Python爬虫:Requests模拟登录知乎 Matplotlib识别中文倒立验证码

先说明一下重点中文验证码的问题(这里用的还是人工识别的办法)。

刚开始用requests登录知乎的时候,只是简单地根据不同登录方式请求的url来用requests传递参数请求,然后debug次数多了以后就会一直出错。如下注释掉我要post的验证码数据,由一个函数调用返回:


先用写完后的代码作说明,captcha为验证码


pycharm调试模式下response的内容

将msg内容在python shell里print一下就是验证码识别失败,说明这个时候必须将验证码数据在登录表单里post过去。

因为一般浏览器登录以后,都会获取服务器返回的cookie保存在本地,以后浏览器再访问都会带上cookie中的信息供服务端识别。这里登录以后可以保存cookie,用reqeusts库的会话实例来完成原本requests的函数调用

session = requests.Session()

session.cookies = cookielib.LWPCookieJar(filename="cookies.txt")   # 指定cookies的保存文件名

以上代码和调用session.cookies.save()保存cookies还需要cookiejar

(好像有这个库兼容性问题,用这样的写法比较好

try:

    import cookielib

except:

    import http.cookiejar as cookielib

另外知乎总会识别请求头是否有不合法的字段值,比如用户的请求代理是客户端浏览器还是python代码,从而拒绝请求,必须在每个请求带上header, 如:

header = {

"Host": "www.zhihu.com",

"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:56.0) Gecko/20100101 Firefox/56.0",

"Referer": "https://www.zhihu.com/"

}

1. 模拟登录开始:

用requests登录重要的一个方法就是requests.post(), 参数为目标url和表单数据。在知乎登录界面,输入邮箱或者手机号,故意填错密码,打开浏览器网页调试器,点击网络(network),观察请求的网页文件,可以看到http协议的请求头和响应头。


邮箱登录的请求(firefox下)

点击参数可以看到请求所带的参数

请求的参数:

_xsrf: 防止跨站脚本攻击的随机数

password: 登录密码

capatcha_type: 验证码类型,这里是cn

email: 登录邮箱

手机号码登录同理,url和表单餐宿略有不同。


主登录逻辑

正则表达式判断是哪种登录方式。现在需要确定_xsrf 和 验证码,完成两个方法来返回。

2. _xsrf比较简单,用lxml或者beautifulsoup从响应中的html文件解析即可,我这里直接用lxml解析,了解xpath就可以了,和css selector有类似结构。

需要 from lxml import etree

返回_xsrf

3. 获取中文验证码:

先来看下中文验证码和什么url或者参数有关:


刷新验证码图片可以看到出现一个GET请求,其请求url为:https://www.zhihu.com/captcha.gif?r=1508680722707&type=login&lang=cn

有过了解易知这个参数r是一个格林威治时间, 由str(int(time.time() * 1000))转换为字符串,

将其与其他固定参数拼接而成请求url。

需要用到两个库pillow和matplotlib(这也是我第一次用matplotlib~)

pillow是python常用的操作图像的库,matplotlib功能强大,更像一个绘图库。

用requests请求以后保存图片为以后识别做准备。因为图片有可能有两个或一个倒立文字,先用pillow显示图片,手动输入个数,再用matploylib读入图像文件,由ginput()函数获取鼠标点击的坐标。

这里尤其要注意要用到matplotlib的ion()方法打开interactive模式!因为这个花了好久查资料,因为注意到了代码在调试模式下才工作,有输出关于Tkagg的信息,反复看了官方文档找到: 什么是interactive模式

将坐标与其他信息拼接成字符串传回。

(原来知乎的请求头里可以看得见表单数据,现在采用了了gzip编码,看到的都是乱码)

Accept-Encodingg:zip, deflate, br

返回captcha数据

4.判断是否登录成功

请求私信的url根据返回的status_code即可判断,也可以下载首页的HTML看是否登录。

保存了cookies以后可以不用每次都重新登录,在.py文件开头加载进cookies,在cookie过期时效内可以直接登录

try:

    session.cookies.load(ignore_discard=True)

except:

    print("cookie未能加载")


参考:

http://blog.wish7.xyz/2016/11/05/%E7%9F%A5%E4%B9%8E%E7%88%AC%E8%99%AB/

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 156,757评论 4 359
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,478评论 1 289
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 106,540评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,593评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 51,903评论 3 285
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,329评论 1 210
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,659评论 2 309
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,383评论 0 195
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,055评论 1 238
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,337评论 2 241
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,864评论 1 256
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,227评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,820评论 3 231
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,999评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,750评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,365评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,260评论 2 258

推荐阅读更多精彩内容