python爬虫模拟登录知乎时遇到的验证码错误问题

Question

importurllib,urllib2,cookielib
importos,re,time
_url_zhihu='http://www.zhihu.com'
_url_email_login=_url_zhihu+'/login/email'
_captcha_site=_url_zhihu+'/captcha.gif'
_header={'Host':'www.zhihu.com',
'Origin':'http://www.zhihu.com',
'Pragma':'no-cache',
'Referer':'http://www.zhihu.com/',
'User-Agent':'Mozilla/5.0(Macintosh;IntelMacOSX10_10_4)AppleWebKit/537.36(KHTML,likeGecko)Chrome/45.0.2454.93Safari/537.36',
'X-Requested-With':'XMLHttpRequest','Accept':'*/*',
'Accept-Language':'zh-CN,zh;q=0.8,en;q=0.6',
'Cache-Control':'no-cache',
'Connection':'keep-alive',
'Content-Length':'111'}
defgetXSRF(data):
'''
从返回的文件中使用正则表达式解析出_xsrf
可以考虑使用BeautifulSoup
'''
cer=re.compile('name=\"_xsrf\"value=\"(.*)\"',flags=0)
strlist=cer.findall(data)
returnstrlist[0]
defget_xsrf_opener(head):
'''
接受header字典,并返回构造好的opener和解析出的_xsrf
'''
cookie=cookielib.CookieJar()
handler=urllib2.HTTPCookieProcessor(cookie)
opener=urllib2.build_opener(handler)
response=opener.open(_url_zhihu)
xsrf=getXSRF(response.read())
withopen('xsrf','w')asf:
f.write(xsrf)
header=[]
forkey,valueinhead.items():
elme=(key,value)
header.append(elme)
opener.addheaders=header
returnxsrf,opener
defget_captcha_url():
return_captcha_site+str(int(time.time())*1000)
defget_captcha(url):
request=urllib2.Request(url)
response=urllib2.urlopen(url)
withopen('captcha.gif','wb')asf:
f.write(response.read())
deflogin(opener,xsrf='',email='',password='',captcha='',rememberme='true'):
'''
用来登录知乎的程序,包括返回的xsrf,email,password
'''
values={'email':email,'password':password,'captcha':captcha,'rememberme':rememberme,'_xsrf':xsrf}
data=urllib.urlencode(values)
request=urllib2.Request(_url_email_login,data)
response=opener.open(request)
returnresponse.read()
def_init():
'''
主程序
'''
email=raw_input('email:')
password=raw_input('password:')
xsrf,opener=get_xsrf_opener(_header)
get_captcha(_captcha_site)
captcha=raw_input('captcha:')
f=login(opener,xsrf,email,password,captcha)
printf
if__name__=='__main__':
_init()
————————————————————————————————————————
运行后返回的信息{
"r":1,
"errcode":1991829,
"data":{"captcha":"\u9a8c\u8bc1\u7801\u9519\u8bef"},
"msg":"\u9a8c\u8bc1\u7801\u9519\u8bef"
}
信息提示是验证码错误，但是已经传入了验证码，为何还是不能通过(⊙_⊙)？，求Python大神给予指点O(∩_∩)O谢谢

Answer 1

OCR图片识别库：TesseractOCRPython封装的接口：pytesseract来个示例：#!/usr/bin/envpython#-*-coding:utf-8-*-try:importImageexceptImportError:fromPILimportImageimportpytesseractprint(pytesseract.image_to_string(Image.open('demo.jpeg')))我试了一下，知乎的验证码挺难识别出来，不过可以训练TesseractOCR，让它达到更高的识别率。下面是一些参考的文章：TesseractOCR初探验证码识别工具-tesseract

Answer 2

你这样是不行的，每次请求的验证码都是随机的，你自己模拟的和自己在页面上的请求不是同一个请求，验证码肯定是不一样的。试一下orc工具获取验证码登陆时设置cookie