最新豆瓣模拟登陆（python实现）_newdouban.py-优快云博客

本文链接：https://blog.youkuaiyun.com/cold1sober/article/details/82562343

本文介绍了使用Python模拟登录豆瓣的步骤，包括获取表单数据、处理验证码以及实现模拟登陆。在获取表单数据时，重点讲解了豆瓣登录所需的参数。在验证码识别部分，尝试使用pytesseract库进行自动识别，但效果不佳。最后提供了完整的模拟登录源码，展示如何在成功登录后保存和使用cookie来避免再次输入验证码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

教程所需环境：

最近在学习scrapy的过程中，偶然看到一些模拟登陆的文章，就想自己实现模拟登录知乎，结果知乎刚好更新新版本，对Form data进行了加密，由于本人对js了解甚少，无法获取到知乎对表单数据的加密方式，转而实现豆瓣登录。
1. python 3.x
2. request、lxml、pillow等库

1、从目标网页中获取表单数据

豆瓣登录页：
这里写图片描述
登录豆瓣的请求页分析：

Form data就是我么需要构建的表单数据，从当前登录请求中可以看出豆瓣在传输过程中还是明文传输，并未对表单数据进行加密。表单中各个字段的意义：
source：为固定值，一般为index_nav或者None；
redir：表示登录后加载页面的域名地址；
form_email：你的用户名；
form_password：你的密码；
captcha-solution：验证码信息；
captcha-id：验证码id；
login：固定值，”登录”；
其中，验证码相关captcha-id和captcha-solution在登录界面的源码中都可以提取得到。
这里写图片描述

2、验证码识别部分

在模拟登陆第一次登录时，往往要进行验证码的识别，验证码识别可以实现手动输入，下次登录直接加载cookie也不会需要进行任何验证码的识别，出于个人兴趣，简单的试验了下通过pytesseract库实现验证码的自动识别，不过效果并不如人意。
在进行图片处理之前，对验证码进行简单分析：
这里写图片描述

- 背景图案颜色与字体颜色差别较大；
- 图片中有较均匀的黑色和白色噪点；
- 只有英文单词，没有数字和符号，且字体有轻微扭曲但无遮盖，字体有白色描边；

可以通过PS软件将图片放大之后进行rgb分析，将图片二值化，如图：
这里写图片描述
可以看出背景已经被二值化去掉，需要处理图片中的噪点，在调用pytesseract库中高斯滤波、中值滤波及均值滤波等方法后，发现中值滤波在人的视角上效果较好。

源码：

from PIL import Image, ImageFilter
import pytesseract

img = Image.open(