許多流行的內(nèi)容管理系統(tǒng)即使加了驗證碼模塊，其眾所周知的注冊頁面也經(jīng)常會遭到網(wǎng)絡(luò) 機器人的垃圾注冊。

那么，這些網(wǎng)絡(luò)機器人究，竟是怎么做的呢?既然我們已經(jīng)，可以成功地識別出保存在電腦上 的驗證碼了，那么如何才能實現(xiàn)一個全能的網(wǎng)絡(luò)機器人呢?

大多數(shù)網(wǎng)站生成的驗證碼圖片都具有以下屬性。

• 它們是服務(wù)器端的程序動態(tài)生成的圖片。驗證碼圖片的 src 屬性可能和普通圖片不太一 樣，比如?<img src="WebForm.aspx?id=8AP85CQKE9TJ">，但是可以和其他圖片一樣進行 下載和處理。
• 圖片的答案存儲在服務(wù)器端的數(shù)據(jù)庫里。
• 很多驗證碼都有時間限制，如果你太長時間沒解決就會失效。
• 常用的處理方法就是，首先把驗證碼圖片下載到硬盤里，清理干凈，然后用 Tesseract 處理 圖片，最后返回符合網(wǎng)站要求的識別結(jié)果。

#!/usr/bin/env python
# -*- coding:utf-8 -*-import requests
import time
import pytesseract
from PIL import Image
from bs4 import BeautifulSoupdef captcha(data):with open('captcha.jpg','wb') as fp:fp.write(data)time.sleep(1)image = Image.open("captcha.jpg")text = pytesseract.image_to_string(image)print "機器識別后的驗證碼為：" + textcommand = raw_input("請輸入Y表示同意使用，按其他鍵自行重新輸入：")if (command == "Y" or command == "y"):return textelse:return raw_input('輸入驗證碼：')def zhihuLogin(username,password):# 構(gòu)建一個保存Cookie值的session對象sessiona = requests.Session()headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0'}# 先獲取頁面信息，找到需要POST的數(shù)據(jù)（并且已記錄當前頁面的Cookie）html = sessiona.get('https://www.zhihu.com/#signin', headers=headers).content# 找到 name 屬性值為 _xsrf 的input標簽，取出value里的值_xsrf = BeautifulSoup(html ,'lxml').find('input', attrs={'name':'_xsrf'}).get('value')# 取出驗證碼，r后面的值是Unix時間戳,time.time()captcha_url = 'https://www.zhihu.com/captcha.gif?r=%d&type=login' % (time.time() * 1000)response = sessiona.get(captcha_url, headers = headers)data = {"_xsrf":_xsrf,"email":username,"password":password,"remember_me":True,"captcha": captcha(response.content)}response = sessiona.post('https://www.zhihu.com/login/email', data = data, headers=headers)print response.textresponse = sessiona.get('https://www.zhihu.com/people/maozhaojun/activities', headers=headers)print response.textif __name__ == "__main__":#username = raw_input("username")#password = raw_input("password")zhihuLogin('xxxx@qq.com','ALAxxxxIME')

值得注意的是，有兩種異常情況會導(dǎo)致這個程序運行失敗。第一種情況是，如果 Tesseract 從驗證碼圖片中識別的結(jié)果不是四個字符(因為訓(xùn)練樣本中驗證碼的所有有效答案都必須 是四個字符)，結(jié)果不會被提交，程序失敗。第二種情況是雖然識別的結(jié)果是四個字符， 被提交到了表單，但是服務(wù)器對結(jié)果不認可，程序仍然失敗。

在實際運行過程中，第一種 情況發(fā)生的可能性大約為 50%，發(fā)生時程序不會向表單提交，程序直接結(jié)束并提示驗證碼 識別錯誤。第二種異常情況發(fā)生的概率約為 20%，四個字符都對的概率約是 30%(每個字 母的識別正確率大約是 80%，如果是五個字符都識別，正確的總概率是 32.8%)。

總結(jié)

以上是生活随笔為你收集整理的Python：尝试对知乎网验证码进行处理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。