python爬虫模拟登录的图片验证码处理和会话维持

目标网站：古诗文网

登录界面显示：

打开控制台工具，输入账号密码，在ALL栏目中进行抓包

数据如下：

登录请求的url和请求方式

登录所需参数

参数分析：

__VIEWSTATE和__VIEWSTATEGENERATOR可以在登录界面获取，code为验证码，email为账号，pwd为密码，from为空，denglu为固定参数

分析__VIEWSTATE和__VIEWSTATEGENERATOR

可通过解析登录界面获取

整体代码如下：

# 引入各种库
import requests
from lxml import etree
import pytesseract
from PIL import Image
from io import BytesIO

# 会话保持
s = requests.session()
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36'
}
# 登录界面路由
login_url = 'https://so.gushiwen.org/user/login.aspx?from='
r = s.post(login_url,headers=headers)
res = etree.HTML(r.text)
# 获取登录参数
__VIEWSTATE = res.xpath('//input[@id="__VIEWSTATE"]/@value')[0]
__VIEWSTATEGENERATOR = res.xpath('//input[@id="__VIEWSTATEGENERATOR"]/@value')[0]

# 获取验证码
codeimage = s.get('https://so.gushiwen.org/RandCode.ashx')

# 识别验证码
def get_code(data):
    img = Image.open(BytesIO(data))
    img = img.convert('L')
    captcha = pytesseract.image_to_string(img)
    print(captcha)
    img.close()
    return captcha

# 构造登录参数
formdata = {
    '__VIEWSTATE': __VIEWSTATE,
    '__VIEWSTATEGENERATOR': __VIEWSTATEGENERATOR,
    'from': '',
    'email': '你的账号',
    'pwd': '你的密码',
    'code': get_code(codeimage.content),
    'denglu': '登录'
}
# 模拟登录
res = s.post(login_url,headers=headers,data=formdata)
# 判断是否登录成功，成功的话会跳转到个人中心
if '我的收藏' in res.text:
    print('登陆成功')
else:
    print('登陆失败')

控制台输出：

注意：文章账号秘密是错误的，读者可以自己申请账号，

爬虫的开始需使用

s = requests.session()

来使会话维持，否则请求的验证码与登录时不同步，

验证码识别有成功率，不一定一次成功。

python系列教程：

链接：https://pan.baidu.com/s/10eUCb1tD9GPuua5h_ERjHA
提取码：h0td