关于验证码
做爬虫多多少少会遇到，当然有很多办法解决
今天就先搞个最直接的：
材料：selenium、PIL、百度
过程：selenium模拟登陆输入帐号密码-》获取验证码-》处理验证码-》输入完成点登陆-》获取cookies-》给requests用
下面主要记录下图片处理的想法：
通过selenium把验证码图片截出来
2.处理
我一般处理会用到反色、去色、去杂、二值化，这要根据具体验证码来使用
像上面这种验证码，不做任何处理，识别率大概在5%
去杂就是把辅助线清理一下，这种方法有时候有用，但对上面的验证码用处没有那么大，还要加上颜色过滤等操作才会比较好
单纯去杂：
就算是单纯去杂后，识别率都能提高到50%以上
二值化，讲真这个是个双刃剑，如果单独使用指不定还会出什么幺蛾子。建议先滤色，把多余的颜色尽量滤出来，再做二值化处理
二值化+滤色:
这样子 识别率基本上70%是有了 ，可以看到还有点干扰线，这种干扰线可以在前期继续用滤色清理，鉴于每次干扰线都不太一样，取舍一下还是不做了。而且这种程度的干扰线已经不是很影响识别效率。
3.识别
现在机器学习那么火 可以自行百度下比较热门的框架玩玩，文档教程都蛮多的。不过这个需要的样本量有点大，为了拿足够数量，还要写个脚本去爬别人的验证码。。。
所以，接个打码平台完美解决 均价大概1元100次。权衡下成本。如果实在是量大而且网站比较固定可以考虑自己做
后记：
讲真selenium真是爬虫届的按键精灵，足够灵活，为所欲为。不过消耗太大了1G内存最多运行2、3个工程。所以能不用就不用吧。。不然钱包遭不住 。一般只是用来获取cookies，类似登陆ins，淘宝之类。听说淘宝有对抗selenium的方法，不过网上已经有对抗教程了。。
PhantomJS消耗比selenium少30%左右，暂时没有遇到传说中的OOM，自己的ins爬虫现在就是用PhantomJS。关于ins，现在ajax加载每次都有加密，看得我人都晕了，前端又没技术，不会分析。爬虫最有意思感觉是黑吃黑，爬了就跑 别人还不能告，又没啥办法对付，充实了硬盘，还不错。