爬虫通过验证码

最新推荐文章于 2024-12-07 10:27:25 发布

原创

最新推荐文章于 2024-12-07 10:27:25 发布 · 1.5k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了爬虫如何应对验证码的挑战，包括使用selenium手动打码、接入打码平台以及在RPA项目中验证发票真伪。详细讲解了滑动验证码的处理策略，如豆瓣和博客园登录的案例分析。

爬虫通过验证码

一、验证码

验证码：全自动区分计算机和人类的图灵测试

常见验证码分类：
1、汉字验证码：
在这里插入图片描述
2、数字 + 字母验证码：

3、算术验证码：

4、问答式验证码：

找不到，这是唯一样图

5、坐标型验证码：
在这里插入图片描述
6、九宫格验证码：

7、滑块验证码：

8、旋转验证码（蘑菇街）：

9、语音验证码

10、短信验证码

二、使用selenium手动打码

selenium配置ie浏览器教程：https://www.cnblogs.com/misswjr/p/9453566.html

from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait # 显示等待对象
from selenium.webdriver.support import expected_conditions as EC # 【某些条件为止】
from selenium.webdriver.common.by import By # 帮我们找【某个页面元素】--定义【定位器】的主要东西


def open():
    '''
    打开链接输入发票信息
    :return:
    '''
    # 1请求url
    driver.get('https://inv-veri.chinatax.gov.cn/')
    # 2输入
    # 技术点:使用显示等待做输入。
    # 发票代码
    wait.until(EC.presence_of_element_located((By.ID, 'fpdm'))).send_keys('044031800311')
    # 发票号码
    wait.until(EC.presence_of_element_located((By.ID, 'fphm'))).send_keys('08744657')
    # 开票日期
    wait.until(EC.presence_of_element_located((By.ID, 'kprq'))).send_keys('20191105')
    # 校验码
    wait.until(EC.presence_of_element_located((By.ID, 'kjje'))).send_keys('859257')


def main():
    # 1、输入发票信息
    open()
    # 2、点击图片加载验证码
    wait.until(EC.presence_of_element_located((By.XPATH, '//td[@id="imgarea"]/div/a'))).click()
    # 技术点二
    yzm = input('请输入验证码')  # 阻塞
    # 3、填入进去yzm
    wait.until(EC.presence_of_element_located((By.ID, 'yzm'))).send_keys(yzm)
    # 4、点击checkfp
    wait.until(EC.element_to_be_clickable((By.ID, 'checkfp'))).click()


if __name__ == '__main__':
    driver = webdriver.Ie()
    # 1、显示等待的对象
    # driver：等待对象监听哪个浏览器
    # 20:最大等待时长
    wait = WebDriverWait(driver, 20)
    main()

三、打码平台

程序将验证码传给打码平台的识别接口，打码平台将验证码发给后端的“佣工”进行识别，并获取识别结果。这样基于此类的人工打码平台，即可实现程序的自动化

超级鹰打码平台： http://www.chaojiying.com/

参照文档调用接口：

import hashlib
import requests


class Chaojiying(object):

    def __init__(self, user, password, soft_id='903750'):
        self.base_data = {
   
   
            'user': user,
            'pass2': str(hashlib.md5(bytes(password, encoding='utf-8')).hexdigest()),
            'softid': soft_id,
        }
        self.headers = {
   
   
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36',
            'Connection': 'keep-alive',
        }

    def post_img(self, im, code_type):
        '''
        调用web接口，获取验证码图片内容
        :param im: 图片的二进制流
        :param code_type:验证码类型
        :return:
        '''
        base_url = 'http://upload.chaojiying.net/Upload/Processing.php'
        data = {
   
   
            'codetype': code_type,
            # 'file_base64':base64.b64decode(im),
        }
        files = {
   
   
            'userfile': ('ccc.jpg', im),
        }
        self.base_data.update(data)
        response = requests.post(base_url, data=self.base_data, headers=self.headers, files=files)
        # print(response.json())
        return response.json()['pic_str']

    def post_error(self, pic_id):
        '''
        提交错误，返回题分接口
        :param pic_id: 图片id，从打码平台返回的接口中获取。
        :return:
        '''
        base_url