一、常見反爬機制及其破解方式
封禁IP，使用cookie等前面文章已經講過
現在主要將下面的：
~ 驗證碼
—> 文字驗證碼 —> OCR（光學文字識別）—> 接口 / easyocr
程序自己解決不了的問題就可以考慮使用三方接口（付費/免費）
—> 行為驗證碼 —> 超級鷹
~ 手機號+短信驗證碼
—> 接碼平臺
~ 動態內容
—> JavaScript逆向 —> 找到提供數據的API接口
—> 手機抓接口 —> 抓包工具（Charles / Fiddler）
—> Selenium直接模擬瀏覽器操作獲取動態內容
~ find_element_by_xxx / find_elements_by_xxx
~ page_source —> 獲取包含動態內容的網頁源代碼
—> JavaScript加密和混淆技術 —> 讀懂JavaScript是反反爬的前提
~ 字體反爬 / 內容來自于摳圖
—> 例子
bytes —> 不變字節串 —> 二進制 —> BytesIO
str —> 不變字符串 —> 可閱讀的字符 —> StringIO
二、調用三方API接口數據（天行數據）
import requests
for page in range(1, 6):
response = requests.get(
'http://api.tianapi.com/topnews/index',
params={
'key': 'd5eace66dccd771e36767ce3563efa09',
'page': page,
'num': 20,
'word': '華為',
'src': '人民日報'
}
)
result = response.json()
for news in result['newslist']:
print(news['title'])
print(news['url'])
三、OCR（光學文字識別）庫
python 自帶的easyocr庫
import easyocr
reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)
print(reader.readtext('./files/captcha.jpg', detail=0))
例子：阿里云郵箱自動登陸
import io
import easyocr
from PIL import Image
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions
from selenium.webdriver.support.wait import WebDriverWait
browser = webdriver.Chrome()
browser.set_window_size(1280, 960)
browser.get('http://mail.1000phone.com/')
# 隱式等待（下面的方法在工作時如果取不到就等10秒）
browser.implicitly_wait(10)
# 顯式等待
wait = WebDriverWait(browser, 10)
wait.until(expected_conditions.presence_of_element_located((By.CSS_SELECTOR, '.login_panel_iframe')))
iframe1 = browser.find_element_by_css_selector('.login_panel_iframe')
# 記錄iframe1的位置（相對位置）
x1, y1 = iframe1.location['x'], iframe1.location['y']
# Chrome對象的switch_to屬性的frame方法，可以從頁面切換到iframe中
browser.switch_to.frame(iframe1)
iframe2 = browser.find_element_by_css_selector('#ding-login-iframe')
x2, y2 = iframe2.location['x'], iframe2.location['y']
browser.switch_to.frame(iframe2)
username_input = browser.find_element_by_css_selector('#username')
# 模擬用戶輸入
username_input.send_keys('xx@1000phone.com')
password_input = browser.find_element_by_css_selector('#password')
password_input.send_keys('xxxxx!!')
# 創建一個等待對象
wait = WebDriverWait(browser, 10)
wait.until(expected_conditions.element_to_be_clickable((By.CSS_SELECTOR, '#login_checkcode_ico')))
captcha_img = browser.find_element_by_css_selector('#login_checkcode_ico')
# WebElement對象的size屬性代表元素寬度和高度，location屬性代表元素在窗口中的位置
size, location = captcha_img.size, captcha_img.location
x3, y3, width, height = location['x'], location['y'], size['width'], size['height']
# 截取整個瀏覽器窗口的圖片獲得圖片的二進制數據
image_data = browser.get_screenshot_as_png()
# bytes（只讀字節串） ----> io.BytesIO（可寫字節串）---> getvalue() ---> bytes
# str（只讀字符串） ----> io.StringIO（可寫字符串）---> getvalue() ---> str
browser_image = Image.open(io.BytesIO(image_data))
# 從截圖上剪裁出驗證碼的圖片
x, y = x1 + x2 + x3, y1 + y2 + y3
# Windows系統的寫法 ---> 如果截圖有問題就把坐標寫死
# print(x, y, width, height)
checkcode_image = browser_image.crop((x * 1.25, y * 1.25, (x + width) * 1.25, (y + height) * 1.25))
# macOS系統的寫法
# checkcode_image = browser_image.crop((x * 2, y * 2, (x + width) * 2, (y + height) * 2))
checkcode_image.save('result.png')
# 通過easyocr做光學文字識別
reader = easyocr.Reader(['en'], gpu=False)
code = reader.readtext('result.png', detail=0)[0]
# 將識別出的驗證碼輸入文本框
checkcode_input = browser.find_element_by_css_selector('#login_checkcode')
checkcode_input.send_keys(code)
login_button = browser.find_element_by_css_selector('#login_submit_btn')
# 模擬用戶點擊
login_button.click()
四、第三方打碼平臺（超級鷹打碼平臺）
補充：需要使用python 自帶pillow庫
"""
Pillow庫 ---> PIL ---> Python Image Library
"""
from PIL import Image, ImageFilter
# 加載圖像
guido_image = Image.open('guido.jpg')
# 剪裁
guido_image.crop((80, 40, 310, 350)).show()
# 濾鏡
guido_image.filter(ImageFilter.CONTOUR).show()
# 縮略圖
guido_image.thumbnail((125, 185))
# 顯示圖像
guido_image.show()
編寫超級鷹打碼平臺類
from hashlib import md5
import requests
class ChaojiyingClient:
def __init__(self, username, password, soft_id):
self.username = username
password = password.encode('utf8')
self.password = md5(password).hexdigest()
self.soft_id = soft_id
self.base_params = {
'user': self.username,
'pass2': self.password,
'softid': self.soft_id,
}
self.headers = {
'Connection': 'Keep-Alive',
'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
}
def post_pic(self, image_data, code_type):
"""
image_data: 圖片字節
code_type: 驗證碼類型 參考 http://www.chaojiying.com/price.html
"""
params = {
'codetype': code_type,
}
params.update(self.base_params)
files = {'userfile': ('ccc.jpg', image_data)}
response = requests.post(
url='http://upload.chaojiying.net/Upload/Processing.php',
data=params,
files=files,
headers=self.headers
)
return response.json()
# 超級鷹錯誤反饋函數（僅用于給超級鷹平臺反饋）
def report_error(self, im_id):
"""
im_id:報錯題目的圖片ID
"""
params = {
'id': im_id,
}
params.update(self.base_params)
r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)
return r.json()
if __name__ == '__main__':
chaojiying = ChaojiyingClient('賬戶', '密碼x', 'ID') # 用戶中心>>軟件ID 生成一個替換 96001
with open('img.png', 'rb') as file:
image_data = file.read() # 本地圖片文件路徑 來替換 a.jpg 有時WIN系統須要//
print(chaojiying.post_pic(image_data, 1902)) # 1902 驗證碼類型 官方網站>>價格體系 3.4+版 print 后要加()
例子：使用超級鷹進行阿里云郵箱自動登陸
import io
import easyocr
from PIL import Image
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions
from selenium.webdriver.support.wait import WebDriverWait
from chaojiying import ChaojiyingClient
browser = webdriver.Chrome()
browser.set_window_size(1280, 960)
browser.get('http://mail.1000phone.com/')
# 隱式等待（下面的方法在工作時如果取不到就等10秒）
browser.implicitly_wait(10)
# 顯式等待
wait = WebDriverWait(browser, 10)
wait.until(expected_conditions.presence_of_element_located((By.CSS_SELECTOR, '.login_panel_iframe')))
iframe1 = browser.find_element_by_css_selector('.login_panel_iframe')
# 記錄iframe1的位置（相對位置）
x1, y1 = iframe1.location['x'], iframe1.location['y']
# Chrome對象的switch_to屬性的frame方法，可以從頁面切換到iframe中
browser.switch_to.frame(iframe1)
iframe2 = browser.find_element_by_css_selector('#ding-login-iframe')
x2, y2 = iframe2.location['x'], iframe2.location['y']
browser.switch_to.frame(iframe2)
username_input = browser.find_element_by_css_selector('#username')
# 模擬用戶輸入
username_input.send_keys('xxxx.com')
password_input = browser.find_element_by_css_selector('#password')
password_input.send_keys('xxxx!!')
# 創建一個等待對象
wait = WebDriverWait(browser, 10)
wait.until(expected_conditions.element_to_be_clickable((By.CSS_SELECTOR, '#login_checkcode_ico')))
captcha_img = browser.find_element_by_css_selector('#login_checkcode_ico')
# WebElement對象的size屬性代表元素寬度和高度，location屬性代表元素在窗口中的位置
size, location = captcha_img.size, captcha_img.location
x3, y3, width, height = location['x'], location['y'], size['width'], size['height']
# 截取整個瀏覽器窗口的圖片獲得圖片的二進制數據
image_data = browser.get_screenshot_as_png()
# bytes（只讀字節串） ----> io.BytesIO（可寫字節串）---> getvalue() ---> bytes
# str（只讀字符串） ----> io.StringIO（可寫字符串）---> getvalue() ---> str
browser_image = Image.open(io.BytesIO(image_data))
# 從截圖上剪裁出驗證碼的圖片
x, y = x1 + x2 + x3, y1 + y2 + y3
# Windows系統的寫法 ---> 如果截圖有問題就把坐標寫死
# print(x, y, width, height)
checkcode_image = browser_image.crop((x * 1.25, y * 1.25, (x + width) * 1.25, (y + height) * 1.25))
# macOS系統的寫法
# checkcode_image = browser_image.crop((x * 2, y * 2, (x + width) * 2, (y + height) * 2))
checkcode_image.save('result.png')
# 通過超級鷹打碼平臺打碼
chaojiying = ChaojiyingClient('賬戶', '密碼', 'ID')
with open('result.png', 'rb') as file:
image_data = file.read()
result_dict = chaojiying.post_pic(image_data, 1902)
# 將識別出的驗證碼輸入文本框
checkcode_input = browser.find_element_by_css_selector('#login_checkcode')
checkcode_input.send_keys(result_dict['pic_str'])
login_button = browser.find_element_by_css_selector('#login_submit_btn')
# 模擬用戶點擊
login_button.click()
五、通過接碼平臺接收手機驗證碼(隱私短信平臺)
通過隱私短信平臺接收驗證碼（免費）
import re
import bs4
import requests
pattern = re.compile(r'\d{4,6}')
resp = requests.get('https://www.yinsiduanxin.com/china-phone-number/verification-code-16521686439.html')
soup = bs4.BeautifulSoup(resp.text, 'html.parser')
# print(resp.text)
td = soup.select_one('body > div.container > div:nth-child(4) > div:nth-child(3) > div.main > div.layui-row > table > tbody > tr:nth-child(1) > td:nth-child(2)')
results = pattern.findall(td.text)
print(results[0])
到此這篇關于Python中常見的反爬機制及其破解方法總結的文章就介紹到這了,更多相關Python反爬機制及其破解內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python 常見的反爬蟲策略
- Python常見反爬蟲機制解決方案
- python解決網站的反爬蟲策略總結
- python中繞過反爬蟲的方法總結
- Python反爬蟲技術之防止IP地址被封殺的講解
- Python爬蟲和反爬技術過程詳解
