python验证码识别

Posted 2020-12-18 一只小白呀

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录相关之间真的操作

识别验证码的操作：
- 人工肉眼的识别
- 第三方自动识别
- 云打码
模拟登录：
- 爬取基于某些基于用户的用户信息.
需求：对人人网进行模拟登录
- 点击登录按钮之后会发起一个post请求
- post请求中会携带登陆之前录入的相关的登录信息（用户名，密码，验证码......）
- 验证码：每次请求都会变化
需求：
爬取当前用户的相关用户信息（个人主页中相关的用户信息）

http/https协议特征：无状态
没有请求到对应数据的原因：
发起的第二次基于个人
cookie:用来让服务器端记录客户端的相关状态
- 手动处理：通过抓包工具获取cookie值，将该值封装到headers中。（不建议）
- 自动处理：
- cookie值的来源是哪里？
- 模拟登录post请求后，由服务器端创建.
- session会话对象：
- 作用：
- 可以进行请求的发送。
- 如果请求过程中产生了cookie,则该cookie会被自动存储/携带在该session对象中。
- 创建一个session对象，session= requests.Session()
- 使用session对象进行模拟登录post请求的发送（cookie就会被存储在session中）
- session对象对个人主页对应的get请求进行发送(携带了cookie)

代理：
破解封IP这种反爬机制

什么是代理：
- 代理服务器
代理的作用：
- 可以突破自身IP访问的限制
- 可以隐藏自身IP被攻击、真实IP

代理相关的网站：
- 快代理
- 西祠代理
- www.goubanja.com