Python 2.7
IDE Pycharm 5.0.3
Selenium：Selenium的介紹及使用哆姻，強(qiáng)烈推薦@ Eastmount的博客
PIL : Pillow-3.3.0-cp27-cp27m-win_amd64.whl PIL第三方庫(kù)的下載
win下安裝whl文件
Pytesser：依賴于PIL ，Tesseract 了解pytesser及基本使用
Tesseract：3.0.2 tesseract下載及安裝
Firefox瀏覽器：47.0.1
我有個(gè)理想胞谈，就是把TMD教務(wù)系統(tǒng)弄崩潰，我港真的憨愉！
扯淡
我相信每個(gè)腳本都有自己的故事，我這個(gè)腳本來(lái)源于自己GRD教務(wù)系統(tǒng)卿捎，每次進(jìn)行登錄時(shí)配紫，即使我輸入全部正確，第一次登錄一定是登不上去的午阵！我不知道設(shè)計(jì)人員什么想法躺孝？難道是為了反爬機(jī)制？你以為一次登不上底桂，我tm就不爬了植袍？我要是不高興了，信不信秒秒鐘訪問(wèn)你1000+讓大家都上不去咯~咳咳籽懦，有點(diǎn)跑題了于个。
目的
自動(dòng)識(shí)別驗(yàn)證碼模擬登陸，注意是自動(dòng)暮顺，一鍵登錄厅篓，不是那種掃出驗(yàn)證碼，然后手動(dòng)輸入登錄捶码！
首先來(lái)代碼實(shí)現(xiàn)吧羽氮！
# -*- coding: utf-8 -*-
#Author：哈士奇說(shuō)喵
from selenium import webdriver
import os
import pytesser
import sys,time
from PIL import Image,ImageEnhance
#shift+tab多行縮進(jìn)(左)
reload(sys)
PostUrl = "http://yjsymis.hrbeu.edu.cn/gsmis/indexAction.do"
driver=webdriver.Firefox()
driver.get(PostUrl)
i=0
while 1:#sb登錄系統(tǒng)，即使輸對(duì)所有消息還是登不進(jìn)去的惫恼，需要登錄兩次及以上
i=i+1
try:
elem_user = driver.find_element_by_name('id')
elem_psw = driver.find_element_by_name('password')
elem_code = driver.find_element_by_name('checkcode')
except:
break
#-------------------對(duì)驗(yàn)證碼進(jìn)行區(qū)域截圖档押，好吧，這方法有點(diǎn)low------------------
driver.get_screenshot_as_file('C:\Users\MrLevo\image1.jpg')#比較好理解
im =Image.open('C:\Users\MrLevo\image1.jpg')
box = (516,417,564,437) #設(shè)置要裁剪的區(qū)域
region = im.crop(box) #此時(shí)祈纯，region是一個(gè)新的圖像對(duì)象令宿。
#region.show()#顯示的話就會(huì)被占用，所以要注釋掉
region.save("e:/image_code.jpg")
#-------------------------------------------------------------------
#--------------ImageGrab.grab()直接可以區(qū)域截圖盆繁，但是有bug掀淘，截圖不全-------
'''
bbox = (780, 0, 1020, 800)
img = ImageGrab.grab()
img.save("E:\image_code.jpg")
img.show()
'''
#-------------------------手動(dòng)輸入驗(yàn)證碼：適用范圍更廣，但不夠方便------------------------------
'''
response = opener.open(CaptchaUrl)
picture = response.read()
with open('e:/image.jpg', 'wb') as local:
local.write(picture)
# 保存驗(yàn)證碼到本地
#------------對(duì)于不能用pytesser+ocr進(jìn)行識(shí)別油昂，手動(dòng)打開圖片手動(dòng)輸入--------
# 打開保存的驗(yàn)證碼圖片 輸入
#SecretCode = raw_input('please enter the code: ')
#----------------------------------------------------------------------
'''
#--------------------圖片增強(qiáng)+自動(dòng)識(shí)別簡(jiǎn)單驗(yàn)證碼-----------------------------
#time.sleep(3)防止由于網(wǎng)速革娄，可能圖片還沒保存好倾贰，就開始識(shí)別
def image_file_to_string(file):
cwd = os.getcwd()
try :
os.chdir("C:\Users\MrLevo\Anaconda2\Lib")
return pytesser.image_file_to_string(file)
finally:
os.chdir(cwd)
im=Image.open("E:\\image_code.jpg")
imgry = im.convert('L')#圖像加強(qiáng)，二值化
sharpness =ImageEnhance.Contrast(imgry)#對(duì)比度增強(qiáng)
sharp_img = sharpness.enhance(2.0)
sharp_img.save("E:\\image_code.jpg")
#http://www.cnblogs.com/txw1958/archive/2012/02/21/2361330.html
#imgry.show()#這是分布測(cè)試時(shí)候用的拦惋，整個(gè)程序使用需要注釋掉
#imgry.save("E:\\image_code.jpg")
code= pytesser.image_file_to_string("E:\\image_code.jpg")#code即為識(shí)別出的圖片數(shù)字str類型
print code
#打印code觀察是否識(shí)別正確
#----------------------------------------------------------------------
if i <= 2: # 根據(jù)自己登錄特性匆浙，我這里是驗(yàn)證碼失敗一次，重填所有厕妖，失敗兩次首尼，重填驗(yàn)證碼
elem_user.send_keys('S315080092')
elem_psw.send_keys('xxxxxxxxxx')
elem_code.send_keys(code)
click_login = driver.find_element_by_xpath("http://img[@src='main_images/images/loginbutton.gif']")
click_login.click()
#time.sleep(5)#搜索結(jié)果頁(yè)面停留片刻
#driver.save_screenshot('C:\Users\MrLevo\image.jpg')
#driver.close()
#driver.quit()
第一次放動(dòng)圖，心理還有點(diǎn)小激動(dòng)~
遇到問(wèn)題及解決方法
1：驗(yàn)證碼取得問(wèn)題言秸，因?yàn)槊看嗡⑿轮篁?yàn)證碼動(dòng)態(tài)刷新软能，所以如果不采用cookie的話（我還不太會(huì)用cookie）,根本捉不到元素，這個(gè)我在下篇文章中采用cookie來(lái)登錄的举畸，但不是調(diào)用瀏覽器查排，這個(gè)跑遠(yuǎn)了，下次說(shuō)抄沮。
1：解決方案：用了driver.get_screenshot_as_file方法跋核，機(jī)智的進(jìn)行全截圖，然后采用PIL中的crop進(jìn)行再截圖操作叛买，可能有人會(huì)說(shuō)砂代，為什么不采用ImageGrab.grab()函數(shù)來(lái)做，好吧率挣，因?yàn)檫@個(gè)函數(shù)在win10上盡然刻伊！截不了全圖！椒功！自己試了才知道娃圆，btw，我的分辨率1920x1080蛾茉，難道和分辨率有關(guān)讼呢？反正這個(gè)我截了好久都沒有成功，到最后才想到谦炬，截全部看看悦屏，結(jié)果，tmd只有一半键思，我說(shuō)怎么都找不到要截圖的部分础爬！
2：驗(yàn)證碼驗(yàn)證錯(cuò)誤率高問(wèn)題
2：解決方案，采用PIL強(qiáng)大的圖像處理功能吼鳞，我先將圖片二值化看蚜，本來(lái)是藍(lán)色字體的，赔桌，然后再進(jìn)行對(duì)比度強(qiáng)化來(lái)銳化圖片供炎，然后再調(diào)用Tesseract.exe進(jìn)行處理渴逻，提高的識(shí)別精度不是一點(diǎn)兩點(diǎn)：看圖比較，左1是用cookie抓的原圖音诫，右邊是全景截圖惨奕，再定位截圖，再進(jìn)行二值化和銳化處理的圖竭钝，本來(lái)我想著用matlab做圖像識(shí)別的梨撞，但是想想還要調(diào)用，感覺有點(diǎn)麻煩香罐。卧波。。
3：調(diào)用Tesseract.exe問(wèn)題
3：解決方案因?yàn)槌绦驁?zhí)行圖像識(shí)別需要調(diào)用Tesseract.exe庇茫，所以必須把路徑切到有這個(gè)exe的路徑下幽勒，剛開始，以為和包依賴港令，結(jié)果根本沒有識(shí)別出任何圖！折騰一個(gè)多小時(shí)才寫好驗(yàn)證碼識(shí)別的問(wèn)題----單獨(dú)測(cè)試的確很重要锈颗，記一筆顷霹！
4：登錄失敗問(wèn)題--mdzz學(xué)校教務(wù)系統(tǒng)二次驗(yàn)證
4：解決方案，寫了一個(gè)while循環(huán)击吱，把主程序很大部分都扔進(jìn)去了淋淀，目的也很明確，如果第一次登錄失敗覆醇，再重復(fù)進(jìn)行登錄朵纷，注意采用try試探元素是否仍然存在，except來(lái)拋出break結(jié)束循環(huán)永脓，因?yàn)榈卿洺晒笈鄞牵热缯f(shuō)driver.find_element_by_name('id')是不存在的！所以當(dāng)這個(gè)元素在登陸后的界面找不到時(shí)常摧，那就說(shuō)明登錄成功搅吁，ok，跳出循環(huán)落午，進(jìn)行下一步操作谎懦。
5：明明圖片已截取，為什么沒有識(shí)別
5：解決方案溃斋，這個(gè)我真的沒想到界拦，我一直以為可能因?yàn)閟ave時(shí)候還沒下載好，導(dǎo)致庫(kù)中沒有這張圖梗劫，那就不能識(shí)別享甸，但是我用time.sleep函數(shù)讓它停下來(lái)緩緩截碴，還是不行，我就很無(wú)語(yǔ)了枪萄，想了半天隐岛，可能是因?yàn)閳D片被占用！因?yàn)槲矣幸粋€(gè)img.show()函數(shù)瓷翻，為了檢測(cè)有沒有截取到標(biāo)準(zhǔn)的圖聚凹，然后show之后這個(gè)圖像就被占用了！就像你在編輯word時(shí)候齐帚，是無(wú)法刪除word文檔一樣妒牙！果然在注釋掉show之后，一切可行对妄，真是差錯(cuò)查了小半天跋娼瘛！剪菱！
6：元素一切就位摩瞎，為什么不執(zhí)行操作
6：解決方案，這個(gè)有點(diǎn)腦殘了孝常，不過(guò)的確是我遇到的旗们，還是記上一筆，然后罵自己一遍sb构灸，沒有click()你讓它怎么處理Ｉ峡省！喜颁！就像用cookie登錄時(shí)候還有個(gè)ENTRY呢稠氮！
7：兩次驗(yàn)證失敗后，用戶名重復(fù)累加
7：解決方案半开，直接加了個(gè)變量隔披，計(jì)數(shù)循環(huán)次數(shù)，觀察到只要超過(guò)兩次沒有登錄上寂拆，就會(huì)累加登錄名和用戶密碼锹锰，直接寫了個(gè)if進(jìn)行判斷，完事漓库！
8：im.crop(box)裁剪區(qū)域選擇困難癥
8：解決方案恃慧，多試幾次，反正我是試出來(lái)的渺蒿。痢士。。。當(dāng)然怠蹂，你點(diǎn)擊圖片進(jìn)行審查元素時(shí)候善延，可以看到圖片大小，那么城侧，你就可以知道橫縱坐標(biāo)差值多少易遣，但是大范圍區(qū)域還得自己試，如有更好的辦法嫌佑，請(qǐng)告知豆茫，以下為我截圖實(shí)驗(yàn)次數(shù)，次數(shù)30+
9：導(dǎo)入不了Image,ImageEnhance
9：解決方案屋摇，因?yàn)镻IL用的是第三方庫(kù)揩魂，所以，采用的導(dǎo)入方式是這樣的炮温，多看看官方文檔就可以火脉，官方描述如下
Usefrom PIL import Imageinstead ofimport Image.
10：找不到應(yīng)該鍵入的元素
10：這個(gè)問(wèn)題，請(qǐng)單擊要輸入的空白處右鍵柒啤，審查元素倦挂，就可以看到，然后根據(jù)driver.find_element_by_各種方法來(lái)定位元素担巩，如果輸入進(jìn)行了隱藏方援，在當(dāng)前頁(yè)面找不到怎么辦，就像如下圖兵睛，需要先點(diǎn)擊我的圖書館，才能看到輸入的賬戶和密碼窥浪，那么先找我的圖書館的元素祖很，進(jìn)行click操作，之后再找元素漾脂，一句話假颇，把自己想成瀏覽器，阿不骨稿，把python想成瀏覽器笨鸡。。坦冠。形耗。。
上圖的代碼我也放上辙浑，大同小異激涤，比有驗(yàn)證碼的簡(jiǎn)單，但是多了一個(gè)click操作判呕。
# -*- coding: utf-8 -*-
#Author：哈士奇說(shuō)喵
from selenium import webdriver
import time
import sys
#shift+tab多行縮進(jìn)(左)
reload(sys)
PostUrl = "http://lib.hrbeu.edu.cn/#"
driver=webdriver.Firefox()
driver.get(PostUrl)
elem_user = driver.find_element_by_name('number')
elem_psw = driver.find_element_by_name('passwd')
#選擇我的圖書館倦踢，點(diǎn)擊后才能看到輸入賬號(hào)密碼
click_first = driver.find_element_by_xpath("http://ul[@id='imgmenu']/li[4]")
click_first.click()
elem_user.send_keys('S315080092')
elem_psw.send_keys('xxxxxxxx')
#點(diǎn)擊登錄
click_second = driver.find_element_by_name('submit')
click_second.click()
time.sleep(5)
#登陸后選擇
click_third = driver.find_element_by_xpath("http://*[@id='mainbox']/div/div/ul/li/a")
click_third.click()
time.sleep(5)#搜索結(jié)果頁(yè)面停留片刻
#driver.save_screenshot('C:\Users\MrLevo\image.jpg')
driver.close()
driver.quit()
最后
（雖然我知道以后肯定會(huì)再補(bǔ)充）：斷斷續(xù)續(xù)差不多兩天時(shí)間來(lái)實(shí)現(xiàn)這個(gè)操作送滞，雖然對(duì)大家來(lái)說(shuō)應(yīng)該不算難，但是對(duì)自己還是有蠻大提升的辱挥，對(duì)selenium有了基本的概念和操作犁嗅，對(duì)PIL也進(jìn)行了使用，還有ocr的調(diào)用晤碘，雖然調(diào)用firefox來(lái)執(zhí)行操作表面上看起來(lái)很酷炫褂微，但是執(zhí)行效率和占用內(nèi)存是很大的內(nèi)傷，但作為可視化的模擬瀏覽器登錄哼蛆，這點(diǎn)做的還是十分絢麗的蕊梧。
話說(shuō)今天登了圖書館才知道，我tm過(guò)期書好幾本了腮介，好幾天了肥矢，，叠洗，甘改，看來(lái)得寫個(gè)一鍵續(xù)期和查詢過(guò)期圖書的小工具了，so灭抑，又有動(dòng)力了十艾！
so peace out，guys腾节，and good night忘嫉！
致謝
這些博客真的給我很大幫助，謝謝博主們：
1.tesseract-ocr識(shí)別英文和中文圖片文字以及掃描圖片實(shí)例講解
2.用pytesser作圖片驗(yàn)證碼識(shí)別
3. [Python爬蟲] Selenium實(shí)現(xiàn)自動(dòng)登錄163郵箱和Locating Elements介紹
4. [Python爬蟲] Selenium自動(dòng)訪問(wèn)Firefox和Chrome并實(shí)現(xiàn)搜索截圖
5.初試PIL及基本操作
6.Python爬蟲模擬登錄帶驗(yàn)證碼網(wǎng)站_手動(dòng)輸入驗(yàn)證碼版本
7.selenium-webdriver(python) (十五) -- 鼠標(biāo)事件
