（更新）python爬虫实战：模拟登录12306（主要讲解验证码的突破）

刚刚刷完慕课，写完线代作业，现在是时候来一波验证码的突破测试了。在开始之前，我相信有很多朋友会问我：为什么要选择突破12306的验证码？ 大家应该都知道，12306每天的火车票的数量都是有限的，如果有很多人都能够通过爬虫来进行抢票，那么，让那些不懂爬虫的人应该怎么办呢？ 所有12306的反爬措施肯定是很到位的，既然反爬很强，那么也就是我们应该试着突破的对象。不因为别的，只是为了提高自己的技术，仅此而已。话不多说，下面进入正题。

大致思路是这样的：

1.找到12306的登录页面，post请求一次，找到请求的真正url，以及提交给服务器的数据data；

2.分析数据包data，找出需要提交的信息，然后再从上面的post请求中抓包分析，找到验证码的url；

3.找到提交data包的url，进行post请求，提交数据；

4.再次寻找所需要的验证信息，（12306的验证防护有3层，这篇文章，我们只讲前面的部分）

首先，我们打开12306的登录界面，F12，打开network选项，随便输入一个用户名，密码，和验证码，我们来看看会发出哪一些请求。

抓包分析可知，当点击登录的时候，浏览器发送了两个http请求。点击其中的一个，我们可以看见浏览器发出了一个post请求，而请求的真正的url是我红线画的url。

往下面看，可以发现，我们提交了一个data数据包，其中的login_site和rand都是定值，而answer则是验证码的分辨率。这里正是我们的突破口。

那么，接下来的一步就是要找到验证码的分辨率了，应该怎么做呢？

首先，我们要找到请求验证码图片的真实url，这里需要注意的是：图片的http请求和网页主题的请求并不是同步的，所有的图片信息都需要自己的url来进行请求。

显然，刚刚抓包得到的第二个请求就是，验证码图片的url。这是一个get请求，并不需要提交数据。

那么。我们现在需要做的就是将这个图片下载下来，然后通过画图工具，找到他的正确答案所对应的像素即可。 下面，我们开始写代码：（这里只写了主要的代码，没写的大家自己添加，请看注释）

check_res=my_session.get(ver_url)#得到验证码，并保存到本地
#将验证码保存到本地
with  open('1.jpg','wb')   as   f:
    f.write(check_res.content)
img=Image.open('1.jpg')
img.show()#将图片表示出来，用画图工具打开，然后就能看见像素
ver=input("请输入验证码>>>")#从验证码中得知的像素
#构造表单,字典类型
datas={"answer":ver,
"login_site":"E",
"rand":"sjrand"}
check_res=my_session.post(check_url,data=datas)
print(check_res.text)

我们可以看一下输出的内容是：

可以看见，现在已经模拟验证码输入已经成功了。大家可以看下图，当我们在网页上将验证码输入成功的时候，response的其实也就是这样一串数字。

验证码这一部分已经ok了，下面就是要找到账号和密码提交的真实url

我们在浏览器中将，账号，密码，以及验证码全部输入正确，点击登录时进行抓包分析：

可以看见，这次抓取的包就有很多了。在红区的包中，进行查找，我们发现有一个post请求，提交了我们的账号和密码：（这里时我随便输入的账号和密码，但是只要把验证码输入正确之后，就会进行进行账号和密码的验证，和上面说的把账号和密码，验证码全部输入正确并不矛盾）

而很容易发现，这个post请求发送给给的是下图url：

所以，下面我们就可以进行下一步了：对账号和密码进行一个验证，代码如下：

#抓包分析，得到提交账号和密码的url
login_url="https://kyfw.12306.cn/passport/web/login"
username=input("请输入账号：")
password=input("请输入密码：")
data={"username":username,
"password":password,
"appid":"otn"}
login_res=my_session.post(login_url,data=data)
print(login_res.text)

运行上面所有的代码，结果如下：

现在，我们就yij将验证码的校验给提交成功了，但是，这并不代表我们已经真正地登录成功了，大家可以看见，在账号密码的验证之后返回的response中，有一串名为uamtk的字符。、

实际上，这是我们下一步要使用的验证信息。这是一个思路，大家可以接着自己去做，今天我就讲这么多。

源码放在了我的的GitHub上，需要的朋友自取：

reBiocoder/python

5月20日更新。

今天给大家更新一波。

在昨天的验证码和账号密码珀斯特之后，我们可以继续分析url，很容易找到：还有两个post请求。

这就是12306的第二层防护。我们看看其中一个post的数据包

可以看见他需要提供一个tk数据包，其实这就是我跟大家所说的上面登录成功之后，utamk参数的作用，按照之前的分析，可以分析处需要提交的url，这里直接上代码：

login_res=my_session.post(login_url,data=data)
print(login_res.text)
data2={"appid":"otn"}
Uamtk_res=my_session.post(Uamtk_url,data=data2)
json=json.loads(Uamtk_res.text)
umtk_id=json["newapptk"]
print(umtk_id)
data1={"tk": umtk_id}
uamtk_res=my_session.post(uamtk_url,data=data1)
print(uamtk_res.text)
data3={"_json_att":""}
use_res=my_session.post(user_url,data=data3)
print(use_res.text)

需要源码的朋友，可以去我的GitHub上下载

全文结束,欢迎在评论区讨论~