本文共 2673 字，大约阅读时间需要 8 分钟。
因为小道消息得知urp的验证码是有限数量的，因此通过数百万次的请求，下载所有验证码图片到本地，并生成了一份验证码图片的文件名的文件。
爬取所有验证码图片的代码:
#encoding: utf-8 import sys reload(sys) sys.setdefaultencoding('utf8')#上述代码解决中文乱码问题 import urllib2import jsonimport requestsfrom requests import exceptions##导入所需要的包URL = 'http://202.203.209.96/v5api/api/xk/Captcha'png_names = set()#此处取巧使用set自动去重.fw =open('png_name.txt','a')#下载验证码同时保存图片名。def basic_oauth(): auth ='添加选课界面f12获取到的auth值' headers={'User-Agent':'Mozilla/5.0 (iPhone; CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko) Version/9.0 Mobile/13B143 Safari/601.1', 'Authorization':'%s'%auth} try: num = len(png_names) response = requests.get(URL,headers=headers) print response.text png_names.add(response.text) #此处只有当前新获取的验证码是一张集合里并没有存在过的。 #也就是引起了set长度变大。则将它才写入文件并下载保存。 #切片[1:-1]去除掉双引号。 if len(png_names)>num: c =response.text[1:-1] print "add" fw.write(response.text+'\n') #下面保存验证码图片到本地 file =open('./captcha/'+str(c)+'.png','wb') req = urllib2.urlopen('http://202.203.209.96/vimgs/'+str(c)+'.png') buf = req.read() file.write(buf) print "**************" print ("第%d张正在保存"%len(png_names)) except Exception as e: print e passfor x in xrange(1,100): basic_oauth() 既然已经拿到了所有的验证码，我们对于验证码进行识别工作。
可以进行人工的肉眼识别，不过这样太过劳累，既然我们是python程序员，我们应该寻找一些偷懒的方法。（毕竟人生苦短）阿里云市场的验证码识别接口 价格为：10元1000次# -*- coding: utf-8 -*-from com.aliyun.api.gateway.sdk.util import showapiimport jsonimport base64# png_name.txt内我们在上一步爬取时保存的是图片名fr = open('png_name.txt','r')for line in fr: png_name = line.strip() f=open(r'./captcha/%s.png'%(png_name),'rb') b_64=base64.b64encode(f.read()) f.close() #appcode 要改为自己购买后得到的appcode req=showapi.ShowapiRequest( "http://ali-checkcode.showapi.com/checkcode","appcode" ) json_res= req.addTextPara("typeId","3000")\ .addTextPara("img_base64",b_64)\ .addTextPara("convert_to_jpg","1")\ .post() print ('json_res data is:', json_res) data =json.loads(json_res) print data jsonobj = json.loads(data) print jsonobj['showapi_res_body']['Result'] #datalist.txt中存入了[图片名,识别到的验证码值] fw = open('data_list.txt','a') fw.write(str(png_name)+',') fw.write(str(jsonobj['showapi_res_body']['Result'])+'\n') fw.close() 经过对于api的请求我们可以得到一份验证码的字典文件。通过此文件可以通过key=验证码的文件id，得到验证码的真实值。
此时我们似乎已经大功告成解决了验证码这一难题。
可是有一个悲伤的消息：云大urp的验证码过于复杂，api的识别率有限，我们还需要进一步提升该字典表的精度。下一篇我们介绍如何使用GUI小程序来进一步提高它的精准度，满足我们的要求。
转载地址：http://fjzxx.baihongyu.com/