爬虫中手动输入验证码方法无法获取图片src地址
程序员文章站
2022-03-10 17:55:08
爬虫中手动输入验证码方法无法获取图片src地址以登陆人民邮电出版社为例:https://www.ptpress.com.cn/login验证码在html中图片标签内容:< class=“verCodeImg” src="/kaptcha.jpg?v=0.234724239578059" οnclick=“verCo...
爬虫中手动输入验证码方法无法获取图片src地址
以登陆人民邮电出版社为例:https://www.ptpress.com.cn/login
验证码在html中图片标签内容:
<class=“verCodeImg” src="/kaptcha.jpg?v=0.234724039578059" οnclick=“verCode(this)”>
< class=“verCodeImg” src="/kaptcha.jpg?v=0.234724239578059" οnclick=“verCode(this)”>
可知获取到验证码的src地址就能动态的获得验证码
import requests
from bs4 import BeautifulSoup
login_url = 'https://www.ptpress.com.cn/login'
req = requests.get(login_url)
#用bs4定位到元素
soup = BeautifulSoup(req.content,'lxml')
soup.select('#loginForm > div.row > div.col-md-4.col-sm-4.col-xs-4 > div > img')
但是运行后会发现它是没有显示src的
因为验证码是动态的!动态的!动态的!
用动态爬取网页的方法:
要用到selenium库
import requests
from selenium import webdriver
#通过动态解析获得src
#selenium库报错[WinError 2] 系统找不到指定的文件另一篇文章里有些
path = 'G:/学习软件/Python/Python/chromedriver.exe'
driver = webdriver.Chrome(path)
driver.get(login_url)
#定位到元素
search_src = driver.find_element_by_xpath('//*[@id="loginForm"]/div[3]/div[2]/div/img')
#获得元素的src属性
code = search_src.get_attribute('src')
返回了src地址
但其实获得了验证码的src地址,我还是没能成功登陆
因为即使是相同的链接点进去,每一次刷新都会有不同的验证码
通过动态网页打开是一张
解析src地址出来是另一张
本文地址:https://blog.csdn.net/weixin_47226752/article/details/111952567