selenium+requests获取Post请求参数

背景

        在日常爬虫中会遇到一些发送验证码的问题，这些验证码一般是出现在登录页面，针对这种情况我们一般的处理思路是发送一个请求来获取验证码，然后把识别到的验证码构造成请求参数。但是有些网页的验证码是实时刷新的，即每次发送一个request请求或者刷新界面的时候，验证码就会改变，例如http://zxgk.court.gov.cn/shixin/这个网址，每次刷新一次，验证码就会改变一次，这样的话就会产生一个问题，就是之前识别出的验证码出现失效问题，导致Post请求时出现失败。

                              

                                                                        验证码一般处理思路

 为了解决以上问题，我们需要进行思路转换，即要保证识别的验证码是有效的，换句话来说就是不通过request请求来获取验证码图片。

思路        

        为了解决以上问题，我们这里使用selenium和requests结合来实现验证码的请求识别，思路大致如下：

        ​​​​​​​        ​​​​​​​        

                                                                流程图

 实例展示

        这里我们以中国执行信息公开网为例进行演示，首先是打开浏览器，并滚动屏幕到验证码处位置，然后截取屏幕，这里暂时命名为图片A

driver = webdriver.Chrome()
url = 'http://zxgk.court.gov.cn/shixin/'
driver.get(url)
driver.maximize_window()
sleep(2)
src = driver.find_element_by_xpath('//img[@id="captchaImg"]').get_attribute('src')
#print(src)
#driver.close()
driver.execute_script("window.scrollTo(0, 500);")
sleep(2)
driver.save_screenshot('./login.jpg')

 然后就是获取使用selenium定位到验证码的element，获取其所在位置和大小，然后在图片A上进行裁剪，把裁剪到的验证码图片B保存到本地。

 

i = Image.open('./login.jpg')
# print(i.size)
#打开截图,可以使用的，勿删
i = Image.open('./login.jpg')
box = (595,271,687,301)  #验证码的位置
code_img_name = './code.png'
frame = i.crop(box)
frame.save(code_img_name)

 之后对裁剪下来的图片B进行验证码识别，这里使用的是超级鹰来进行识别，

#识别验证码
code_text = tranformImgCode('./code.png',1902)
#print(code_text)

最后就是构造请求参数来进行数据的获取，注意这里使用的是session.post来发送的请求，而不是requests.post,两者的区别参看另一篇博客session和requests的区别。

post_data = {
        'pName': '深圳',
        'pCardNum':'',
        'pProvince': 0,
        'pCode': code_text, #验证码
        'captchaId':value,
        'currentPage': i
    }
    response_text  = session.post(RequestUrl,headers=headers,data=post_data).json()

代码完成后，运行代码就可以看到返回的response数据。

 后面还可以把数据保存到mysql中来进行存储，效果如下：