python爬虫解决验证码的思路

如果直接从生成验证码的页面把验证码下载到本地后识别，再构造表单数据发送的话，会有一个验证码同步的问题，即请求了两次验证码，而识别出来的验证码并不是实际需要发送的验证码。有如下几种方法解决。

法1:

用session：

mysession = requests.Session()login_url = 'http://xxx.com'checkcode_url='http://yyy.com'html = mysession.get(login_url,timeout=60*4)#....balabala解析操作....checkcode = mysession.get(checkcode_url,timeout=60*4)with open('checkcode.png','wb') as f:    f.write(checkcode.content)#接下来balabala对图像操作，可以用python的相关库（识别率低，教务网的验证码都够呛），也可以用云速等第三方验证码识别网站提供的有偿服务（识别度较高）#再接下来构造表单数据balabala

法2:

用cookie：

#绑定cookiecheckcode_url='http://yyy.com'cookie = cookielib.CookieJar()handler = urllib2.HTTPCookieProcessor(cookie)opener = urllib2.build_opener(handler)#先读取验证码的urlpicture = opener.open(checkcode_url).read()#balabala图像处理# 生成post数据 data = urllib.urlencode(postData)# 构造request请求request = urllib2.Request(PostUrl, data, headers)# 利用之前存有cookie的opener登录页面try:    response = opener.open(request)    result = response.read()except urllib2.HTTPError, e:    print e.code

法3:

selenium+手动构造cookie： 该方法无需识别验证码，本人尚未尝试。

webdriver 操作 cookie 的方法有： get_cookies() 获得所有 cookie 信息 get_cookie(name) 返回特定 name 有 cookie 信息 add_cookie(cookie_dict) 添加 cookie，必须有 name 和 value 值 delete_cookie(name) 删除特定(部分)的 cookie 信息 delete_all_cookies() 删除所有 cookie 信息

....#第一次访问 xxx 网站driver.get("http://xxx.com")#将用户名密码写入浏览器 cookiedriver.add_cookie({'name':'username','value':'username'})driver.add_cookie({'name':'password','value':'password'})#再次访问 xxx 网站，将会自动登录driver.get("http://xxx.com")time.sleep(5)....driver.quit()

这种方法难点在于确定该网站是用cookie中的什么key值来表示“用户名”和“密码”的。而且好像有些cookie是加密过的。可以先用get_cookies()进行观察。