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%)。

尝试对知乎网验证码进行处理：相关推荐

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 ...
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 ...
Scrapy分布式爬虫打造搜索引擎 - （三）知乎网问题和答案爬取
Python分布式爬虫打造搜索引擎基于Scrapy.Redis.elasticsearch和django打造一个完整的搜索引擎网站推荐前往我的个人博客进行阅读:http://blog.mtiany ...
知乎网问题和答案爬取
本文转载自https://www.jianshu.com/p/7e31c1cbfa6f 三.知乎网问题和答案爬取 1. 基础知识 session和cookie机制 cookie: 浏览器支持的存储方式 ...
知乎网解决HTML5 Placeholder的方案
使浏览器支持Placeholder有很多方法,都不是很完美,或多或少有点问题,且有些原生支持的浏览器在获得焦点时会清空Placeholder提示.发现知乎网的解决方法不错,特记录下. windows系 ...
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 ...
知乎网的CSS命名规律研究
笔者是一名Java程序员,前端css和图片本不是我的工作,亦不是我的强项.但很多时候,公司并没有合适的美工,只有自己动手.一般的css技术,倒是没有问题,定位,盒子,浮动,布局等等,都能做.但每每完成 ...
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 ...
走进知酷网，全新的内容整合模式
微博已经不是一个什么新鲜事,国内各类微博网站风起云涌,各显神威,以新浪微博为首的抓住明星效益这个火力点,猛烈发威.其他各微博网站也使出浑身解数,网络博友.本人也参与其中,体会之间的微博魅力.但是最近有 ...

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：

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