Python：尝试对知乎网验证码进行处理

许多流行的内容管理系统即使加了验证码模块，其众所周知的注册页面也经常会遭到网络机器人的垃圾注册。

那么，这些网络机器人究，竟是怎么做的呢?既然我们已经，可以成功地识别出保存在电脑上的验证码了，那么如何才能实现一个全能的网络机器人呢?

大多数网站生成的验证码图片都具有以下属性。

它们是服务器端的程序动态生成的图片。验证码图片的 src 属性可能和普通图片不太一样，比如 <img src="WebForm.aspx?id=8AP85CQKE9TJ">，但是可以和其他图片一样进行下载和处理。
图片的答案存储在服务器端的数据库里。
很多验证码都有时间限制，如果你太长时间没解决就会失效。
常用的处理方法就是，首先把验证码图片下载到硬盘里，清理干净，然后用 Tesseract 处理图片，最后返回符合网站要求的识别结果。

#!/usr/bin/env python
# -*- coding:utf-8 -*-import requests
import time
import pytesseract
from PIL import Image
from bs4 import BeautifulSoupdef captcha(data):with open('captcha.jpg','wb') as fp:fp.write(data)time.sleep(1)image = Image.open("captcha.jpg")text = pytesseract.image_to_string(image)print "机器识别后的验证码为：" + textcommand = raw_input("请输入Y表示同意使用，按其他键自行重新输入：")if (command == "Y" or command == "y"):return textelse:return raw_input('输入验证码：')def zhihuLogin(username,password):# 构建一个保存Cookie值的session对象sessiona = requests.Session()headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0'}# 先获取页面信息，找到需要POST的数据（并且已记录当前页面的Cookie）html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content# 找到 name 属性值为 _xsrf 的input标签，取出value里的值_xsrf = BeautifulSoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value')# 取出验证码，r后面的值是Unix时间戳,time.time()captcha_url = 'https://www.zhihu.com/captcha.gif?r=%d&type=login' % (time.time() * 1000)response = sessiona.get(captcha_url, headers = headers)data = {"_xsrf":_xsrf,"email":username,"password":password,"remember_me":True,"captcha": captcha(response.content)}response = sessiona.post('https://www.zhihu.com/login/email', data = data, headers=headers)print response.textresponse = sessiona.get('https://www.zhihu.com/people/maozhaojun/activities', headers=headers)print response.textif __name__ == "__main__":#username = raw_input("username")#password = raw_input("password")zhihuLogin('xxxx@qq.com','ALAxxxxIME')

值得注意的是，有两种异常情况会导致这个程序运行失败。第一种情况是，如果 Tesseract 从验证码图片中识别的结果不是四个字符(因为训练样本中验证码的所有有效答案都必须是四个字符)，结果不会被提交，程序失败。第二种情况是虽然识别的结果是四个字符，被提交到了表单，但是服务器对结果不认可，程序仍然失败。

在实际运行过程中，第一种情况发生的可能性大约为 50%，发生时程序不会向表单提交，程序直接结束并提示验证码识别错误。第二种异常情况发生的概率约为 20%，四个字符都对的概率约是 30%(每个字母的识别正确率大约是 80%，如果是五个字符都识别，正确的总概率是 32.8%)。

Python：尝试对知乎网验证码进行处理相关推荐

尝试对知乎网验证码进行处理：
尝试对知乎网验证码进行处理: 许多流行的内容管理系统即使加了验证码模块,其众所周知的注册页面也经常会遭到网络机器人的垃圾注册. 那么,这些网络机器人究,竟是怎么做的呢?既然我们已经,可以成功地识别出 ...
2019年最新 Python 模拟登录知乎支持验证码
2019年最新 Python 模拟登录知乎支持验证码和保存 Cookies 知乎的登录页面已经改版多次,加强了身份验证,网络上大部分模拟登录均已失效,所以我重写了一份完整的,并实现了提交验证码 (包 ...
python视觉识别定位_机器视觉以及验证码识别
机器视觉从 Google 的无人驾驶汽车到可以识别假钞的自动售卖机,机器视觉一直都是一个应用广泛且具有深远的影响和雄伟的愿景的领域. 我们将重点介绍机器视觉的一个分支:文字识别,介绍如何用一些 P ...
python视觉识别字_机器视觉以及验证码识别
机器视觉从 Google 的无人驾驶汽车到可以识别假钞的自动售卖机,机器视觉一直都是一个应用广泛且具有深远的影响和雄伟的愿景的领域. 我们将重点介绍机器视觉的一个分支:文字识别,介绍如何用一些 P ...
python爬虫——利用超级鹰识别验证码并进行古诗网进行模拟登录
目录前言一.超级鹰的注册二.利用xpath解析登录页面的验证码图片三.利用超级鹰识别获取验证码四.模拟浏览器发送请求进行模拟登录五.验证是否模拟登录成功前言本文章是利用python爬虫 ...
知码网是如何进行验证码识别的
关心知码网的朋友是越来越多了,有很多朋友都对技术不太了解,他们对于我们是怎么进行验证码识别的十分好奇,我们知码网做了很长时间的网络验证码识别,有着丰富的经验对各种难度的验证码都能做到准确无误地识别,那 ...
使用Python爬取知网信息
使用Python爬取知网信息 import requests from urllib import request from lxml import etree import re import cs ...
python web server 知乎_“知乎网”技术方案初探
知乎的整个网站架构图如下: 知乎是国内很少的使用Python开发的一个网站,也很多值得我们学习的地方,从知乎让我们也可以了解到一些新的WEB技术. 一.Python框架知乎目前使用的是Tornado ...
python爬虫-古诗文网验证码识别
文章目录一.前期准备二.示例代码一.前期准备古诗文网验证码识别,是通过对古诗文网登陆界面的验证码图片进行识别的,利用专门的验证码识别网站,可以提取验证码图片中的验证码网站推荐:超级鹰注册登 ...

Python：尝试对知乎网验证码进行处理

Python：尝试对知乎网验证码进行处理相关推荐

最新文章

热门文章