《Python开发与实战》课件——C06-模拟登陆与验证.pptx

模拟登陆与验证

复杂的页面请求模拟登陆：Cookie模拟登陆：Selenium代理IP验证码识别

复杂的页面请求Part01

复杂的页面请求在爬虫开发的过程中，有些数据的采集相对较复杂，特别是需要账号与密码的网站，往往需要通过验证后才能展示信息，典型的如知乎；对于这种类型的爬虫开发，要解决一些问题：如何模拟人的操作，登陆到网页中，即爬虫的模拟登陆；登陆过程中遇到验证码，即爬虫的验证码识别。1、什么是复杂的页面请求图01-01图01-01

复杂的页面请求对于上述问题，在Python中提供了一些库与方法；爬虫的模拟登陆：Cookie方法、Selenium方法爬虫的验证码识别：图像识别技术、自动打码OCR技术2、复杂的页面请求的解决方法图01-02

模拟登录：CookiePart02

模拟登录：Cookie1、什么是Cookie当web服务器向浏览器发送web页面时，在连接关闭后，服务端不会记录用户的信息。那么在下次浏览器访问web服务器时，web服务器会将浏览器视为“陌生人”。为了让web服务器能够记得访问过的浏览器，研究人员提出了Cookie技术；Cookie就是由服务器发给客户端的特殊信息，而这些信息以文本文件的方式存放在客户端，然后客户端每次向服务器发送请求的时候都会带上这些特殊的信息。图02-01

模拟登录：Cookie1、什么是CookieCookie的作