python实现合工大试题库刷题篇之验证码篇

最近，学校题库网站在登录页面加了验证码，原来的不能用了。于是，和室友合作，他写机器学习识别验证码，我来整合。

他的github:https://github.com/qq316107934/tkkc_captcha_hunter/blob/master/captcha2.py

思路是：把验证码识别程序放在云服务器上，做成api供本地调用。

整个折腾过程遇到的问题：

• 首先自然是在服务器安装各种机器学习包及其依赖包了。我开始是用的python2的pip然后再安装scipy的时候吧，编译安装结果告诉我“无法分配更多内存的问题”.然后换apt-get去安装scipy以及sklearn。结果由于服务器时ubuntu14.04LTS,所以软件源是比较老的，下下来的包太老了，不能用。卒。在室友的“强迫”下，安了pip3，结果一路安下去，没出啥故障。。。并且知道了原来ubuntu不仅自带了python2.7还自带了python3.4（在控制台分别输入python、python3即可发现）
• 安完所有包，开始部署了。用的flask，微调了下机器学习代码。成功部署，可以访问后，怎么传验证码图片的数据呢？一开始用的get，貌似直接超过了url大小的限制，于是改做post方式。第二个问题，获取到的图片十六进制数据是诸如‘\xff’这样表示的，还得通过urlencode再传输。这里使用python urllib的两个函数：1. urllib.parse.quote_from_bytes(字节)　　2.urllib.parse.unquote_to_bytes（str）.传输这一块搞定了，然后测试了下，可以返回识别出的验证码，收工。（顺便提一句，flask中通过flask.request.form[‘ ’]来获取post的数据）
• OK，回归本地的程序代码来。该加的都加上，比如post的字段randomCode.这里需要注意，由于验证码识别率并不是百分百，所以可能得多试几次。

1. python是支持 while i>100这样的语法的，以后不用再纠结如何在python里写条件循环了。。。
2. 清除一个session对象的cookies：ses.cookies.clear()