一、登录知乎
这里用的是手机端登录的，知乎登录的链接
post请求的参数：
_xsrf：据说是防跨站请求的；
password：密码
email：登录邮箱
captcha：验证码
在登录页定位到这些参数，用post在登录时传入这些参数，就可以登录了；
下面是完整代码：
import requests, time
from http import cookiejar
from PIL import Image
import re
session = requests.session()
session.cookies = cookiejar.LWPCookieJar(filename='cookies.txt')
headers = {
'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'
}
try:
# 从本地文件加载cookies
# ignore_discard的意思是即使cookies将被丢弃也将它保存下来，ignore_expires的意思是如果在该文件中cookies已经存在，则覆盖原文件写入
session.cookies.load(ignore_discard=True)
except Exception as e:
print('exception:', e)
print('没有cookie信息')
def get_xsrf():
index_url = 'https://www.zhihu.com/signin?next=/'
# _xsrf 是一个动态变化的必要参数
index_page = session.get(index_url, headers=headers)
html = index_page.text
pattern = r'name="_xsrf" value="(.*?)"'
# 这里的_xsrf 返回的是一个list
_xsrf = re.findall(pattern, html)
return _xsrf[0]
def get_captcha():
t = str(int(time.time() * 1000))
captcha_url = 'https://www.zhihu.com/captcha.gif?r=' + t + "&type=login"
response = session.get(captcha_url, headers=headers)
captcha_name = 'captcha.gif'
with open(captcha_name, 'wb') as f:
f.write(response.content)
im = Image.open(captcha_name)
im.show()
return input('请输入验证码: ')
def get_email():
return input('请输入邮箱: ')
def get_password():
return input('请输入密码: ')
def login(email, password, _xsrf, captcha):
data = {
'_xsrf': _xsrf,
'password': password,
'email': email,
'captcha': captcha
}
login_url = 'https://www.zhihu.com/login/email'
response = session.post(login_url, data=data, headers=headers)
print('response.json() =', response.json())
# 保存cookies到本地
session.cookies.save()
def isLogin():
# 查看用户个人信息来判断是否已经登录
url = "https://www.zhihu.com/settings/profile"
# 这里重定向一定要设置为false, 否则就算没有登录会被重定向到登录的地址去, 然后code就返回200了
response = session.get(url, headers=headers, allow_redirects=False)
code = response.status_code
if code == 200:
return True
else:
return False
if __name__ == '__main__':
if isLogin():
print('您已经登录')
else:
email = get_email()
password = get_password()
_xsrf = get_xsrf()
print('_xsrf =', _xsrf)
captcha = get_captcha()
login(email, password, _xsrf, captcha)
运行结果：
这里是用邮箱登录的，验证码需要手动输入；
二、自动识别验证码
python识别验证码，需要安装的模块
Ubuntu版本：
1、tesseract-ocr安装
sudo apt-get install tesseract-ocr
2、pytesseract安装
sudo pip install pytesseract
3、Pillow 安装
sudo pip install pillow
其他linux版本（如centos）：
1、tesseract-ocr安装 没找到直接命令安装，所以需要手动下载安装包。 https://github.com/tesseract-ocr/tesseract 在上述地址中下载最新的tesseract-ocr的安装包，并解压。 通过以下命令安装：
(1)cd tesseract-3.04.01
(2)./autogen.sh
(3)./configure 注意，如果出现error: leptonica not found，需要下载安装leptonica http://www.leptonica.org/download.html
(4)make
(5)make install
(6)ldconfig
2、pytesseract安装 sudo pip install pytesseract
3、Pillow 安装 sudo pip install pillow
windows版本：
1、tesseract-ocr安装 下载，并安装。
注意：如果是64位的用户，在安装的时需要改变安装目录，如下图所示
2、pytesseract安装 pip install pytesseract
3、Pillow 安装 pip install pillow
下面验证一下识别验证码：
#coding:utf-8
import pytesseract
from PIL import Image
image = Image.open('code.png')
code = pytesseract.image_to_string(image)
print(code)
可能会遇到的问题：
问题1、FileNotFoundError: [WinError 2] 系统找不到指定的文件。
解决办法：
1、[推荐]: 将tesseract.exe添加到环境变量PATH中，
例如: 默认路径为C:\Program Files (x86)\Tesseract-OCR
注意: 为了使环境变量生效，需要关闭cmd窗口或是关闭pycharm等ide重新启动
2、 修改pytesseract.py文件，指定tesseract.exe安装路径
打开文件 pytesseract.py，找到如下代码，将tesseract_cmd的值修改为全路径，在此使用就不会报错了。
# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
# tesseract_cmd = 'tesseract'
tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'
3、 在实际运行代码中指定
pytesseract.pytesseract.tesseract_cmd = 'D:\\Tesseract-OCR\\tesseract.exe'
问题2：
pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \Tesseract-OCR\tessdata/eng.traineddata')
解决方法:
1、[推荐]：将tessdata目录的上级目录所在路径(默认为tesseract-ocr安装目录)添加至TESSDATA_PREFIX环境变量中
例如: C:\Program Files (x86)\Tesseract-OCR
2、 在.py文件配置中指定tessdata-dir
tessdata_dir_config = '--tessdata-dir "D:\\Tesseract-OCR\\tessdata"'
# tessdata_dir_config = '--tessdata-dir "'C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"'
pytesseract.image_to_string(image, config=tessdata_dir_config)
小试牛刀：
#coding:utf-8
import pytesseract
from PIL import Image
image = Image.open('code.png')
code = pytesseract.image_to_string(image)
print(code)
运行结果：
参考文档