python版本：3.4.3
所需要的代码库：PIL，selenium，tesseract
先上代码：
#coding:utf-8
import subprocess
from PIL import Image
from PIL import ImageOps
from selenium import webdriver
import time,os,sys
def cleanImage(imagePath):
image = Image.open(imagePath) #打开图片
image = image.point(lambda x: 0 if x<143 else 255) #处理图片上的每个像素点，使图片上每个点“非黑即白”
borderImage = ImageOps.expand(image,border=20,fill=‘white‘)
borderImage.save(imagePath)
def getAuthCode(driver, url="http://localhost/"):
captchaUrl = url + "common/random"
driver.get(captchaUrl)
time.sleep(0.5)
driver.save_screenshot("captcha.jpg") #截屏，并保存图片
#urlretrieve(captchaUrl, "captcha.jpg")
time.sleep(0.5)
cleanImage("captcha.jpg")
p = subprocess.Popen(["tesseract", "captcha.jpg", "captcha"], stdout=\
subprocess.PIPE,stderr=subprocess.PIPE)
p.wait()
f = open("captcha.txt", "r")
#Clean any whitespace characters
captchaResponse = f.read().replace(" ", "").replace("\n", "")
print("Captcha solution attempt: " + captchaResponse)
if len(captchaResponse) == 4:
return captchaResponse
else:
return False
def withoutCookieLogin(url="http://org.cfu666.com/"):
driver = webdriver.Chrome()
driver.maximize_window()
driver.get(url)
while True:
authCode = getAuthCode(driver, url)
if authCode:
driver.back()
driver.find_element_by_xpath("//input[@id=‘orgCode‘ and @name=‘orgCode‘]").clear()
driver.find_element_by_xpath("//input[@id=‘orgCode‘ and @name=‘orgCode‘]").send_keys("orgCode")
driver.find_element_by_xpath("//input[@id=‘account‘ and @name=‘username‘]").clear()
driver.find_element_by_xpath("//input[@id=‘account‘ and @name=‘username‘]").send_keys("username")
driver.find_element_by_xpath("//input[@type=‘password‘ and @name=‘password‘]").clear()
driver.find_element_by_xpath("//input[@type=‘password‘ and @name=‘password‘]").send_keys("password")
driver.find_element_by_xpath("//input[@type=‘text‘ and @name=‘authCode‘]").send_keys(authCode)
driver.find_element_by_xpath("//button[@type=‘submit‘]").click()
try:
time.sleep(3)
driver.find_element_by_xpath("//*[@id=‘side-menu‘]/li[2]/ul/li/a").click()
return driver
except:
print("authCode Error:", authCode)
driver.refresh()
return driver
driver = withoutCookieLogin("http://localhost/")
driver.get("http://localhost/enterprise/add/")
怎么获取我们需要的验证码
在这获取验证码的道路上，我掉了太多的坑，看过太多的文章，很多都是教你验证码的识别方法，但是没有说明，怎么获取你当前需要的验证码图片。
我的处理方法是：
1.先用selenium打开你需要的登录的页面地址url1
2.通过审核元素获取验证码的地址url2（其实最简单的是右键打开新页面）
3：在url1页面，输入地址url2进入url2页面，然后截屏保存验证码页面
4：处理验证码得到验证码字符串。然后点击浏览器后退按钮，返回url1登录页面
5：输入登录需要的信息和验证码
6：点击登录
7：验证登录后的页面，判断是否成功，若不成功则需要重新1-7的操作。
为了保护公司的信息，这个页面是我本地搭的服务，我在伯乐在线注册页面进行测试过这个验证码获得方法，可以通过。（这个验证码的处理方法，仅限验证码背景是像素点，若验证码有横线需额外处理。）
第一篇博文，不喜勿喷。
验证码处理方法参考文献：
Web Scraping with Python.pdf
