溫馨小提示

全文加上程式碼總6.8k個字，閱讀大約10分鐘，謝謝你的點選，願能解決你的問題；

前言

前幾天在小豬群裡，有同學問，有人知道怎麼做豆瓣自動回覆功能嗎？然後群裡就各種大神出馬相助，各種填程式碼給資料的，也有同學說用selenium模擬下就好了等等，其實大家都說的對，伸手黨固然不好，但是考慮到讓一個不瞭解的同學去做這個事，的確有門檻，更別說查資料用selenium了；

豆瓣回覆功能嘗試

一開始的想法，也是用selenium的，但是想著，還是先模擬下，看看豆瓣的回覆流程吧；
先開啟需要回復的帖子，然後接著登入豆瓣，然後回到剛剛這個帖子上，觀察下介面，回覆按鈕就在底部，點選傳送就是評論了；

那我們就抓包看下請求吧，瀏覽器按F12,選擇network，點選左邊紅色按鈕兩次，把之前的資料都清除；

接著就輸入內容，點選傳送按鈕，然後檢視network介面，不難找到傳送評論的請求，從名字上看，也能確認是傳送評論的請求；

然後看了下右邊的請求資料，不難發現介面地址是：

https://www.douban.com/group/topic/121989778/add_comment
複製程式碼

而且發現，請求的時候，要帶4個引數：

ck=TXEg
rv_comment=層主真帥，贊贊贊  #這個就是要回復的內容
start=0
submit_btn=傳送
複製程式碼

既然如此，那就用postman試一下吧：

請求頭引數用了常規的cookie、user-agent、referer、host；

而body這塊，雖然上面抓包看到有4個引數，但是實際驗證只需要2個即可，傳送的內容就是jbtest;

那在postman上點選send，然後在那個帖子上重新整理下頁面，居然能看到剛剛回復的內容

看來，豆瓣回覆功能只需要調介面就行了，都不用selenium了；

既然如此，不能寫出下面這程式碼：

import requests
#豆瓣具體帖子回覆的介面，格式是帖子連結+/add_comment
db_url = "https://www.douban.com/group/topic/121989778//add_comment"

headers = {
    "Host": "www.douban.com",
    "Referer": "https://www.douban.com/group/topic/121989778/?start=0",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 
    (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36",
    "Cookie":"your cookie"   #這裡需要輸入你自己的cookie資訊，如果遇到轉義字元，轉
    義字元前面加\即可
}

params = {
    "ck": "TXEg",
    "rv_comment": "jbtest11111",#或者替換成想評論的東西
}
requests.post(db_url,headers=headers, data=params)
複製程式碼

上面的程式碼就是定義請求頭跟body引數，像豆瓣的評論介面發一個請求即可，執行下指令碼，重新整理下網頁：

沒問題，回覆功能多簡單，so easy；

自動功能

嗯，回覆功能可以了，那Python有沒有類似定時器的功能？定時執行上面的post請求就好了？

答案是有的，那就是APScheduler；

APScheduler簡介

APScheduler是Python的一個定時任務框架，可以很方便的滿足使用者定時執行或者週期執行任務的需求，
它提供了基於日期date、固定時間間隔interval 、以及類似於Linux上的定時任務crontab型別的定時任務。
並且該框架不僅可以新增、刪除定時任務，還可以將任務儲存到資料庫中，實現任務的持久化，所以使用起來非常方便。

官方簡介連結：apscheduler.readthedocs.io/en/3.3.1/

安裝

1）利用pip安裝：（推薦）

pip install apscheduler 
複製程式碼

2）基於原始碼安裝：pypi.python.org/pypi/APSche…

python setup.py install 
複製程式碼

4種元件

APScheduler有四種元件：
1）triggers(觸發器)：
觸發器包含排程邏輯，每一個作業有它自己的觸發器，用於決定接下來哪一個作業會執行，除了他們自己初始化配置外，觸發器完全是無狀態的。

2）job stores（作業儲存）：
用來儲存被排程的作業，預設的作業儲存器是簡單地把作業任務儲存在記憶體中，其它作業儲存器可以將任務作業儲存到各種資料庫中，支援MongoDB、Redis、SQLAlchemy儲存方式。
當對作業任務進行持久化儲存的時候，作業的資料將被序列化，重新讀取作業時在反序列化。

3）executors（執行器）：
執行器用來執行定時任務，只是將需要執行的任務放在新的執行緒或者執行緒池中執行。
當作業任務完成時，執行器將會通知排程器。
對於執行器，預設情況下選擇ThreadPoolExecutor就可以了，但是如果涉及到一下特殊任務如比較消耗CPU的任務則可以選擇ProcessPoolExecutor，當然根據根據實際需求可以同時使用兩種執行器。

4）schedulers（排程器）：
排程器是將其它部分聯絡在一起，一般在應用程式中只有一個排程器，應用開發者不會直接操作觸發器、任務儲存以及執行器，相反排程器提供了處理的介面。
通過排程器完成任務的儲存以及執行器的配置操作，如可以新增。修改、移除任務作業。 

APScheduler提供了多種排程器，常用的排程器有：

名稱	場景
BlockingScheduler	適合於只在程式中執行單個任務的情況
BackgroundScheduler	適合於要求任何在程式後臺執行的情況
AsyncIOScheduler	適合於使用asyncio框架的情況
GeventScheduler	適合於使用gevent框架的情況
TornadoScheduler	適合於使用Tornado框架的應用
TwistedScheduler	適合使用Twisted框架的應用
QtScheduler	適合使用QT的情況

簡單的例子

from apscheduler.schedulers.blocking import BlockingScheduler
import time

# 例項化一個排程器
scheduler = BlockingScheduler()
 
def job1():
    print "%s: 執行任務"  % time.asctime()

# 新增任務並採用固定時間間隔，觸發方式為3s一次
scheduler.add_job(job1, 'interval', seconds=3)

# 開始執行排程器
scheduler.start()
複製程式碼

執行後的效果：

很簡單有沒有，先初始化，然後add_job，最後start就好了，那下面，再詳細講解下不同元件提供的功能吧；

定時任務

trigger提供任務的觸發方式，共有3種方式：

• date:只在某個時間點執行一次，用法：run_data(datetime|str)

  scheduler.add_job(my_job, 'date', run_date=date(2017, 9, 8), args=[]) scheduler.add_job(my_job, 'date', run_date=datetime(2017, 9, 8, 21, 30, 5), args=[]) scheduler.add_job(my_job, 'date', run_date='2017-9-08 21:30:05', args=[]) sched.add_job(my_job, args=[[])

  • interval: 每隔一段時間執行一次，用法：weeks=0 | days=0 | hours=0 | minutes=0 | seconds=0, start_date=None, end_date=None, timezone=None

  scheduler.add_job(my_job, 'interval', hours=2) scheduler.add_job(my_job, 'interval', hours=2, start_date='2017-9-8 21:30:00', end_date= '2018-06-15 21:30:00)

  @scheduler.scheduled_job('interval', id='my_job_id', hours=2) def my_job(): print("Hello World")

  • cron: 使用同linux下crontab的方式，即定時任務；，用法：(year=None, month=None, day=None, week=None, day_of_week=None, hour=None, minute=None, second=None, start_date=None, end_date=None, timezone=None)

  sched.add_job(my_job, 'cron', hour=3, minute=30) sched.add_job(my_job, 'cron', day_of_week='mon-fri', hour=5, minute=30, end_date='2017-10-30')

  @sched.scheduled_job('cron', id='my_job_id', day='last sun') def some_decorated_task(): print("I am printed at 00:00:00 on the last Sunday of every month!")

一般來說，使用的比較多的是interval方式，可以重點留意下；

定時任務實戰

1）APScheduler怎麼設定範圍時間任務，比如我想要在10：00~11：00這個範圍的時間內隨機一個時間點去執行任務

print(get_time()+"jbtest")
t= random.randint(1,10) # # 1~10秒隨機
scheduler.add_job(myjob, 'interval', seconds=t,start_date='2018-09-05 10:00:00', end_date='2018-09-05 11:00:00')  # 估計就滿足你的需求了吧
scheduler.start()
複製程式碼

2）如果不想具體的時間，而是某個範圍的話：

3）區間直接 sched.scheduled_job('cron', day_of_week='mon-fri', hour='0-9', minute='30-59', second='*/3') 在週一到週五其間，每天的０點到９點之間，在３０分到５９分之間執行，執行頻次為３秒。

任務操作

新增任務add_job
add_job可以返回一個apscheduler.job.Job例項，因而可以對它進行修改或者刪除，而使用修飾器新增的任務新增之後就不能進行修改。

獲得任務列表get_jobs
可以通過get_jobs方法來獲取當前的任務列表，也可以通過get_job()來根據job_id來獲得某個任務的資訊。
並且apscheduler還提供了一個print_jobs()方法來列印格式化的任務列表。

scheduler.add_job(my_job, 'interval', seconds=5, id='my_job_id' name='test_job')
print scheduler.get_job('my_job_id')
print scheduler.get_jobs()
複製程式碼

修改任務 modify_job
修改任務的屬性可以使用apscheduler.job.Job.modify()或者modify_job()方法，可以修改除了id的其它任何屬性。

job = scheduler.add_job(my_job, 'interval', seconds=5, id='my_job' name='test_job')
job.modify(max_instances=5, name='my_job')
複製程式碼

刪除任務remove_job
刪除排程器中的任務有可以用remove_job()根據job ID來刪除指定任務或者使用remove()，
如果使用remove()需要事先儲存在新增任務時返回的例項物件，任務刪除後就不會在執行。

# 根據任務例項刪除
job = scheduler.add_job(myfunc, 'interval', minutes=2)
job.remove()

# 根據任務id刪除
scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')
scheduler.remove_job('my_job_id')
複製程式碼

任務的暫停pause_job和繼續resume_job
暫停與恢復任務可以直接操作任務例項或者排程器來實現。
當任務暫停時，它的執行時間會被重置，暫停期間不會計算時間。

job = scheduler.add_job(myfunc, 'interval', minutes=2)
# 根據任務例項
job.pause()
job.resume()

# 根據任務id暫停
scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')
scheduler.pause_job('my_job_id')   # 暫停
scheduler.resume_job('my_job_id')   #恢復
複製程式碼

任務的修飾modify和重設reschedule_job

修飾：job.modify(max_instances=6, name='Alternate name')
重設：scheduler.reschedule_job('my_job_id', trigger='cron', minute='*/5')
複製程式碼

排程器操作

開啟 scheduler.start()
可以使用start()方法啟動排程器，BlockingScheduler需要在初始化之後才能執行start(),
對於其他的Scheduler，呼叫start()方法都會直接返回，然後可以繼續執行後面的初始化操作

from apscheduler.schedulers.blocking import BlockingScheduler
def my_job():
    print "Hello world!"
    scheduler = BlockingScheduler()
    scheduler.add_job(my_job, 'interval', seconds=5)
    scheduler.start()
複製程式碼

關閉 scheduler.shotdown(wait=True | False)
使用下邊方法關閉排程器：

scheduler.shutdown() 
複製程式碼

預設情況下排程器會關閉它的任務儲存和執行器，並等待所有正在執行的任務完成，如果不想等待，可以進行如下操作：

scheduler.shutdown(wait=False)
複製程式碼

暫停 scheduler.pause()
繼續 scheduler.resume()

豆瓣自動回覆

看了那麼多APScheduler的簡介，上面也有例子了，結合第一部分豆瓣的例子，不難寫出下面的程式碼：

import requests
from apscheduler.schedulers.blocking import BlockingScheduler

 #豆瓣具體帖子回覆的介面，格式是帖子連結+/add_comment
db_url = "https://www.douban.com/group/topic/121989778//add_comment"

scheduler = BlockingScheduler()

headers = {
    "Host": "www.douban.com",
    "Referer": "https://www.douban.com/group/topic/121989778/?start=0",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) 
    Chrome/68.0.3440.106 Safari/537.36",
    "Cookie":"your cookie"   #這裡需要輸入你自己的cookie資訊，如果遇到轉義字元，轉
        義字元前面加\即可
}

params = {
    "ck": "TXEg",
    "rv_comment": "jbtest11111",
}

def my_job():
    requests.post(db_url,headers=headers, data=params)

#每隔10S就請求一次
scheduler.add_job(my_job,"interval",seconds=10,id="db")
scheduler.start()
複製程式碼

效果如下：

的確是每隔10S傳送一次，good~

做到這裡，你以為完事了？
嗯，怎麼說呢，如果是一個帖子的話，是完事了，但是如下是以下2種場景之一，還需要折騰：

1）同一個帖子，需要短時間內回覆，這個短時間沒法定義，可能
幾分鐘都算，除非是像正常使用者幾個小時回覆一次就可能沒問題；
2）N個帖子都要回復，而且回覆間隔比較短，類似問題1；
複製程式碼

那這兩種情況，會導致什麼問題？當然是觸發豆瓣的防爬蟲啦：

目前發現，每次評論就算相隔1分鐘，只要滿3次，就一定會彈出這個驗證碼進行驗證；

獲取驗證碼ID

按照一開始的套路，那我們F12看下輸入驗證碼後發起請求的引數：

發現會在請求的帶上一個叫captcha-solution欄位，value就是驗證碼內容，那我們就異想天開的試試，用postman在body上加上這個驗證碼引數值，看能否評論？

驗證碼資訊：

postman請求內容：

點選send，然後原來的網頁重新整理一下，結果如下：

對的，內容沒有變，因為這樣肯定是不生效的，哪有那麼容易；

驗證碼場景：

現在有網址T，有使用者A和B兩個人同事訪問T
T給A返回的驗證碼是X，給B返回的驗證碼是Y，這兩個驗證碼都正確
如果A輸入B的驗證碼，是驗證不通過的
複製程式碼

那伺服器怎麼區分A和B？那就是用cookie；

cookie是標示唯一身份的，比如有些網站，登入一次後會自動登入，但是如果清除了cookie，就無法自動登入了，而且這cookie是個別人不一樣的； 說到這裡，伺服器後臺生成驗證碼的流程就很容易理解了：

先隨機生產一個隨機字串
然後和cookie繫結
再寫到圖片上返回給你
複製程式碼

更多的驗證碼生成資訊，可以讀一下這篇文章；

此時，可能你有疑問，用postman的時候，cookie應該是跟PC點選傳送是一樣的，但是為什麼還不行？

因為cookie只是最簡單的繫結條件，這麼看來，豆瓣還有其他條件的，那我們重新看一下，PC點選傳送的時候，除了驗證碼，還有傳送什麼？

------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="ck"

TXEg
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="rv_comment"

反反覆覆
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="img"; filename=""
Content-Type: application/octet-stream


------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="captcha-solution"

produce
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="captcha-id"

woMrwYOVwn67NNfl9lv9vhRz:en
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="start"

0
------WebKitFormBoundaryDjMAMsD95W3eYF1i
Content-Disposition: form-data; name="submit_btn"

傳送
------WebKitFormBoundaryDjMAMsD95W3eYF1i--
複製程式碼

上面這些資訊都是點選傳送時，請求裡面的body，大致看了下，之前分析的時候，少了captcha-id這個引數，猜測這是就是關鍵;

簡單嘗試了下，發現這個captcha-id每次都會不一樣，而且從請求裡面也看不出啥，既然這個ID可能跟驗證碼有繫結關係，那我們就解析下這個網頁的結構，看下能不能找到這個欄位？

點選F12，定位到驗證碼這塊：

看了下右側的屬性，好像沒有什麼問題，想想，既然不是圖片，又要繫結ID屬性，那可能就是輸入驗證碼那裡了，繼續看~

一定位到輸入驗證碼的框裡面，嚶嚶嚶，看發現了啥，這不就是想要的captcha-id嗎？

愛是懷疑，那我們就來用postman驗證一下吧；

頁面重新整理下：

哈哈哈哈，可以了，再次嚶嚶嚶~

那現在的邏輯，應該是修改成這樣：

1）開啟帖子頁面，判斷是否需要輸入驗證碼，如果需要，獲取captcha-id跟驗證碼，
然後post請求captcha-id和驗證碼
2）如果不需要輸入驗證碼，那就直接post請求即可
複製程式碼

既然如此，對比下需要輸入驗證碼跟不需要驗證碼時的網頁結構吧；

需要驗證碼：

不需要驗證碼：

對比可知，需要輸入驗證碼的時候，會多了一個div標籤，這個div標籤展開了，二維碼的下載連結也能找到，captcha-id也能找到，既然如此，使用xpath就能判斷了，判斷captcha_image，如果能獲取到，就是需要驗證碼；

簡單做了下實驗，看看能不能獲取到這個captcha，有以下程式碼：

import requests
from lxml import html
response = requests.get(db_url).content
selector = html.fromstring(response)
captcha = selector.xpath("//img[@id=\"captcha_image\"]/@src")
print(captcha)

但是結果返回的是[]，意思就是沒有獲取到這個值
複製程式碼

把response列印出來，真的是沒有這個值，這裡且慢，一開始JB的想法是，沒有這個值，就說明這塊資料是JS生成的，那我們研究看下怎麼獲取JS生成的網頁資料，然後就霹靂吧啦的介紹selenium;

事實證明，並不需要那麼複雜（浪費了半天時間了。。），還是上面這串程式碼：

import requests
from lxml import html
response = requests.get(db_url,verify=False).content
print(response)
複製程式碼

把response列印出來，結果發現內容長這樣：

嗯，認真點看，發現都是編碼過的，但是JB一開始並沒有細看，一看獲取是空的，就認定是JS載入的，其他這裡，只需要改成這樣就好了：

response = requests.get(db_url,verify=False).content.decode()
複製程式碼

效果圖，這樣就能看到中文了：

這個解決方案，花了半天無意發現的，算是get 到一個小點了，以後request後一定要decode，不用還用selenium就跑遠了；

獲取二維碼下載地址

按照下面的內容，就可以寫出這樣的程式碼：

response = requests.post(db_url,headers=headers, data=params,verify=False).content.decode()
selector = html.fromstring(response)
captcha = selector.xpath("//img[@id=\"captcha_image\"]/@src")
print(captcha)
複製程式碼

然後再想需要回復的帖子回覆三次，讓驗證碼出現，然後再執行這個指令碼，不然驗證碼不出現，就會獲取為[]的：

這樣，就能獲取到驗證碼圖片啦，按照上面說的，如果是有驗證碼，就獲取圖片連結跟驗證碼ID，如果沒有，則直接post請求，因此不難寫出下面的程式碼；

import requests
from apscheduler.schedulers.blocking import BlockingScheduler
from lxml import html

# 豆瓣具體帖子連結
db_url = "https://www.douban.com/note/657346123/"
# 豆瓣具體帖子回覆的介面，格式是帖子連結+/add_comment
db_url_commet = "https://www.douban.com/note/657346123///add_comment"

scheduler = BlockingScheduler()

headers = {
    "Host": "www.douban.com",
    "Referer": "https://www.douban.com/group/topic/121989778/?start=0",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36",
    "Cookie":"your cookie"   #這裡需要輸入你自己的cookie資訊，如果遇到轉義字元，轉
        義字元前面加\即可
}

params = {
    "ck": "TXEg",
    "rv_comment": "jbtest11111",
}

def my_job():
    # 獲取網頁資訊
    response = requests.post(db_url, headers=headers, data=params, verify=False).content.decode()
    selector = html.fromstring(response)
    captcha_image = selector.xpath("//img[@id=\"captcha_image\"]/@src")
    if(captcha_image):
        print(captcha_image)
        captcha_id = selector.xpath("//input[@name=\"captcha-id\"]/@value")
        print(captcha_id)
    else:
        # 發起請求請求
        requests.post(db_url_commet, headers=headers, data=params, verify=False)

# 每隔10S就請求一次
scheduler.add_job(my_job, "interval", seconds=2, id="db")
scheduler.start()
複製程式碼

效果圖：

Ok,這樣就能獲取到二維碼圖片跟圖片對應的ID了，那接下來要幹嘛？

識別二維碼

既然能獲取二維碼圖片，而請求的時候又要帶上這個欄位，那就意味著，必須先下載這個圖片，然後去識別這種圖片，然後放到請求上一起提交；

下載圖片&命名：

import requests
import re
i = "https://www.douban.com/misc/captcha?id=9iGoXeJXeos3E1JukgkltEVp:en&size=s"
captcha_name = re.findall("id=(.*?):",i)   #findall返回的是一個列表
filename = "douban_%s.jpg" % (str(captcha_name[0]))
print("檔名為："+filename)
#建立檔名
with open(filename, 'wb') as f:
#以二進位制寫入的模式在本地構建新檔案
    header = {
        'User-Agent': '"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36",'
        ,'Referer': i}
    f.write(requests.get(i,headers=header).content)
    print("%s下載完成" % filename)
# urllib.request.urlretrieve(requests.get(i,headers=header), "%s%s%s.jpg" % 
(dir, image_title, num))
複製程式碼

ok，此時圖片下載完成了，比如上面下載的這張，是這樣的驗證碼：

tesserocr

那我們要識別它，就先試試tesserocr的識別率如何，有關tesserocr的文章，請點選這裡瞭解下，裡面有詳細簡介，這裡不重複說明：

import tesserocr
from PIL import Image

#新建Image物件
image = Image.open("5.jpg")
#進行置灰處理
image = image.convert('L')
#這個是二值化閾值
threshold = 4
table = []

for i in  range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
#通過表格轉換成二進位制圖片，1的作用是白色，不然就全部黑色了
image = image.point(table,"1")
image.show()
#呼叫tesserocr的image_to_text()方法，傳入image物件完成識別
result = tesserocr.image_to_text(image)
print(result)
複製程式碼

經過多次除錯處理，發現把二值化閾值調到4，是最優的效果，二值化後的驗證碼長這樣：

而程式碼識別的結果：

嘖嘖嘖，這樣定製的二值化都不行，就不再嘗試了，不然每個圖片都這麼定製化去做，還得做？

百度OCR

既然tesserocr效果不好，那就試試百度的OCR吧，（有關百度OCR的文章，請點選這裡檢視）：

from aip import AipOcr
from PIL import Image
import os

""" 你的 APPID AK SK """
config = {
    "appId": '',
    "apiKey":'',
    "secretKey":''
}

client = AipOcr(**config)

""" 讀取圖片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

def get_image_str(image_path):
    image = get_file_content(image_path)
    """ 呼叫通用文字識別, 圖片引數為本地圖片 """
    result = client.basicAccurate(image)

    #結果拼接返回輸出s
    if 'words_result' in result:
        return ''.join([w['words'] for w in result['words_result']])

if __name__ == "__main__":
    print(get_image_str("5.jpg"))
複製程式碼

直接執行後的結果：

嘖嘖嘖，果然是BAT，果然是高精準的，能識別呢，那我們繼續試試不同驗證碼，結果發現，下面這張執行後，什麼都識別不出來（看來也不是萬能的）；

既然如此，那我們把剛剛tesserocr的二值化處理放到這裡，會不會有效果？程式碼如下：

""" 讀取圖片 """
def get_file_content(filePath):
    # 新建Image物件
    image = Image.open(filePath)
    # 進行置灰處理
    image = image.convert('L')
    threshold = 15
    table = []

    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    # 通過表格轉換成二進位制圖片，1的作用是白色，不然就全部黑色了
    image = image.point(table, "1")

    image.save(os.path.join(os.getcwd(), os.path.basename(filePath)))

    with open(filePath, 'rb') as fp:
        return fp.read()
複製程式碼

執行後發現，識別率還是感人，其實之前也測試過，這種驗證碼的確存在部分記錄失敗的情況：

既然百度（免費）的都不行，那我們就換個收費吧，收費的打碼平臺，數超級鷹名氣比較大了；

超級鷹

官網地址：www.chaojiying.com/
開啟官網，有個免費測試，點選後發現要登入，那就先註冊了；
結果發現那個免費測試還是要題分，要關注公眾號繫結賬號才送1000題分，這個就是免費測試，懶得折騰，直接充錢吧；

超級鷹是按量級收費，量大便宜，標準價格:1元=1000題分，不同驗證碼型別，需要的題分不一樣，詳情可以到這裡查詢：www.chaojiying.com/price.html#

充值後，返回到剛剛那個免費測試介面進行測試

等待一會，網頁就會有彈窗：

上傳的驗證碼如下：

對比下，結果完全正確，收費的果然牛逼，這個也是連百度的都搞不定的；

那我們換一種微博的驗證碼：

嘖嘖嘖，無難度啊；

超級鷹也支援接入，首頁底部有個api文件說明，點選進去發現支援各種語言，找到Python，把demo下載下來，api文件連結：www.chaojiying.com/api-14.html

原始碼是基於2.X寫的，不難看懂，但是網上有同學重新整理下，簡潔很多，就把這個程式碼貼出來吧，作者:coder-pig：

from hashlib import md5
import requests
# 超級鷹引數
cjy_params = {
    'user': '448975523',
    'pass2': md5('你的密碼'.encode('utf8')).hexdigest(),
    'softid': '96001',
}
# 超級鷹請求頭
cjy_headers = {
    'Connection': 'Keep-Alive',
    'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
}
# 超級鷹識別驗證碼
def cjy_fetch_code(im, codetype):
    cjy_params.update({'codetype': codetype})
    files = {'userfile': ('ccc.jpg', im)}
    resp = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=cjy_params, files=files,
                  headers=cjy_headers).json()
    # 錯誤處理
    if resp.get('err_no', 0) == 0:
        return resp.get('pic_str')

# 呼叫程式碼
if __name__ == '__main__':
    im = open('captcha.jpg', 'rb').read()
    print(cjy_fetch_code(im, 1902))
複製程式碼

執行後，發現驗證碼是對的，同時，一次請求大概是3S左右；

ok,驗證碼破解這塊就到這裡了，想接入超級鷹、百度，tesserocr，又或者是自己寫個人工智慧演算法，任君選擇；

豆瓣自動回覆功能-終

為了效果著想，這裡採用了超級鷹來破解，先看看log:

從log看到，不管是有沒有驗證碼的情況，都是能正常評論的，那去豆瓣看看是不是真成功了？

從豆瓣記錄上看，嗯，破解了，good；

上面整合下就是所有的程式碼了；

還可以有的小優化

是不是這樣就完了？
非也，因為現在我們用的是收費的，所以驗證碼的準確率由超級鷹擔保了，但是假如用免費的，識別率感人，從使用者角度，會關心哪些驗證碼失敗，希望有個通知，此時就可以接入server醬，一旦驗證碼驗證失敗就微信通知，效果如下：

感興趣的可以去server醬官網瞭解下：sc.ftqq.com/3.version

18.9.13更新

今天執行指令碼發現，指令碼沒有報錯，但是呢，執行後不會生效（對應帖子沒有相關評論，而且也不會出現驗證碼），jb，一臉懵逼，然後用postman嘗試也不行，後來通過網頁模擬及postman一步步模擬後，發現問題根源是，請求的時候，body的ck欄位的內容是會變化的，之前預設是寫著：

"ck": "TXEg"
複製程式碼

也許有同學好奇什麼時候會變化，經測試發現，當使用者退出登入後，這個欄位就會變化，而對於指令碼來說，肯定不會出去啦，那就轉化成當cookie失效時，這個欄位的內容會發生變化；

而cookie失效的解決方案也是用的，用selenium每次登入獲取cookie，這樣就不會存在cookie失效的情況了，但這裡不介紹這點，後面在寫selenium的時候再介紹；

這裡會簡單介紹下ck的值怎麼獲取的；

在網頁上模擬評論，然後能獲得ck的值，然後複製，去到網頁的HTML搜尋，就會出現這個值是怎麼獲取的了；

沒錯，就是退出按鈕url的最後4個字母，這裡的話，用xpath獲取到這個url，再獲取這4個字母就好了；

於是乎寫了個xpath

selector.xpath("//div/ul/li/div/table/tbody/tr/td/a/@href")
複製程式碼

結果發現，怎麼拿都拿不到，後來response.content的內容輸出看了下，的確沒發現這個退出按鈕的程式碼；

這就意味著，這塊是JS生成的，想獲取JS生成後的HTML，目前只能用selenium，但是這裡還有個問題，selenium想拼接一個自定義的cookie是非常非常的麻煩，之前折騰很久都不行，所以這條路就放棄了；

既然selenium不指望了，那是不是還有其他法子？ 所以就拿ck這個key一路去找，結果發現cookie上有這個值：

這裡面有3個值，第一個就是之前程式碼hardcore的內容，對比了下，我們要的值是最後一個ck的value，也做了幾個重新登入的操作，如果cookie最後一個ck值變的話，那這個退出按鈕的ck值也會跟著變，拋開cookie過期的想法，ck這個就直接獲取cookie的最後一個ck內容；

#獲取ck對應的value，通過cookie獲取最後一個ck的值
def get_ck():
    # 這個廢了，不能用selenium
    # ck_value = selector.xpath("//div/ul/li/div/table/tbody/tr/td/a/@href")
    text = re.findall("ck=(.*?);",headers["Cookie"])[-1]
    return text
複製程式碼

久違的自動頂貼又回來了

小結

呼，奮鬥到4點，終於擼完了，其實自動回帖功能很簡單，週一下午看到，當天晚上就搞定了，然後在折騰驗證碼的問題，包括想嘗試調優，不用收費的，結果折騰好幾晚讀不行，
再然後就是response的html程式碼問題，一開始以為是js載入的，結果發現是需要decode，跟JS一點關係都沒有，其中還有一晚是整理selenium的知識，因為當時認為跟JS有關係，就搞這玩意，後面會看一本selenium的事，再整一篇selenium介紹文字吧；

回到文章，本文介紹的內容比較多，大概分為3塊如下：
1）如何分析豆瓣評論介面；
2）介紹python定時任務框架APScheduler
3）驗證碼破解（tesserocr、百度OCR、超級鷹）

其實也沒什麼特別好講的，很簡單的東西，只是繁瑣而已，之所以花那麼多時間，是思維被擴散了，就這樣吧，謝謝大家；