python模擬自動登陸知乎和tesseract-ocr自動識別驗證碼

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

'''
模擬知乎登陸并使用tesseract-ocr識別驗證碼

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

# 當前項目路徑
cur_path = os.getcwd() + '/'

class ZhiHuSpider(object):
    '''
    本類主要用于實現模擬知乎登陸并使用tesseract-ocr識別驗證碼

    Attribute:
        session: 建立會話
        url_signin: 登陸頁面鏈接
        url_login: 登陸接口
        url_captcha: 驗證碼鏈接
        headers: 請求頭部信息
        num: 識別驗證碼次數
    '''

    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):
        '''
        獲取并使用tesseract-ocr識別驗證碼

        Returns: 
            返回驗證碼
        '''
        # 創建文件夾存放驗證碼
        if not os.path.exists(cur_path + 'captcha'):
            os.mkdir(cur_path + 'captcha')

        captcha_text = ''
        while True:
            # 下載驗證碼圖片
            captcha = self.session.get(self.url_captcha, headers=self.headers).content
            captcha_path = cur_path + 'captcha/captcha.gif' # 驗證碼圖片路徑
            captcha_path_new = cur_path + 'captcha/captcha_new.gif' # 處理后的驗證碼圖片路徑
            with open(captcha_path, 'wb') as f:
                f.write(captcha)

            # 圖片處理便于識別文字:彩色轉灰度,灰度轉二值,二值圖像識別
            im = Image.open(captcha_path)
            w, h = im.size
            im = im.convert('L') # convert()用于不同模式圖像之間的轉換
            threshold = 100 # 圖片降噪處理
            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) # 圖片放大
            im.save(captcha_path_new)

            # 執行tesseract-ocr識別驗證碼
            captcha_text_path = cur_path + 'captcha/captcha_text' # 識別驗證碼后驗證碼文字的存放路徑
            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 次識別的驗證碼為:%s' % (self.num, captcha_text))
                    regex = re.compile('^[0-9a-zA-Z]{4}$') # 正則表達式
                    if captcha_text and re.search(regex, captcha_text):
                        break;
                    else:
                        print('驗證碼無效!重新識別中...')
                        self.num += 1
                        # time.sleep(2) # 避免過于頻繁的訪問
                except Exception as e:
                    print('Exception:', e)
                    break;
        return captcha_text

    def login(self, username, password):
        '''
        登陸接口

        Args:
            username: 登陸賬戶
            password: 登陸密碼
        Returns:
            返回登錄結果list
        '''
        soup = BeautifulSoup(self.session.get(self.url_signin, headers=self.headers).content, 'html.parser')
        # 獲取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):
        '''
        獲取首頁第一條話題記錄
        '''
        print('-'*50, '獲取知乎首頁第一條話題記錄', '-'*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() # 話題
        print('來自話題:%s' % popover)
        title = item.find('div', attrs={'class': 'ContentItem AnswerItem'}).find('meta', attrs={'itemprop': 'name'}).get('content') # 標題
        print('title: %s' % title)
        content = item.find('div', attrs={'class': 'ContentItem AnswerItem'}).find('span', attrs={'class': 'RichText CopyrightRichText-richText'}).get_text() # 內容
        print('content: %s' % content)

if  __name__ == '__main__':
    zhihu = ZhiHuSpider()
    # 循環嘗試登陸
    while True:
        ret = zhihu.login('知乎登陸郵箱', '知乎密碼')
        if ret['r'] == 0:
            print('登陸成功! ')
            zhihu.get_index_topic()
            break
        else:
            print('登陸失敗: %s' % ret['msg'])
  

運行效果圖

image.png
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,048評論 6 542
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,414評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 178,169評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,722評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,465評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,823評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,813評論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,000評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,554評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,295評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,513評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,035評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,722評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,125評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,430評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,237評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,482評論 2 379

推薦閱讀更多精彩內容