爬虫之验证码识别--古诗文网

今天做的案例古诗文网的验证码识别
反爬机制：验证码。 识别验证码图片中的数据，用于模拟登陆操作。
我用的是超级鹰的第三方自动识别验证码。
软件注册之后，登录，微信公众号关注超级鹰，可以免费获得1000题分。
使用方法：用户中心>>软件ID 生成一个替换 96001，本地图片文件路径来替换 a.jpg 即可。
爬取步骤：首先获取古诗文网我的 整张页面数据，然后解析页面中的验证码图片，并下载存储。接着在超级鹰官网中开发文档选择python语言，下载示例代码，并根据上述的使用方法修改相关代码即可。
下面直接上代码：

from lxml import etree
#获取相应数据
import requests
from hashlib import md5

class Chaojiying_Client(object):

    def __init__(self, username, password, soft_id):
        self.username = username
        password =  password.encode('utf-8')
        self.password = md5(password).hexdigest()
        self.soft_id = soft_id
        self.base_params = {
    
    
            'user': self.username,
            'pass2': self.password,
            'softid': self.soft_id,
        }
        self.headers = {
    
    
            'Connection': 'Keep-Alive',
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
        }

    def PostPic(self, im, codetype):
        """
        im: 图片字节
        codetype: 题目类型 参考 http://www.chaojiying.com/price.html
        """
        params = {
    
    
            'codetype': codetype,
        }
        params.update(self.base_params)
        files = {
    
    'userfile': ('ccc.jpg', im)}
        r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files, headers=self.headers)
        return r.json()

    def ReportError(self, im_id):
        """
        im_id:报错题目的图片ID
        """
        params = {
    
    
            'id': im_id,
        }
        params.update(self.base_params)
        r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)
        return r.json()
headers = {
    
    
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'
    }
url = 'https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'
page_text = requests.get(url=url,headers=headers).text
#解析数据
tree = etree.HTML(page_text)
new_code_src ='https://so.gushiwen.org'+tree.xpath('//*[@id="imgCode"]/@src')[0]
new_page_text= requests.get(url=new_code_src,headers=headers).content
#存储数据
with open('./code.jpg','wb') as fp:
    fp.write(new_page_text)
print('验证码下载完成')
if __name__ == '__main__':
	chaojiying = Chaojiying_Client('a1372431588', '970110yy', '905384')	#用户中心>>软件ID 生成一个替换 96001
	im = open('code.jpg', 'rb').read()													#本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
	print(chaojiying.PostPic(im, 1902))

结果就是爬取到的验证码图片中的值。