[TOC]
# 一 反爬措施
在需要登录的页面,用普通验证码拦截用户,当手动获取了改验证码并识别后,再次登录,会发现验证码已经变了
因为验证码是点击一次就变一次,所以获取的验证码已经不是后面的验证码了
# 二 对抗措施
1. 使用session保持会话
2. 然后用该session去请求首页
3. 获取验证码地址并下载
4. 识别验证码并记录
5. 获取post请求的页面和参数
6. 处理参数
7. 通过session,带上参数登录
# 三 借助session实现验证码登陆
```python
import requests
from lxml import etree
from chaojiying import Chaojiying_Client
url='https://so.gushiwen.org/user/login.aspx?from=http://so.gushiwen.org/user/collect.aspx'
headers={
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36'
}
# 1. 先实例化一个session对象,并带上啊session请求网页
res_s=requests.Session()
pageinfo=res_s.get(url=url,headers=headers).text
#2. 通过session,获取网页图片
tree=etree.HTML(pageinfo)
image_url='https://so.gushiwen.org/'+tree.xpath('//*[@id="imgCode"]/@src')[0]
image_content=res_s.get(url=image_url,headers=headers).content
with open('a.jpg','wb') as fp:
fp.write(image_content)
cjy=Chaojiying_Client('noah666', '68t.guCQ3uUmL8K', '904156')
im = open('a.jpg', 'rb').read()
image_code=cjy.PostPic(im, 1902)['pic_str']
# 3. 从tree对象中,解析post请求所需动态参数
VIEWSTATE=tree.xpath('//*[@id="__VIEWSTATE"]/@value')[0]
VIEWSTATEGENERATOR=tree.xpath('//*[@id="__VIEWSTATEGENERATOR"]/@value')[0]
# 4. 处理post请求网页及参数
data={
'__VIEWSTATE': VIEWSTATE,
'__VIEWSTATEGENERATOR': VIEWSTATEGENERATOR,
'from':'http://so.gushiwen.org/user/collect.aspx',
'email': 'www.zhangbowudi@qq.com',
'pwd': 'bobo328410948',
'code': image_code,
'denglu': '登录'
}
url='https://so.gushiwen.org/user/login.aspx?from=http%3a%2f%2fso.gushiwen.org%2fuser%2fcollect.aspx'
# 5. 模拟请求,并将结果保存
login=res_s.post(url=url,data=data,headers=headers).text
with open('./gushiwenwang.html','w',encoding='utf-8') as fp:
fp.write(login)
```
- 基础部分
- 基础知识
- 变量
- 数据类型
- 数字与布尔详解
- 列表详解list
- 字符串详解str
- 元组详解tup
- 字典详解dict
- 集合详解set
- 运算符
- 流程控制与循环
- 字符编码
- 编的小程序
- 三级菜单
- 斐波那契数列
- 汉诺塔
- 文件操作
- 函数相关
- 函数基础知识
- 函数进阶知识
- lambda与map-filter-reduce
- 装饰器知识
- 生成器和迭代器
- 琢磨的小技巧
- 通过operator函数将字符串转换回运算符
- 目录规范
- 异常处理
- 常用模块
- 模块和包相关概念
- 绝对导入&相对导入
- pip使用第三方源
- time&datetime模块
- random随机数模块
- os 系统交互模块
- sys系统模块
- shutil复制&打包模块
- json&pickle&shelve模块
- xml序列化模块
- configparser配置模块
- hashlib哈希模块
- subprocess命令模块
- 日志logging模块基础
- 日志logging模块进阶
- 日志重复输出问题
- re正则表达式模块
- struct字节处理模块
- abc抽象类与多态模块
- requests与urllib网络访问模块
- 参数控制模块1-optparse-过时
- 参数控制模块2-argparse
- pymysql数据库模块
- requests网络请求模块
- 面向对象
- 面向对象相关概念
- 类与对象基础操作
- 继承-派生和组合
- 抽象类与接口
- 多态与鸭子类型
- 封装-隐藏与扩展性
- 绑定方法与非绑定方法
- 反射-字符串映射属性
- 类相关内置方法
- 元类自定义及单例模式
- 面向对象的软件开发
- 网络-并发编程
- 网络编程SOCKET
- socket简介和入门
- socket代码实例
- 粘包及粘包解决办法
- 基于UDP协议的socket
- 文件传输程序实战
- socketserver并发模块
- 多进程multiprocessing模块
- 进程理论知识
- 多进程与守护进程
- 锁-信号量-事件
- 队列与生产消费模型
- 进程池Pool
- 多线程threading模块
- 进程理论和GIL锁
- 死锁与递归锁
- 多线程与守护线程
- 定时器-条件-队列
- 线程池与进程池(新方法)
- 协程与IO模型
- 协程理论知识
- gevent与greenlet模块
- 5种网络IO模型
- 非阻塞与多路复用IO实现
- 带着目标学python
- Pycharm基本使用
- 爬虫
- 案例-爬mzitu美女
- 案例-爬小说
- beautifulsoup解析模块
- etree中的xpath解析模块
- 反爬对抗-普通验证码
- 反爬对抗-session登录
- 反爬对抗-代理池
- 爬虫技巧-线程池
- 爬虫对抗-图片懒加载
- selenium浏览器模拟