此次是我第一次模擬登入，目標站點是知乎。
剛開始在網上看別人一直在說知乎登入首頁有有倒立的漢字驗證碼，我打開自己的知乎登入頁面，發現只有賬號和密碼，他們說的倒立的驗證碼去哪了，后面仔細一想我之前登入過知乎，應該在本地存在cookies,然后我將cookies刪除掉果然就有需要驗證碼了：

分析-01.png

參考了大多數的意見，可以模擬登入移動端，驗證碼形式是我們常見的字母數字組合，避開這個點擊倒立的驗證碼形式，然后我就在移動端抓包了,可以拿到驗證碼圖片的包，我們可以請求這個URL拿到每次的驗證碼：

分析-02.png

這個URL的結構是:https://www.zhihu.com/captcha.gif?r=xxx&type=login

分析-03.png

搜索"<input",可以抓到如下：

分析-04.png

要拿到_xsrf、captcha、phone_num、password這四個參數，然后模擬發送POST請求，phone_num、password好處理就是登入的手機號碼和密碼，手動輸入即可。

對于_xsrf,我是利用了正則表達式來提取，出現的問題：
1、剛開始的URL寫成https://www.zhihu.com/提取不到內容，后面把此請求的response打印出來，發現并不是我們所需要的頁面，后面返回PC端去拿到這個URL，返回我們所需的頁面。
2、正則表達式匹配的時候總是多匹配了多余的內容，同樣在打印出源代碼的時候發現 value="(.*?)"/>有一個/。

def get_xsrf():
    url='https://www.zhihu.com/signin?next=/'
    html=session.get(url=url,headers=headers).text
    pattern=re.compile('.*?<input type="hidden" name="_xsrf" value="(.*?)"/>', re.S)
    _xsrf=re.search(pattern,html).group(1)
    if _xsrf:
        print('_xsrf獲取成功:'+ _xsrf)
        return _xsrf
    else:
        print('_xsrf獲取失敗')

對于captcha，就是驗證碼了，在剛開始的時候也提到了，可以請求相應的URL，拿到每次所需的驗證碼，人工來識別驗證碼的好處就是準確率高，這里我嘗試使用了，人工識別的方法：
驗證碼圖片會下載至項目所在的文件夾，打開圖片，輸入驗證碼即可

def get_captcha():
    t=int(time.time()*1000)
    url='https://www.zhihu.com/captcha.gif?r='+str(t)+'&type=login'
    content=session.get(url=url,headers=headers).content
    with open('captcha.jpg','wb') as f:
        f.write(content)
    im=Image.open('captcha.jpg')
    im.show()
    time.sleep(5)
    im.close()
    return input('請輸入驗證碼:')

后面我又嘗試使用OCR(Optical Character Recogintion，光學字符識別)，所用到的包是pytesseract,看能不能夠自動識別，但是顯然效果是很差的，在此也記錄一下：

def get_captcha():
    t=int(time.time()*1000)
    url='https://www.zhihu.com/captcha.gif?r='+str(t)+'&type=login'
    content=session.get(url=url,headers=headers).content
    with open('captcha.jpg','wb') as f:
        f.write(content)
    im=Image.open('captcha.jpg')             #把彩色圖像轉化成灰度圖像
    gray=im.convert('L')                
    gray.show()                         
    threshold=200                            #二值化處理
    table=[]                                
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    out=gray.point(table,'1')
    out.show()
    out.save('captcha_thresholded.jpg')
    th=Image.open('captcha_thresholded.jpg')  #使用Tesseract進行圖片識別
    print(pytesseract.image_to_string(th))
    return pytesseract.image_to_string(th)

試了幾次，OCR識別的結果都是有問題的，結果是這樣的：

分析-07.png