解决爬虫模拟登录时验证码图片拉取提交问题的两种方式

当爬虫在模拟登录的时候，主流采用2种手法，模拟浏览器操作和协议破解。都会遇到的问题是，验证码的答案即使是通CNN或者OCR或者打码平台获得，如何提交呢？恐怕不少同学会说，提交还用说？

因为验证码的图片，往往再次请求会是不同的图片，如何将验证码与当前登录流程绑定呢？

目前主流有3种方法

一：采用模拟浏览器登录；

1：最直观的解决思路，截图打码提交

加载完毕网页后，单独截取当前网页的截图，明知验证码位置，截图该验证码位置image模块可以解决，提交打码平台或者各种模块识别后，填写。

优点自然是直观，缺点就是模拟登录比较慢，截图也繁琐

2：采用cookie获取验证码图

获取当前网页的cookie，携带cookie再次请求验证码图片采用requests模块，类似刷新下一张验证码，这时候，虽网页中的验证码图片没有变化，但是服务器端已经认为这个cookie对应的访客使用下一个验证码图片了，这样节省了一个截图的过程。

二：采用协议破解

所谓协议破解指通过理解他js发出登录请求的详细参数，伪造这些参数去完成登录，只需要requests之类请求发出，因此速度可以非常快，这样一来，如何标志前后请求是同一个访客发出的呢？有的网站给初始init页面一个唯一token，让后续请求都带同一个token就是同一个访客，也有用cookie来标志前后请求。

1：cookie标记，将请求index首页的cookie保存，带着cookie去请求验证码图片，再将带着cookie的答案连同登录参数一起发出。

2：绕过首页cookie，有时候也是可以的，比如12306.只用cookie直接取验证码就可以了，不用拿首页cookie

3：通过会话session，这样的请求会自动连接前后的cookie

原创文章，转载请注明： 转载自URl-team

本文链接地址: 解决爬虫模拟登录时验证码图片拉取提交问题的两种方式