POST請求登入網頁

一、登入知乎
這裡用的是手機端登入的，知乎登入的連結

post請求的引數：
_xsrf：據說是防跨站請求的；
password：密碼
email：登入郵箱
captcha：驗證碼

在登入頁定位到這些引數，用post在登入時傳入這些引數，就可以登入了；
下面是完整程式碼：

import requests, time
from http import cookiejar
from PIL import Image
import re

session = requests.session()
session.cookies = cookiejar.LWPCookieJar(filename='cookies.txt')
headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'
}
try:
    # 從本地檔案載入cookies
    # ignore_discard的意思是即使cookies將被丟棄也將它儲存下來，ignore_expires的意思是如果在該檔案中cookies已經存在，則覆蓋原檔案寫入
    session.cookies.load(ignore_discard=True)
except Exception as e:
    print('exception:', e)
    print('沒有cookie資訊')

def get_xsrf():
    index_url = 'https://www.zhihu.com/signin?next=/'
    # _xsrf 是一個動態變化的必要引數
    index_page = session.get(index_url, headers=headers)
    html = index_page.text
    pattern = r'name="_xsrf" value="(.*?)"'
    # 這裡的_xsrf 返回的是一個list
    _xsrf = re.findall(pattern, html)
    return _xsrf[0]

def get_captcha():
    t = str(int(time.time() * 1000))
    captcha_url = 'https://www.zhihu.com/captcha.gif?r=' + t + "&type=login"
    response = session.get(captcha_url, headers=headers)
    captcha_name = 'captcha.gif'
    with open(captcha_name, 'wb') as f:
        f.write(response.content)
    im = Image.open(captcha_name)
    im.show()
    return input('請輸入驗證碼: ')

def get_email():
    return input('請輸入郵箱: ')

def get_password():
    return input('請輸入密碼: ')


def login(email, password, _xsrf, captcha):
    data = {
        '_xsrf': _xsrf,
        'password': password,
        'email': email,
        'captcha': captcha
    }
    login_url = 'https://www.zhihu.com/login/email'
    response = session.post(login_url, data=data, headers=headers)
    print('response.json() =', response.json())
    # 儲存cookies到本地
    session.cookies.save()

def isLogin():
    # 檢視使用者個人資訊來判斷是否已經登入
    url = "https://www.zhihu.com/settings/profile"
    # 這裡重定向一定要設定為false, 否則就算沒有登入會被重定向到登入的地址去, 然後code就返回200了
    response = session.get(url, headers=headers, allow_redirects=False)
    code = response.status_code
    if code == 200:
        return True
    else:
        return False


if __name__ == '__main__':
    if isLogin():
        print('您已經登入')
    else:
        email = get_email()
        password = get_password()
        _xsrf = get_xsrf()
        print('_xsrf =', _xsrf)
        captcha = get_captcha()
        login(email, password, _xsrf, captcha)

執行結果：

這裡是用郵箱登入的，驗證碼需要手動輸入；

二、自動識別驗證碼
python識別驗證碼，需要安裝的模組

Ubuntu版本：
1、tesseract-ocr安裝
sudo apt-get install tesseract-ocr
2、pytesseract安裝
sudo pip install pytesseract
3、Pillow 安裝
sudo pip install pillow

其他linux版本（如centos）：
1、tesseract-ocr安裝 沒找到直接命令安裝，所以需要手動下載安裝包。 https://github.com/tesseract-ocr/tesseract 在上述地址中下載最新的tesseract-ocr的安裝包，並解壓。 通過以下命令安裝：
(1)cd tesseract-3.04.01
(2)./autogen.sh
(3)./configure 注意，如果出現error: leptonica not found，需要下載安裝leptonica http://www.leptonica.org/download.html
(4)make
(5)make install
(6)ldconfig
2、pytesseract安裝 sudo pip install pytesseract
3、Pillow 安裝 sudo pip install pillow

windows版本：
1、tesseract-ocr安裝 下載，並安裝。
注意：如果是64位的使用者，在安裝的時需要改變安裝目錄，如下圖所示

2、pytesseract安裝 pip install pytesseract
3、Pillow 安裝 pip install pillow

下面驗證一下識別驗證碼：

#coding:utf-8
import pytesseract
from PIL import Image
image = Image.open('code.png')
code = pytesseract.image_to_string(image)
print(code)

可能會遇到的問題：
問題1、FileNotFoundError: [WinError 2] 系統找不到指定的檔案。

解決辦法：
1、[推薦]: 將tesseract.exe新增到環境變數PATH中，
例如: 預設路徑為C:\Program Files (x86)\Tesseract-OCR
注意: 為了使環境變數生效，需要關閉cmd視窗或是關閉pycharm等ide重新啟動
2、 修改pytesseract.py檔案，指定tesseract.exe安裝路徑
開啟檔案 pytesseract.py，找到如下程式碼，將tesseract_cmd的值修改為全路徑，在此使用就不會報錯了。

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
# tesseract_cmd = 'tesseract'
tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

3、 在實際執行程式碼中指定

pytesseract.pytesseract.tesseract_cmd = 'D:\\Tesseract-OCR\\tesseract.exe'

問題2：
pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \Tesseract-OCR\tessdata/eng.traineddata')

解決方法:
1、[推薦]：將tessdata目錄的上級目錄所在路徑(預設為tesseract-ocr安裝目錄)新增至TESSDATA_PREFIX環境變數中
例如: C:\Program Files (x86)\Tesseract-OCR
2、 在.py檔案配置中指定tessdata-dir

tessdata_dir_config = '--tessdata-dir "D:\\Tesseract-OCR\\tessdata"'
# tessdata_dir_config = '--tessdata-dir "'C:\\Program Files (x86)\\Tesseract-OCR\\tessdata"'
pytesseract.image_to_string(image, config=tessdata_dir_config)

小試牛刀：

#coding:utf-8
import pytesseract
from PIL import Image
image = Image.open('code.png')
code = pytesseract.image_to_string(image)
print(code)

執行結果：

參考文件