python模拟自动登陆知乎和tesseract-ocr自动识别验证码

# _*_ coding: utf-8 _*_

'''
模拟知乎登陆并使用tesseract-ocr识别验证码

Author: Insomnia
Version: 0.0.1
Date: 2017-09-07
Language: Python3.6.2
Editor: Sublime Text3
'''

import requests, os, time, re
from bs4 import BeautifulSoup
from PIL import Image

# 当前项目路径
cur_path = os.getcwd() + '/'

class ZhiHuSpider(object):
    '''
    本类主要用于实现模拟知乎登陆并使用tesseract-ocr识别验证码

    Attribute:
        session: 建立会话
        url_signin: 登陆页面链接
        url_login: 登陆接口
        url_captcha: 验证码链接
        headers: 请求头部信息
        num: 识别验证码次数
    '''

    def __init__(self):
        self.session = requests.Session();
        self.url_signin = 'https://www.zhihu.com/#signin'
        self.url_login = 'https://www.zhihu.com/login/email'
        self.url_captcha = 'https://www.zhihu.com/captcha.gif?r=%d&type=login' % (time.time() * 1000)
        self.headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36'}
        self.num = 1

    def get_captcha(self):
        '''
        获取并使用tesseract-ocr识别验证码

        Returns: 
            返回验证码
        '''
        # 创建文件夹存放验证码
        if not os.path.exists(cur_path + 'captcha'):
            os.mkdir(cur_path + 'captcha')

        captcha_text = ''
        while True:
            # 下载验证码图片
            captcha = self.session.get(self.url_captcha, headers=self.headers).content
            captcha_path = cur_path + 'captcha/captcha.gif' # 验证码图片路径
            captcha_path_new = cur_path + 'captcha/captcha_new.gif' # 处理后的验证码图片路径
            with open(captcha_path, 'wb') as f:
                f.write(captcha)

            # 图片处理便于识别文字:彩色转灰度,灰度转二值,二值图像识别
            im = Image.open(captcha_path)
            w, h = im.size
            im = im.convert('L') # convert()用于不同模式图像之间的转换
            threshold = 100 # 图片降噪处理
            table = []
            for i in range(256):
                if i < threshold:
                    table.append(0)
                else:
                    table.append(1)
            im = im.point(table, '1')
            w_new, h_new = w * 2, h * 2 
            im = im.resize((w_new, h_new), Image.ANTIALIAS) # 图片放大
            im.save(captcha_path_new)

            # 执行tesseract-ocr识别验证码
            captcha_text_path = cur_path + 'captcha/captcha_text' # 识别验证码后验证码文字的存放路径
            cmd = '/usr/bin/tesseract %s %s' % (captcha_path_new, captcha_text_path)
            os.system(cmd)
            time.sleep(2)
            with open('%s.txt' % captcha_text_path, 'r') as f:
                try:
                    captcha_text = f.read().strip()
                    print('第 %d 次识别的验证码为:%s' % (self.num, captcha_text))
                    regex = re.compile('^[0-9a-zA-Z]{4}$') # 正则表达式
                    if captcha_text and re.search(regex, captcha_text):
                        break;
                    else:
                        print('验证码无效!重新识别中...')
                        self.num += 1
                        # time.sleep(2) # 避免过于频繁的访问
                except Exception as e:
                    print('Exception:', e)
                    break;
        return captcha_text

    def login(self, username, password):
        '''
        登陆接口

        Args:
            username: 登陆账户
            password: 登陆密码
        Returns:
            返回登录结果list
        '''
        soup = BeautifulSoup(self.session.get(self.url_signin, headers=self.headers).content, 'html.parser')
        # 获取xsrf_token
        xsrf = soup.find('input', attrs={'name': '_xsrf'}).get('value')
        post_data = {
            '_xsrf': xsrf,
            'email': username,
            'password': password,
            'captcha': self.get_captcha()
        }
        login_ret = self.session.post(self.url_login, post_data, headers=self.headers).json()
        return login_ret

    def get_index_topic(self):
        '''
        获取首页第一条话题记录
        '''
        print('-'*50, '获取知乎首页第一条话题记录', '-'*50, sep="\n")
        soup = BeautifulSoup(self.session.get(self.url_signin, headers=self.headers).content, 'html.parser')
        item = soup.find('div', attrs={'class': 'Card TopstoryItem TopstoryItem--experimentFont18'})
        popover = item.find('div', attrs={'class': 'Feed-title'}).find('div', attrs={'class': 'Popover'}).find('div').get_text() # 话题
        print('来自话题:%s' % popover)
        title = item.find('div', attrs={'class': 'ContentItem AnswerItem'}).find('meta', attrs={'itemprop': 'name'}).get('content') # 标题
        print('title: %s' % title)
        content = item.find('div', attrs={'class': 'ContentItem AnswerItem'}).find('span', attrs={'class': 'RichText CopyrightRichText-richText'}).get_text() # 内容
        print('content: %s' % content)

if  __name__ == '__main__':
    zhihu = ZhiHuSpider()
    # 循环尝试登陆
    while True:
        ret = zhihu.login('知乎登陆邮箱', '知乎密码')
        if ret['r'] == 0:
            print('登陆成功! ')
            zhihu.get_index_topic()
            break
        else:
            print('登陆失败: %s' % ret['msg'])
  

运行效果图

image.png
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 204,590评论 6 478
  • 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 86,808评论 2 381
  • 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 151,151评论 0 337
  • 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 54,779评论 1 277
  • 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 63,773评论 5 367
  • 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 48,656评论 1 281
  • 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 38,022评论 3 398
  • 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 36,678评论 0 258
  • 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 41,038评论 1 299
  • 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 35,659评论 2 321
  • 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 37,756评论 1 330
  • 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 33,411评论 4 321
  • 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 39,005评论 3 307
  • 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 29,973评论 0 19
  • 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 31,203评论 1 260
  • 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 45,053评论 2 350
  • 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 42,495评论 2 343

推荐阅读更多精彩内容