第六章模拟登陆和处理验证码思维导图

弓长-张

2024-05-07

浏览量: 3

验证码

数据处理

模拟登陆

模拟登陆，验证码处理等内容讲解

树图思维导图提供《第六章模拟登陆和处理验证码》在线思维导图免费制作，点击“编辑”按钮，可对《第六章模拟登陆和处理验证码》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：d0295c5e258801bc3135f64cded9c552

思维导图大纲

模拟登陆

已经介绍了使用 Cookie 保持登录状态的方法，但是这种方法需要在浏览器中输入用户名和密码登录后，再复制用户状态下网页请求头中的 Cookie，将其设置到程序中。除了使用 Cookie，爬虫程序还可以使用 Session 保持登录。Session 也是一种记录客户端状态的会话机制，它保存在服务器上。

Session 会话机制的过程为: 当用户通过浏览器登录网站时，会在服务器端生成一个Session，同时会为该 Session 生成唯一的 SessionID，然后通过响应将 Session ID (响应头中的Set-Cookie信息)返回给浏览器;当再次访问网站时，浏览器会将 Session ID 放到请求头中一起发送给服务器，服务器从请求中提取出 SessionID，并和保存的所有 Session ID进行对比，查找相应的 Session，从而实现保持登录。

处理验证码

处理图片验证码

图片验证码是一种最简单的验证码，一般由 4 位字母或数字组成，需要完全正确地入字符才能完成登录。

识别思路：识别图片验证码通常使用图像识别技术。这种技术称为光学字符识别 (OpticalCharacter Recognition，OCR)，它通过检测暗、亮的模式确定其形状，然后使用字符识别方法将形状翻译成计算机文字。而在识别过程中，一些图片存在多余线条的干扰，需要对图片进行灰度和二值化处理，以提高图片的识别率。

图片验证码的识别思路如下。 (1)获取验证码图片。在网页的 HTML 源代码中查找验证码节点，获取链接属性然后发送请求，获取验证码图片。(2)将图像转化为灰度图像。 (2)将图像转化为灰度图像。 (3)将灰度图像转化为二值图像。指定二值化的阙值，将像素小于阀值的地方设置成黑色，将像素大于闽值的地方设置成白色，去除图片中的线条。 (4)使用OCR 技术识别图中字母或数字。

识别验证码

image_to_string()方法是pytesseract 库提供的识别图片中文本的方法，它将图片上的字母或数字转为字符串。该方法的参数是Image对象，它可以由 PIL 库(Python 的第三方图像处理库)中的 Image 模块生成。

处理点触验证码

点触验证码是给出一张复杂的图片，根据图片上的指示进行点击即可完成验证。

识别思路: 自动识别点触验证码的解决方法是获取验证码图片，上传给超级鹰网站获取单击的位置坐标，然后依次单击完成验证。点触验证码的识别思路如下。 (1)获取验证码图片。首先将显示验证码的登录页面全屏截图;然后在网页的 HTMI源代码中查找验证码图片节点，获取图片的位置和大小;最后根据其左下角和右上角的坐标从页面全屏截图中截取相应的验证码图片并保存。 (2)获取单击的位置坐标。调用超级鹰接口，上传验证码图片至超级鹰后台，返回识别的坐标。 (3)解析坐标，模拟点击。由于超级鹰返回的坐标是字符串形式，且每个坐标都以“|”分割，所以需要对坐标进行解析，然后模拟鼠标的单击操作，依次进行单击。

处理滑动拼图验证码

滑动拼图验证码需要拖动滑块拼合图像，若图像完全拼合，则验证成功，否则需要重新验证。

滑动拼图验证码一般的解决方法是:获取滑块移动至缺口的距离，生成滑动轨迹，然后拖动滑块到缺口处，实现滑动拼图验证。本节使用第三方收费的接口(超级鹰接口)来识别并获取滑块移动至缺口的距离.

识别思路： (1)获取验证码图片。首先，将显示验证码的登录页面全屏截图;然后，在网页的HTML 源代码中查找验证码图片节点，获取图片的位置和大小;最后，根据其左下角和右上角的坐标从页面全屏截图中截取相应的验证码图片并保存。 (2)在图片上绘制文字。在图片上绘制“请点击缺口左上角”文字并保存，以便超级鹰获取识别坐标的要求。