vlambda博客
学习文章列表

这是我记录的第 2 个没用小技巧

This browser does not support music or audio playback. Please play it in Weixin or another browser.

为了您的健康请勿酒后编程

胡桃真是太可爱啦

在用爬虫搜集信息时经常会遇到需要登陆才能搜集的情况。

平时自己登录都懒得从歪比吧波里分辨验证码的你

怎么能受这种委屈？

没有你爬虫哪来的验证码啊喂，好好反省一下

就这？

我当然不是要用OCR识别这么高门槛的东西

就像python的丰富三方库一样

我们要学会借助外力。

那就是已经十分完备的验证码识别平台。

本次我要介绍的平台叫超级鹰。

是付费平台，不过一包辣条的钱足够。

Languages : Python 100%

运行环境：Python3

Windows/Linux/Mac

项目分析：

经过注册登陆后，我们先充个一块两块的获取一下点数。

在价格体系中我们可以看到这个平台的可识别种类比较全。

记好了你要识别的种类的类型码。

同时在你的软件ID中新建一个软件获取号码。

进入开发文档，选择python并下载解压，放进你的项目文件夹里。

（当然其他语言操作大同小异）

准备工作完成。

第一步：建立与网站的连接，获取验证码

这里以古诗文网为例。

请出我们的requests库。

解析方式嘛。。。抓阄

用卫生纸抓阄的屑

好了就是你xpath.

code:

从网页中解析出验证码的标签并拼接出url.

在这个地方嗷

之后直接获取验证码图片并存储。

code:

第二步：对接平台

打开下载的发文档，填写参数。

填写的有用户名，密码，软件ID

识别图像路径和文档类型肯定不能写死，先写上变量名

之后定义一个函数和一个空集。

可以看到代码的上半部分是一个用于引用的类。

直接封装，引用就完事。

第三步：给变量赋值

古诗文网的验证码显然是最普通的形式

对应号码1902

把图片存储路径也写到函数里。

运行一下，可以看到，首先我们拿到了验证码。

之后网站自动识别出了正确结果。

你可能会说：还不如我自己去看。

可人力终归有时间空间限制。

如果你要多线程或定时爬取

你能保证自己全天候都能完成识别任务吗？

所以，自动化的魅力还是无穷的啊

而我只花了一包辣条钱。