Python实现的百度站长自动URL提交小工具

作者:junjie 时间:2023-08-24 10:36:31 

URL提交是百度提供的一个站长工具,用于给站长提供手工收录某些URL的接口,但是该接口有验证码识别部分,比较难弄。所以编写了如下程序进行验证码自动识别:

主要思路

获取多个验证码,提交到 http://lab.ocrking.com/ 进行多次识别,然后计算每个验证码图片识别出来的 字母或数字 进行统计,得出统计率最高的 即为验证码。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import requests
import time
import json
import re
 
 
if __name__ == "__main__":
    i = 1
    s = requests.session()
    s.headers.update({'Referer':'http://zhanzhang.baidu.com/sitesubmit/index','User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.154 Safari/537.36'})
    r = s.get('http://zhanzhang.baidu.com/sitesubmit/index')
    s2 = requests.session()
    r = s.post('http://zhanzhang.baidu.com/captcha',data={'async':'false','n':time.time()})
    url = json.loads(r.content)['url']
    temp = []
    while 1:
        try:
            r = s.get(url)
            img_data = r.content
            r = s2.get('http://lab.ocrking.com/')
            try:
                content = ' '.join(r.content.split())
                sid =  re.findall(r'"sid" : "(.+?)"',content)[0]
                hash_1 = re.findall(r'"hash" : "(.+?)"',content)[0]
                timestamp = re.findall(r'"timestamp" : "(.+?)"',content)[0]
            except:
                print 'error on get orking info!'
                continue
            files = {'Filedata':('icode.jpeg', img_data)}
            data  = {'Filename':'icode.jpeg','sid':sid,'hash':hash_1,'timestamp':timestamp}
            r = s2.post('http://lab.ocrking.com/upload.html',files = files,data= data)
            r = s2.post('http://lab.ocrking.com/ocrking.html',data={'upfile':r.content,'type':'captcha','charset':'7'})
            icode = re.findall(r'<OcrResult>(.+?)</OcrResult>',r.content)[0]
            if len(icode) != 4 :
                continue
            temp.append(icode)
            i = i + 1
            if i == 3 :
                break
        except Exception,e:
            print e
            pass
 
    a = {'0':{},'1':{},'2':{},'3':{}}
    for aa in temp:
        i = 0
        while i <=3 :
            try:
                a[str(i)][aa[i]] =  a[str(i)][aa[i]] + 1
            except:
                a[str(i)][aa[i]] = 1
            i = i + 1
    icode = ['','','','']
    for index in a:
        temp_times = 0
        for index_1 in a[index]:
            if a[index][index_1] >= temp_times :
                temp_times = a[index][index_1]
                icode[int(index)] = index_1
 
    icode =  ''.join(icode)
 
    img_name = 'temp\\'+icode+'.png'
    file_object = open(img_name, 'w')
    file_object.write(img_data)
    file_object.close()
 
 
 
    #r = s.post('http://zhanzhang.baidu.com/sitesubmit/sitepost',data={'url':'http://lab.ocrking.com/','captcha':icode})
 
    #print r.content


标签:Python,百度站长,URL提交,验证码识别
0
投稿

猜你喜欢

  • pycharm 实现本地写代码,服务器运行的操作

    2023-04-10 21:12:44
  • SqlServer应用之sys.dm_os_waiting_tasks 引发的疑问(中)

    2024-01-16 02:25:00
  • Windows下mysql 8.0.12 安装详细教程

    2024-01-23 23:52:36
  • python基础之引用和匿名函数

    2023-01-13 11:52:42
  • Python urllib库如何添加headers过程解析

    2023-01-09 00:07:35
  • SpringBoot使用flyway初始化数据库

    2024-01-28 13:43:38
  • Pytorch四维Tensor转图片并保存方式(维度顺序调整)

    2023-09-11 23:26:54
  • Python 读取位于包中的数据文件

    2023-06-09 00:16:03
  • Python爬虫设置代理IP的方法(爬虫技巧)

    2023-08-08 22:05:36
  • Echarts利用多X轴实现七天天气预报效果的示例代码

    2024-03-11 10:33:05
  • python pygame入门教程

    2023-10-08 11:32:15
  • Python中range、np.arange和np.linspace的区别

    2023-10-17 14:45:14
  • git 将本地文件(夹)上传到gitee指定分支的处理方法

    2023-05-29 06:18:23
  • Python 内置变量和函数的查看及说明介绍

    2021-06-11 16:12:14
  • 五分钟带你搞懂python 迭代器与生成器

    2021-08-24 19:25:10
  • Python实现代码统计工具(终极篇)

    2021-10-21 03:01:47
  • python命名关键字参数的作用详解

    2023-09-01 10:35:37
  • mysql中left join设置条件在on与where时的用法区别分析

    2024-01-12 15:05:52
  • 推荐19个很有用的 JavaScript 库

    2011-05-14 16:33:00
  • Tensorflow与RNN、双向LSTM等的踩坑记录及解决

    2021-04-29 21:25:55
  • asp之家 网络编程 m.aspxhome.com