Python验证码模块收集与解决

今天在尝试着做验证码相关的研究时，遇到了验证码的搜集问题。

一般，验证码的加载都有着比较复杂的算法和加密在里面，但是笔者昨天见到的验证码却比较辛运，有迹可循。在此，给出本爬虫的相关记录。

注意，文章和代码中均不会给出相关的真实网站的信息，避免不道德的行为。

首先，让我们来看一看该验证码的页面，如下：

验证码示例页面

如果我们尝试着查看该验证码加载时的源代码，会发觉源码如下：

验证码加载的源码

我们可以发觉，该验证码的加载机制也许并不复杂，只是在网址旁边跟了一个时间戳，而这个时间戳，是由JavaScript中的方式形成的，函数内容为new Date().getTime()。

知道了验证码背后加载的原理，那么我们不难通过Python来实现验证码的下载。

可惜的是，上述JS函数形成的时间戳是13位数字，而Python的time.time()方法形成的时间戳为浮点数，小数点前10位，小数点后6位。那么，我们怎么形成符合上述JS函数形成的时间戳呢？

一个简单的看法是，我们让Python来调用JS！真的可以吗？幸运的是，前人早已替我们做好了这个工作，有个神奇的Python第三方模块，叫做PyExecJS。顾名思义，这个模块就是拿来执行JS代码的。

该模块的源码中给出了一个事例，我们可以尝试下，代码如下：

# -*- coding: utf-8 -*-
import execjs
print(execjs.eval("'red yellow blue'.split(' ')"))
ctx = execjs.compile("""         function add(x, y) {             return x + y;         }        """)
print(ctx.call("add", 1, 2))

输出结果如下：
['red', 'yellow', 'blue']3


OK，有了前面的事例，我们就晓得怎样使用该模块了，我们可以轻松地写出下边的代码来下载验证码了：
# -*- coding: utf-8 -*-
import execjsimport urllib.request
js_func = """             function get_milliseconds(){                 return new Date().getTime();             }          """
ctx = execjs.compile(js_func)result = ctx.call("get_milliseconds")print(len(str(result)))
# 注意，网址已经隐藏url = "http://***/captcha/?%s" % result
urllib.request.urlretrieve(url, "1.png")

下载的验证码如下：

下载的验证码图片
通过我们此次的尝试，发现如下：
本次分享到此结束，感谢你们的阅读~
-END-
已有50万人
领取Python案例实战课

世界正在奖励坚持学习的人！