07-爬虫验证码破解实战

验证码识别

• 基于线上的打码平台识别验证码
• 打码平台有：
  • 1，超级鹰（推荐）http://www.chaojiying.com/
  • 2，云打码
  • 打码兔等
    超级鹰的使用：
    1，注册登录购买账户积分
    
    2，创建一个软件ID
    

创建好后就会生成一个id信息
3，选择超级鹰开发文档

选择对应的语言

点击下载





封装好的超级鹰打码平台的类

# -*- coding: utf-8 -*-

import requests
from hashlib import md5

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 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()

    def tranformImgCode(): #封装一个验证吗识别的函数
        chaojiying = Chaojiying_Client('gemoumou', '1234567', '906463')
        im = open('D:/py/Chaojiying_Python/code.jpg', 'rb').read()
        print(chaojiying.PostPic(im, 1902)['pic_str'])

        return (chaojiying.PostPic(im, 1902)['pic_str'])


if __name__ == '__main__':
    Chaojiying_Client.tranformImgCode()

#if __name__ == '__main__':
# 	chaojiying = Chaojiying_Client('超级鹰用户名', '超级鹰用户名的密码', '96001')	#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//
# 	print chaojiying.PostPic(im, 1902)												#1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()

爬虫登录代码展示

# -*- coding: utf-8 -*-
import requests
from lxml import etree
from Chaojiying_Python import chaojiying
import time


headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36"

} #模仿浏览器UA头

session = requests.Session()# 动态获取cookie
# 识别验证码
url ="https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx"
page_text = session.get(url=url,headers=headers).text
# 解析验证码图片
tree = etree.HTML(page_text)
img_src = "https://so.gushiwen.cn/"+tree.xpath('//*[@id="imgCode"]/@src')[0]
# 将验证码图片保存到本地
img_data = session.get(img_src,headers=headers).content
with open ('D:/py/Chaojiying_Python/code.jpg',"wb") as fp:
    fp.write(img_data)

# 识别验证码
code_text = chaojiying.Chaojiying_Client.tranformImgCode() #调用超级鹰打码平台识别出的验证码
time.sleep(2)


login_url = "https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx"
data = {
    # 如果在请求参数中看见一组乱序的请求参数，需要抓包验证下是否动态变化如下："__VIEWSTATE" "__VIEWSTATEGENERATOR"
    # 如果是动态变化的参数一般会隐藏在前台源码中，我们需要进行xpaht 或者正则 等方式进行提取 就可以获得实时的参数
    # 如果前台源码中没有，我们可以通过抓包全局收索获取对应的数据包提取参数赋值到data中
    "__VIEWSTATE": "wLzVsPN64jZIa8aQJI9HzVvaaknH6pBhUG+UOMQKX8NEFV49xwtLRgU8GH4O1o+mClDbtnYiKbXMOIM6VRh7HGzM4hpMpd0qBUM3b/pXlzZ2gnbcuB+5RUBJ/i0=",
    "__VIEWSTATEGENERATOR": "C93BE1AE",
    "from": "http://so.gushiwen.cn/user/collect.aspx",
    "email": "18398141234",
    "pwd": "123456",
    "code": code_text,# 验证码动态变化
    "denglu": "登录"
}
# 对点击登录按钮发起请求,获取了登录成功后的页面源码数据
page_text_login = session.post(url = login_url,headers=headers,data=data).text
print(page_text_login)