python爬虫学习日记（1）--获取验证码

最近发现python的爬虫比较容易实现，我是python零基础，就疯狂的搜索资料，实现一下简单的爬虫，首先是登录爬虫，找到我们学校的教务网站，其中我遇到的第一个难题就是验证码的获取，因为是零基础，所以参考一些教程。

    http://www.dabu.info/python-login-crawler-captcha-cookies.html

1.找地址

首先，我们要找到这个网站生成验证码的地址，这个地址我们可以通过查看他的源代码来实现。

就以黎明大学教务网为例，这个教务网的模板很多学校都在采用：

我就截取表单的验证码部分即可。

<td align="center" rowspan="3" >
<img  id="imgCode" src="../sys/ValidateCode.aspx" 
onclick="changeValidateCode(this)" alt="单击可更换图片！" 
style="CURSOR: pointer;">
<br>看不清，则单击图片！                                 
</td>

这里就可以知道，地址就是../sys/ValidateCode.aspx

组合一下地址就是http://jwmis.lmu.cn/sys/ValidateCode.aspx

也就是我们等一下要用到的地址了。

我们可以查看一下那个网页。

2.处理图片

    

果不其然，都是乱码，因为验证码分为两种。

1）直接处理成JPG/GIF/PNG或者其他格式，然后直接读取到一个图片地址。

2）接收用户触发，然后生成，再直接处理成图像，不读取到一个图片地址。

我们这里是第二种，我们要自己来读取他，到本地，再手动输入验证码。

# -*- coding: utf-8 -*-
import urllib2
#验证码的处理#
#验证码生成页面的地址#
im_url = 'http://jwmis.lmu.cn/sys/ValidateCode.aspx'
#读取验证码图片#
im_data = urllib2.urlopen(im_url).read()
#打开一个Code.PNG文件在D盘，没有的话自动生成#
f=open('d:\\Code.png','wb')
#写入图片内容#
f.write(im_data)
#关闭文件#
f.close()

这里包括两个部分：

1）打开那个生成验证码图片的页面，读取

2）将读取到的内容，保存成图片，下载到本地

我们这里的地址是可以随便写的，保存在你想保存的地方。

到这里我们就完成了验证码的一小部分。

by--LoDog