一个简单的验证码爬取程序
本文介绍了在python2.7环境下爬取网站验证码：
思路就是获取验证码对应的url，然后发起requst请求，读取该url对应的内容，然后写入到一个本地文件，实现一个验证码的保存。大量下载可以把以上程序写入一个死循环
代码实现部分：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import ssl
import urllib2
i=1
import time
while(1):
#不加的话，无法访问12306
ssl._create_default_https_context = ssl._create_unverified_context
# headers = {"user-agent": "mozilla/5.0 (macintosh; intel mac os x 10_11_6) applewebkit/537.36 (khtml, like gecko) chrome/55.0.2883.95 safari/537.36"}
# req = urllib2.request("http://211.87.155.19/(yfsvlfreem4d0b553vkfzfzt)/checkcode.aspx", headers=headers)
# https: // www.zhihu.com / captcha.gif?r = 1495351271125 & type = login
req = urllib2.request("https://kyfw.12306.cn/otn/passcodenew/getpasscodenew?module=login&rand=sjrand&0.7174227166135074")
u=urllib2.urlopen(req)
data = u.read()
f = open("c:/users/123/desktop/4/"+str(i)+".jpg",'wb')
print i
# time.sleep(1)#有时需要加延时，以防被封。
i=i+1
f.write(data)
f.close()
|
以下就是爬取的照片的截图
12306的验证码经常让人眼花缭乱，眼睛仔细看也不能100%的对，算是验证码中比较难是别的。一般由八幅图和一个问题组成，而且图片大小位置固定，问题的位置也是固定的，这也稍微降低了识别的难度。八幅图中一般有两幅图是同一物体，有一个和它比较像。不过有一点暂时没法确定，就是样本库到底有多大，或者说是到底有多少个类别，如果进行训练的话，我们必须获取每个类别个的一定数量的图片作为样本。
以上所述是小编给大家介绍的python爬取12306验证码详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
原文链接：https://blog.csdn.net/daqinjun/article/details/72600235