如何模拟登录有验证码的网站？

[hanzichi]

用的是 Node ，验证码的图像识别部分打算用 tesseract.js 这个库，试了下成功率还是很高的，但是在获取验证码图片的时候遇到了麻烦。

页面登录需要验证码，看了下代码，是这么一段 src="/login/verificationCode"，点击会切换，应该是 PHP 生成的图片，然后后端根据 Session 来判断填入的数字是否正确（是否在 Session 数组中）。现在问题来了，如何能获取这张图片然后让 tesseract.js 去调用？直接用地址（不行，乱码了，不乱码应该也不是一个 Session 中了吧？），或者下载下来，应该不是一个 Session 了吧？我看到很多网站的验证码都是这么做的，请老司机们带带路！

[hanzichi]

啊啊啊没人么

[kulove]

用 java 和 python 写过类似的，保存图片或直接读流 调用识别提交就好了，是同一个 session 的

[golmic]

有人，偶是专业做验证码识别的。直接 down 下验证码，然后识别了填上去不可以么？

[kulove]

```
def get_captcha(self, data, captcha_url):
self._session.post(self.login_url, data=data)
r = self._session.get(captcha_url)
with open('image/captcha.gif', 'wb') as f:
f.write(r.content)

image = Image.open('image/captcha.gif')

captcha = ''
try:
captcha = pytesseract.image_to_string(image, lang='eng')
except Exception:
pass
if len(captcha) == 0:
self.get_captcha(data, captcha_url)
else:
print('captcha:', captcha)
# os.remove('image/captcha.gif')
return captcha
```
附上 python 代码， Node 不太了解，应该也差不多

[MuaGeWang]

人肉先登录一次，然后 node 里面请求字节带上 cookie

[hanzichi]

@kulove 你的思路和我类似。假设我已经保存图片，然后带着验证码去模拟登录 login.php ，这时 login.php 又加载了验证码，这个 Session 和之前保存图片获取的验证码，又不是一个 Session 了，于是失败了 ... 求指导，是不是哪里姿势有误

[hanzichi]

@golmic 有个 Session 的问题，见上

[hanzichi]

@MuaGeWang 这样确实可以，不过要每天换 cookie ，比较麻烦

[kulove]

@hanzichi 先拿到登录以及获取验证码的 url ，模拟进入登录界面拿到 session ，访问获取验证码的 url 下载识别，登录提交参数，没有地方会重复获取验证码吧？

[hanzichi]

@kulove 这个登录页面和表单提交地址是一样的，假设都是 login.php ，我怀疑模拟 post 的时候，因为是一个地址，这个时候 Session 变了，也就是说提交的验证码是之前一次的验证码了

[kulove]

@hanzichi 是不是模拟参数的时候漏掉了什么？可以登录就能模拟的

[hanzichi]

@kulove 打印了一发返回信息，发现验证码通过了， username 有点问题， username 不知怎么处理过了，我再看看，谢谢指导 @@

[hanzichi]

@kulove 现在的问题是 username 不正确， username 是中文，页面是 GBK ，看请求，是这样的 `username:(unable to decode value)`，看 raw ，不知道被怎么编码了。现在我是用中文发送或者用 raw 里被编码的发送，都提示用户名错误，什么原因？而且我在页面里也没看到编码的过程 ... 求指导

[kulove]

@hanzichi 看下是不是 UrlEncode

[hanzichi]

@kulove 试了下 urlencode 后的这个字符串，确实就是实际请求的字符串，带上 urlencode 后的字符串和直接拼上实际请求的这个字符串，效果应该是一样的吧？都提示用户名错误 ... 是不是还有其他编码问题要注意 。。。

[isbase]

人工打码平台

[hanzichi]

@hanzichi 参考了这个帖子 <https://cnodejs.org/topic/56d2e1c69f876b7e665857c9>，用 request 的 write 方法发送中文参数，可以了。不过出现了另一个问题，用 Node 将直接读流保存图片，无法用 tesseract.js 解析，而直接在页面上右键复制验证码图片，然后保存，就可以解析了。。囧

[kukat]

imagemagick 把图片转存一下
@hanzichi

[kulove]

@hanzichi 还是觉得你参数哪里写错了..

[hanzichi]

@kulove 验证码应该没问题了，现在是 download 下来验证码图片，但是 tesseract.js 识别不了，如果是直接在页面上右键复制验证码图片，然后保存，就可以解析了。。