HttpClient 破解登陆带有验证码的网站拿到数据

        对于爬虫来说，验证码通常是实现过程中的一个巨大的障碍，因为验证码的多样性，有的甚至变态至极，所有一般来说使用代码自动识别验证码是非常困难的，本问的内容就是讲如何将验证码保存到本地，然后通过人工输入验证码实现登陆，从而抓取网页信息。

 

        首先说说整个登陆的流程，当我们打开一个网站的时候，浏览器就会记录该网站的cookie，用于识别信息，同时服务器会向浏览器发送一张验证码的图片，并与该cookie的信息是相关联的，并以此识别用户，然后post提交数据的时候一同提交就实现认证登陆了。

 

        以下登陆我们学校的教务处作为例子，这是我们教务处的登陆界面。

 

        右键打开chrome的审查元素，跟踪到验证码的链接。

 

 

        很明显"http://218.7.49.34/validateCodeAction.do?random=0.9378238802310079”，就是验证码的链接，其中中有个random=xxxxxxxxxxxxxxxxxxxxxxx的参数，实际上这个参数对于我们获取验证码和登陆是无关的，它只是为了防止浏览器把验证码页面缓存。其实“http://218.7.49.34/validateCodeAction.do”这样也是能获取验证码的，并且每次刷新都能得到不同的验证码，或者在“?random="后面个任意参数都能得到验证码，如图

        我最开始就以为random后面的那个数字是与登陆的信息相关了，导致我差点中途放弃，幸好后面遇到大神指点。在代码执行的过程中，首次打开登陆的页面，同时已经伴随着一张验证码的下载，因为在代码中一次无法同时访问两个链接，一个是登陆登陆页面的地址，一个是验证码的地址，所有我们在实际代码中应该先使用httpclient打开登陆的链接，这