论的请求，从名字上看，也能确认是发送评论的请求；
然后看了下右边的请求数据，不难发现接口地址是：https://www.douban.com/group/topic/121989778/add_comment
复制代码而且发现，请求的时候，要带4个参数：
ck=TXEg
rv_comment=层主真帅，赞赞赞 #这个就是要回复的内容
start=0
submit_btn=发送
复制代码既然如此，那就用postman试一下吧：
请求头参数用了常规的cookie、user-agent、referer、host；
而body这块，虽然上面抓包看到有4个参数，但是实际验证只需要2个即可，发送的内容就是jbtest;
那在postman上点击send，然后在那个帖子上刷新下页面，居然能看到刚刚回复的内容
看来，豆瓣回复功能只需要调接口就行了，都不用selenium了；
既然如此，不能写出下面这代码：
import requests
#豆瓣具体帖子回复的接口，格式是帖子链接+/add_comment
db_url = "https://www.douban.com/group/topic/121989778//add_comment"
headers = {
"Host": "www.douban.com",
"Referer": "https://www.douban.com/group/topic/121989778/?start=0",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36
(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36",
"Cookie":"your cookie" #这里需要输入你自己的cookie信息，如果遇到转义字符，转
义字符前面加\即可
}
params = {
"ck": "TXEg",
"rv_comment": "jbtest11111",#或者替换成想评论的东西
}
requests.post(db_url,headers=headers, data=params)
复制代码上面的代码就是定义请求头跟body参数，像豆瓣的评论接口发一个请求即可，运行下脚本，刷新下网页：
没问题，回复功能多简单，so easy；
自动功能
嗯，回复功能可以了，那Python有没有类似定时器的功能？定时执行上面的post请求就好了？
答案是有的，那就是APScheduler；
APScheduler简介
APScheduler是Python的一个定时任务框架，可以很方便的满足用户定时执行或者周期执行任务的需求，
它提供了基于日期date、固定时间间隔interval 、以及类似于Linux上的定时任务crontab类型的定时任务。
并且该框架不仅可以添加、删除定时任务，还可以将任务存储到数据库中，实现任务的持久化，所以使用起来非常方便。
官方简介链接：apscheduler.readthedocs.io/en/3.3.1/
安装
1）利用pip安装：（推荐）
pip install apscheduler
复制代码2）基于源码安装：pypi.python.org/pypi/APSche…
python setup.py install
复制代码4种组件
APScheduler有四种组件：
1）triggers(触发器)：
触发器包含调度逻辑，每一个作业有它自己的触发器，用于决定接下来哪一个作业会运行，除了他们自己初始化配置外，触发器完全是无状态的。
2）job stores（作业存储）：
用来存储被调度的作业，默认的作业存储器是简单地把作业任务保存在内存中，其它作业存储器可以将任务作业保存到各种数据库中，支持MongoDB、Redis、SQLAlchemy存储方式。
当对作业任务进行持久化存储的时候，作业的数据将被序列化，重新读取作业时在反序列化。
3）executors（执行器）：
执行器用来执行定时任务，只是将需要执行的任务放在新的线程或者线程池中运行。
当作业任务完成时，执行器将会通知调度器。
对于执行器，默认情况下选择ThreadPoolExecutor就可以了，但是如果涉及到一下特殊任务如比较消耗CPU的任务则可以选择ProcessPoolExecutor，当然根据根据实际需求可以同时使用两种执行器。
4）schedulers（调度器）：
调度器是将其它部分联系在一起，一般在应用程序中只有一个调度器，应用开发者不会直接操作触发器、任务存储以及执行器，相反调度器提供了处理的接口。
通过调度器完成任务的存储以及执行器的配置操作，如可以添加。修改、移除任务作业。
APScheduler提供了多种调度器，常用的调度器有：
| 名称 | 场景 |
|---|---|
| BlockingScheduler | 适合于只在进程中运行单个任务的情况 |
| BackgroundScheduler | 适合于要求任何在程序后台运行的情况 |
| AsyncIOScheduler | 适合于使用asyncio框架的情况 |
| GeventScheduler | 适合于使用gevent框架的情况 |
| TornadoScheduler | 适合于使用Tornado框架的应用 |
| TwistedScheduler | 适合使用Twisted框架的应用 |
| QtScheduler | 适合使用QT的情况 |
简单的例子
from apscheduler.schedulers.blocking import BlockingScheduler
import time
# 实例化一个调度器
scheduler = BlockingScheduler()
def job1():
print "%s: 执行任务" % time.asctime()
# 添加任务并采用固定时间间隔，触发方式为3s一次
scheduler.add_job(job1, 'interval', seconds=3)
# 开始运行调度器
scheduler.start()
复制代码执行后的效果：
很简单有没有，先初始化，然后add_job，最后start就好了，那下面，再详细讲解下不同组件提供的功能吧；
定时任务
trigger提供任务的触发方式，共有3种方式：
-
date:只在某个时间点执行一次，用法：run_data(datetime|str)
scheduler.add_job(my_job, 'date', run_date=date(2017, 9, 8), args=[]) scheduler.add_job(my_job, 'date', run_date=datetime(2017, 9, 8, 21, 30, 5), args=[]) scheduler.add_job(my_job, 'date', run_date='2017-9-08 21:30:05', args=[]) sched.add_job(my_job, args=[[])
- interval: 每隔一段时间执行一次，用法：weeks=0 | days=0 | hours=0 | minutes=0 | seconds=0, start_date=None, end_date=None, timezone=None
scheduler.add_job(my_job, 'interval', hours=2) scheduler.add_job(my_job, 'interval', hours=2, start_date='2017-9-8 21:30:00', end_date= '2018-06-15 21:30:00)
@scheduler.scheduled_job('interval', id='my_job_id', hours=2) def my_job(): print("Hello World")
- cron: 使用同linux下crontab的方式，即定时任务；，用法：(year=None, month=None, day=None, week=None, day_of_week=None, hour=None, minute=None, second=None, start_date=None, end_date=None, timezone=None)
sched.add_job(my_job, 'cron', hour=3, minute=30) sched.add_job(my_job, 'cron', day_of_week='mon-fri', hour=5, minute=30, end_date='2017-10-30')
@sched.scheduled_job('cron', id='my_job_id', day='last sun') def some_decorated_task(): print("I am printed at 00:00:00 on the last Sunday of every month!")
一般来说，使用的比较多的是interval方式，可以重点留意下；
定时任务实战
1）APScheduler怎么设置范围时间任务，比如我想要在10：00~11：00这个范围的时间内随机一个时间点去执行任务
print(get_time()+"jbtest")
t= random.randint(1,10) # # 1~10秒随机
scheduler.add_job(myjob, 'interval', seconds=t,start_date='2018-09-05 10:00:00', end_date='2018-09-05 11:00:00') # 估计就满足你的需求了吧
scheduler.start()
复制代码2）如果不想具体的时间，而是某个范围的话：
3）区间直接 sched.scheduled_job('cron', day_of_week='mon-fri', hour='0-9', minute='30-59', second='*/3') 在周一到周五其间，每天的０点到９点之间，在３０分到５９分之间执行，执行频次为３秒。
任务操作
添加任务add_job
add_job可以返回一个apscheduler.job.Job实例，因而可以对它进行修改或者删除，而使用修饰器添加的任务添加之后就不能进行修改。
获得任务列表get_jobs
可以通过get_jobs方法来获取当前的任务列表，也可以通过get_job()来根据job_id来获得某个任务的信息。
并且apscheduler还提供了一个print_jobs()方法来打印格式化的任务列表。
scheduler.add_job(my_job, 'interval', seconds=5, id='my_job_id' name='test_job')
print scheduler.get_job('my_job_id')
print scheduler.get_jobs()
复制代码修改任务 modify_job
修改任务的属性可以使用apscheduler.job.Job.modify()或者modify_job()方法，可以修改除了id的其它任何属性。
job = scheduler.add_job(my_job, 'interval', seconds=5, id='my_job' name='test_job')
job.modify(max_instances=5, name='my_job')
复制代码删除任务remove_job
删除调度器中的任务有可以用remove_job()根据job ID来删除指定任务或者使用remove()，
如果使用remove()需要事先保存在添加任务时返回的实例对象，任务删除后就不会在执行。
# 根据任务实例删除
job = scheduler.add_job(myfunc, 'interval', minutes=2)
job.remove()
# 根据任务id删除
scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')
scheduler.remove_job('my_job_id')
复制代码任务的暂停pause_job和继续resume_job
暂停与恢复任务可以直接操作任务实例或者调度器来实现。
当任务暂停时，它的运行时间会被重置，暂停期间不会计算时间。
job = scheduler.add_job(myfunc, 'interval', minutes=2)
# 根据任务实例
job.pause()
job.resume()
# 根据任务id暂停
scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')
scheduler.pause_job('my_job_id') # 暂停
scheduler.resume_job('my_job_id') #恢复
复制代码任务的修饰modify和重设reschedule_job
修饰：job.modify(max_instances=6, name='Alternate name')
重设：scheduler.reschedule_job('my_job_id', trigger='cron', minute='*/5')
复制代码调度器操作
开启 scheduler.start()
可以使用start()方法启动调度器，BlockingScheduler需要在初始化之后才能执行start(),
对于其他的Scheduler，调用start()方法都会直接返回，然后可以继续执行后面的初始化操作
from apscheduler.schedulers.blocking import BlockingScheduler
def my_job():
print "Hello world!"
scheduler = BlockingScheduler()
scheduler.add_job(my_job, 'interval', seconds=5)
scheduler.start()
复制代码关闭 scheduler.shotdown(wait=True | False)
使用下边方法关闭调度器：
scheduler.shutdown()
复制代码默认情况下调度器会关闭它的任务存储和执行器，并等待所有正在执行的任务完成，如果不想等待，可以进行如下操作：
scheduler.shutdown(wait=False)
复制代码暂停 scheduler.pause()
继续 scheduler.resume()
豆瓣自动回复
看了那么多APScheduler的简介，上面也有例子了，结合第一部分豆瓣的例子，不难写出下面的代码：
import requests
from apscheduler.schedulers.blocking import BlockingScheduler
#豆瓣具体帖子回复的接口，格式是帖子链接+/add_comment
db_url = "https://www.douban.com/group/topic/121989778//add_comment"
scheduler = BlockingScheduler()
headers = {
"Host": "www.douban.com",
"Referer": "https://www.douban.com/group/topic/121989778/?start=0",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)
Chrome/68.0.3440.106 Safari/537.36",
"Cookie":"your cookie" #这里需要输入你自己的cookie信息，如果遇到转义字符，转
义字符前面加\即可
}
params = {
"ck": "TXEg",
"rv_comment": "jbtest11111",
}
def my_job():
requests.post(db_url,headers=headers, data=params)
#每隔10S就请求一次
scheduler.add_job(my_job,"interval",seconds=10,id="db")
scheduler.start()
复制代码效果如下：
的确是每隔10S发送一次，good~
做到这里，你以为完事了？
嗯，怎么说呢，如果是一个帖子的话，是完事了，但是如下是以下2种场景之一，还需要折腾：
1）同一个帖子，需要短时间内回复，这个短时间没法定义，可能
几分钟都算，除非是像正常用户几个小时回复一次就可能没问题；
2）N个帖子都要回复，而且回复间隔比较短，类似问题1；
复制代码那这两种情况，会导致什么问题？当然是触发豆瓣的防爬虫啦：
目前发现，每次评论就算相隔1分钟，只要满3次，就一定会弹出这个验证码进行验证；
获取验证码ID
按照一开始的套路，那我们F12看下输入验证码后发起请求的参数：
发现会在请求的带上一个叫 captcha-solution字段，value就是验证码内容，那我们就异想天开的试试，用postman在body上加上这个验证码参数值，看能否评论？验证码信息：
postman请求内容：
点击send，然后原来的网页刷新一下，结果如下：
对的，内容没有变，因为这样肯定是不生效的，哪有那么容易；
验证码场景：
现在有网址T，有用户A和B两个人同事访问T
T给A返回的验证码是X，给B返回的验证码是Y，这两个验证码都正确
如果A输入B的验证码，是验证不通过的
复制代码那服务器怎么区分A和B？那就是用cookie；
cookie是标示唯一身份的，比如有些网站，登录一次后会自动登录，但是如果清除了cookie，就无法自动登录了，而且这cookie是个别人不一样的； 说到这里，服务器后台生成验证码的流程就很容易理解了：
先随机生产一个随机字符串
然后和cookie绑定
再写到图片上返回给你
复制代码更多的验证码生成信息，可以读一下这篇文章；
此时，可能你有疑问，用postman的时候，cookie应该是跟PC点击发送是一样的，但是为什么还不行？
因为cookie只是最简单的绑定条件，这么看来，豆瓣还有其他条件的，那我们重新看一下，PC点击发送的时候，除了验证码，还有发送什么？
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="ck"
TXEg
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="rv_comment"
反反复复
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="img"; filename=""
Content-Type: application/octet-stream
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="captcha-solution"
produce
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="captcha-id"
woMrwYOVwn67NNfl9lv9vhRz:en
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="start"
0
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="submit_btn"
发送
------WebKitFormBoundaryDjMAMsD95W3eYF1i--
复制代码上面这些信息都是点击发送时，请求里面的body，大致看了下，之前分析的时候，少了captcha-id这个参数，猜测这是就是关键;
简单尝试了下，发现这个captcha-id每次都会不一样，而且从请求里面也看不出啥，既然这个ID可能跟验证码有绑定关系，那我们就解析下这个网页的结构，看下能不能找到这个字段？
点击F12，定位到验证码这块：
看了下右侧的属性，好像没有什么问题，想想，既然不是图片，又要绑定ID属性，那可能就是输入验证码那里了，继续看~一定位到输入验证码的框里面，嘤嘤嘤，看发现了啥，这不就是想要的captcha-id吗？
爱是怀疑，那我们就来用postman验证一下吧；
页面刷新下：哈哈哈哈，可以了，再次嘤嘤嘤~
那现在的逻辑，应该是修改成这样：
1）打开帖子页面，判断是否需要输入验证码，如果需要，获取captcha-id跟验证码，
然后post请求captcha-id和验证码
2）如果不需要输入验证码，那就直接post请求即可
复制代码既然如此，对比下需要输入验证码跟不需要验证码时的网页结构吧；
需要验证码：
不需要验证码：
对比可知，需要输入验证码的时候，会多了一个div标签，这个div标签展开了，二维码的下载链接也能找到，captcha-id也能找到，既然如此，使用xpath就能判断了，判断captcha_image，如果能获取到，就是需要验证码；
简单做了下实验，看看能不能获取到这个captcha，有以下代码：
import requests
from lxml import html
response = requests.get(db_url).content
selector = html.fromstring(response)
captcha = selector.xpath("//img[@id=\"captcha_image\"]/@src")
print(captcha)
但是结果返回的是[]，意思就是没有获取到这个值
复制代码把response打印出来，真的是没有这个值，这里且慢，一开始JB的想法是，没有这个值，就说明这块数据是JS生成的，那我们研究看下怎么获取JS生成的网页数据，然后就霹雳吧啦的介绍selenium;
事实证明，并不需要那么复杂（浪费了半天时间了。。），还是上面这串代码：
import requests
from lxml import html
response = requests.get(db_url,verify=False).content
print(response)
复制代码把response打印出来，结果发现内容长这样：
嗯，认真点看，发现都是编码过的，但是JB一开始并没有细看，一看获取是空的，就认定是JS加载的，其他这里，只需要改成这样就好了：response = requests.get(db_url,verify=False).content.decode()
复制代码效果图，这样就能看到中文了：
这个解决方案，花了半天无意发现的，算是get 到一个小点了，以后request后一定要decode，不用还用selenium就跑远了；
获取二维码下载地址
按照下面的内容，就可以写出这样的代码：
response = requests.post(db_url,headers=headers, data=params,verify=False).content.decode()
selector = html.fromstring(response)
captcha = selector.xpath("//img[@id=\"captcha_image\"]/@src")
print(captcha)
复制代码然后再想需要回复的帖子回复三次，让验证码出现，然后再执行这个脚本，不然验证码不出现，就会获取为[]的：
这样，就能获取到验证码图片啦，按照上面说的，如果是有验证码，就获取图片链接跟验证码ID，如果没有，则直接post请求，因此不难写出下面的代码；
import requests
from apscheduler.schedulers.blocking import BlockingScheduler
from lxml import html
# 豆瓣具体帖子链接
db_url = "https://www.douban.com/note/657346123/"
# 豆瓣具体帖子回复的接口，格式是帖子链接+/add_comment
db_url_commet = "https://www.douban.com/note/657346123///add_comment"
scheduler = BlockingScheduler()
headers = {
"Host": "www.douban.com",
"Referer": "https://www.douban.com/group/topic/121989778/?start=0",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36",
"Cookie":"your cookie" #这里需要输入你自己的cookie信息，如果遇到转义字符，转
义字符前面加\即可
}
params = {
"ck": "TXEg",
"rv_comment": "jbtest11111",
}
def my_job():
# 获取网页信息
response = requests.post(db_url, headers=headers, data=params, verify=False).content.decode()
selector = html.fromstring(response)
captcha_image = selector.xpath("//img[@id=\"captcha_image\"]/@src")
if(captcha_image):
print(captcha_image)
captcha_id = selector.xpath("//input[@name=\"captcha-id\"]/@value")
print(captcha_id)
else:
# 发起请求请求
requests.post(db_url_commet, headers=headers, data=params, verify=False)
# 每隔10S就请求一次
scheduler.add_job(my_job, "interval", seconds=2, id="db")
scheduler.start()
复制代码效果图：
Ok,这样就能获取到二维码图片跟图片对应的ID了，那接下来要干嘛？
识别二维码
既然能获取二维码图片，而请求的时候又要带上这个字段，那就意味着，必须先下载这个图片，然后去识别这种图片，然后放到请求上一起提交；
下载图片&命名：
import requests
import re
i = "https://www.douban.com/misc/captcha?id=9iGoXeJXeos3E1JukgkltEVp:en&size=s"
captcha_name = re.findall("id=(.*?):",i) #findall返回的是一个列表
filename = "douban_%s.jpg" % (str(captcha_name[0]))
print("文件名为："+filename)
#创建文件名
with open(filename, 'wb') as f:
#以二进制写入的模式在本地构建新文件
header = {
'User-Agent': '"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36",'
,'Referer': i}
f.write(requests.get(i,headers=header).content)
print("%s下载完成" % filename)
# urllib.request.urlretrieve(requests.get(i,headers=header), "%s%s%s.jpg" %
(dir, image_title, num))
复制代码ok，此时图片下载完成了，比如上面下载的这张，是这样的验证码：
tesserocr
那我们要识别它，就先试试tesserocr的识别率如何，有关tesserocr的文章，请点击这里了解下，里面有详细简介，这里不重复说明：
import tesserocr
from PIL import Image
#新建Image对象
image = Image.open("5.jpg")
#进行置灰处理
image = image.convert('L')
#这个是二值化阈值
threshold = 4
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
#通过表格转换成二进制图片，1的作用是白色，不然就全部黑色了
image = image.point(table,"1")
image.show()
#调用tesserocr的image_to_text()方法，传入image对象完成识别
result = tesserocr.image_to_text(image)
print(result)
复制代码经过多次调试处理，发现把二值化阈值调到4，是最优的效果，二值化后的验证码长这样：
而代码识别的结果：啧啧啧，这样定制的二值化都不行，就不再尝试了，不然每个图片都这么定制化去做，还得做？
百度OCR
既然tesserocr效果不好，那就试试百度的OCR吧，（有关百度OCR的文章，请点击这里查看）：
from aip import AipOcr
from PIL import Image
import os
""" 你的 APPID AK SK """
config = {
"appId": '',
"apiKey":'',
"secretKey":''
}
client = AipOcr(**config)
""" 读取图片 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
def get_image_str(image_path):
image = get_file_content(image_path)
""" 调用通用文字识别, 图片参数为本地图片 """
result = client.basicAccurate(image)
#结果拼接返回输出s
if 'words_result' in result:
return ''.join([w['words'] for w in result['words_result']])
if __name__ == "__main__":
print(get_image_str("5.jpg"))
复制代码直接运行后的结果：
啧啧啧，果然是BAT，果然是高精准的，能识别呢，那我们继续试试不同验证码，结果发现，下面这张运行后，什么都识别不出来（看来也不是万能的）；
既然如此，那我们把刚刚tesserocr的二值化处理放到这里，会不会有效果？代码如下：
""" 读取图片 """
def get_file_content(filePath):
# 新建Image对象
image = Image.open(filePath)
# 进行置灰处理
image = image.convert('L')
threshold = 15
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
# 通过表格转换成二进制图片，1的作用是白色，不然就全部黑色了
image = image.point(table, "1")
image.save(os.path.join(os.getcwd(), os.path.basename(filePath)))
with open(filePath, 'rb') as fp:
return fp.read()
复制代码执行后发现，识别率还是感人，其实之前也测试过，这种验证码的确存在部分记录失败的情况：
既然百度（免费）的都不行，那我们就换个收费吧，收费的打码平台，数超级鹰名气比较大了；
超级鹰
官网地址：www.chaojiying.com/
打开官网，有个免费测试，点击后发现要登录，那就先注册了；
结果发现那个免费测试还是要题分，要关注公众号绑定账号才送1000题分，这个就是免费测试，懒得折腾，直接充钱吧；
超级鹰是按量级收费，量大便宜，标准价格:1元=1000题分，不同验证码类型，需要的题分不一样，详情可以到这里查询：www.chaojiying.com/price.html#
充值后，返回到刚刚那个免费测试界面进行测试
等待一会，网页就会有弹窗：
上传的验证码如下：
对比下，结果完全正确，收费的果然牛逼，这个也是连百度的都搞不定的；
那我们换一种微博的验证码：
啧啧啧，无难度啊；
超级鹰也支持接入，首页底部有个api文档说明，点击进去发现支持各种语言，找到Python，把demo下载下来，api文档链接：www.chaojiying.com/api-14.html
源码是基于2.X写的，不难看懂，但是网上有同学重新整理下，简洁很多，就把这个代码贴出来吧，作者:coder-pig：
from hashlib import md5
import requests
# 超级鹰参数
cjy_params = {
'user': '448975523',
'pass2': md5('你的密码'.encode('utf8')).hexdigest(),
'softid': '96001',
}
# 超级鹰请求头
cjy_headers = {
'Connection': 'Keep-Alive',
'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
}
# 超级鹰识别验证码
def cjy_fetch_code(im, codetype):
cjy_params.update({'codetype': codetype})
files = {'userfile': ('ccc.jpg', im)}
resp = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=cjy_params, files=files,
headers=cjy_headers).json()
# 错误处理
if resp.get('err_no', 0) == 0:
return resp.get('pic_str')
# 调用代码
if __name__ == '__main__':
im = open('captcha.jpg', 'rb').read()
print(cjy_fetch_code(im, 1902))
复制代码执行后，发现验证码是对的，同时，一次请求大概是3S左右；
ok,验证码破解这块就到这里了，想接入超级鹰、百度，tesserocr，又或者是自己写个人工智能算法，任君选择；
豆瓣自动回复功能-终
为了效果着想，这里采用了超级鹰来破解，先看看log:
从log看到，不管是有没有验证码的情况，都是能正常评论的，那去豆瓣看看是不是真成功了？从豆瓣记录上看，嗯，破解了，good；
上面整合下就是所有的代码了；
还可以有的小优化
是不是这样就完了？
非也，因为现在我们用的是收费的，所以验证码的准确率由超级鹰担保了，但是假如用免费的，识别率感人，从用户角度，会关心哪些验证码失败，希望有个通知，此时就可以接入server酱，一旦验证码验证失败就微信通知，效果如下：
感兴趣的可以去server酱官网了解下：sc.ftqq.com/3.version
18.9.13更新
今天执行脚本发现，脚本没有报错，但是呢，执行后不会生效（对应帖子没有相关评论，而且也不会出现验证码），jb，一脸懵逼，然后用postman尝试也不行，后来通过网页模拟及postman一步步模拟后，发现问题根源是，请求的时候，body的ck字段的内容是会变化的，之前默认是写着：
"ck": "TXEg"
复制代码也许有同学好奇什么时候会变化，经测试发现，当用户退出登录后，这个字段就会变化，而对于脚本来说，肯定不会出去啦，那就转化成当cookie失效时，这个字段的内容会发生变化；
而cookie失效的解决方案也是用的，用selenium每次登录获取cookie，这样就不会存在cookie失效的情况了，但这里不介绍这点，后面在写selenium的时候再介绍；
这里会简单介绍下ck的值怎么获取的；
在网页上模拟评论，然后能获得ck的值，然后复制，去到网页的HTML搜索，就会出现这个值是怎么获取的了；
没错，就是退出按钮url的最后4个字母，这里的话，用xpath获取到这个url，再获取这4个字母就好了；
于是乎写了个xpath
selector.xpath("//div/ul/li/div/table/tbody/tr/td/a/@href")
复制代码结果发现，怎么拿都拿不到，后来response.content的内容输出看了下，的确没发现这个退出按钮的代码；
这就意味着，这块是JS生成的，想获取JS生成后的HTML，目前只能用selenium，但是这里还有个问题，selenium想拼接一个自定义的cookie是非常非常的麻烦，之前折腾很久都不行，所以这条路就放弃了；
既然selenium不指望了，那是不是还有其他法子？ 所以就拿ck这个key一路去找，结果发现cookie上有这个值：
这里面有3个值，第一个就是之前代码hardcore的内容，对比了下，我们要的值是最后一个ck的value，也做了几个重新登录的操作，如果cookie最后一个ck值变的话，那这个退出按钮的ck值也会跟着变，抛开cookie过期的想法，ck这个就直接获取cookie的最后一个ck内容；
#获取ck对应的value，通过cookie获取最后一个ck的值
def get_ck():
# 这个废了，不能用selenium
# ck_value = selector.xpath("//div/ul/li/div/table/tbody/tr/td/a/@href")
text = re.findall("ck=(.*?);",headers["Cookie"])[-1]
return text
复制代码久违的自动顶贴又回来了
小结
呼，奋斗到4点，终于撸完了，其实自动回帖功能很简单，周一下午看到，当天晚上就搞定了，然后在折腾验证码的问题，包括想尝试调优，不用收费的，结果折腾好几晚读不行，
再然后就是response的html代码问题，一开始以为是js加载的，结果发现是需要decode，跟JS一点关系都没有，其中还有一晚是整理selenium的知识，因为当时认为跟JS有关系，就搞这玩意，后面会看一本selenium的事，再整一篇selenium介绍文字吧；
回到文章，本文介绍的内容比较多，大概分为3块如下：
1）如何分析豆瓣评论接口；
2）介绍python定时任务框架APScheduler
3）验证码破解（tesserocr、百度OCR、超级鹰）
其实也没什么特别好讲的，很简单的东西，只是繁琐而已，之所以花那么多时间，是思维被扩散了，就这样吧，谢谢大家；