Français
Français
Avec l'avancement continu de la technologie Internet, la technologie des robots devient de plus en plus mature, mais afin de protéger la sécurité des données, les sites Web déploient généralement des mesures anti-frawler telles que les codes de vérification. En tant que puissant framework de variateur dans le champ PHP, PHPSPider a également certaines difficultés à faire face aux codes de vérification. Cet article introduira systématiquement comment utiliser PHP combiné avec PHPSPider pour traiter et percer efficacement la vérification du code de vérification.
Le code de vérification est généralement renvoyé sous la forme d'une image via la demande HTTP. À l'aide de la bibliothèque Curl de PHP, vous pouvez facilement envoyer des demandes pour obtenir des images de code de vérification et traiter les images via la bibliothèque GD.
$url = "http://www.example.com/captcha.php";
$curl = curl_init($url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
$response = curl_exec($curl);
curl_close($curl);
// Enregistrer l'image du code de vérification
file_put_contents("captcha.jpg", $response);
Après avoir obtenu l'image du code de vérification, l'image doit être reconnue par texte ensuite. PHP peut appeler la bibliothèque Tesseract OCR pour obtenir une reconnaissance automatique, améliorant considérablement l'efficacité de la fissuration du code de vérification.
exec("tesseract captcha.jpg captcha");
// Lisez les résultats de la reconnaissance
$captcha = trim(file_get_contents("captcha.txt"));
Après avoir identifié le code de vérification, vous devez remplir la zone d'entrée du code de vérification pour terminer la vérification du site Web. L'exemple suivant montre comment utiliser PHPSPider pour simuler le remplissage du code de vérification:
// Créer une instance de chenille
$spider = new phpspider();
// Définir l'entrée du code de vérification
$spider->on_handle_img = function($obj, $data) use ($captcha) {
$obj->input->set_value("captcha", $captcha);
};
// Autres configurations de chenilles...
// Commencer le robot
$spider->start();
Il convient de noter que les attributs de nom des cases d'entrée de code de vérification de différents sites Web peuvent être différents et que le code doit être ajusté en fonction de la page spécifique.
Certains sites Web amélioreront les capacités anti-frawler via des en-têtes de demande spéciaux ou des codes JavaScript générer dynamiquement. À cet égard, vous pouvez le contourner en personnalisant les paramètres d'en-tête de demande, etc.
$url = "http://www.example.com";
$options = [
'headers' => [
'Referer: http://www.example.com/',
'User-Agent: Mozilla/5.0 (Windows NT 10.0; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0',
// Autres en-têtes de demande spécifiques...
],
];
$curl = curl_init($url);
curl_setopt_array($curl, $options);
$response = curl_exec($curl);
curl_close($curl);
// Traitement du contenu de la réponse
La stratégie anti-frawler spécifique doit être ajustée de manière flexible en fonction des mesures de protection du site Web cible.
Cet article présente en détail le processus complet d'utilisation de PHP et PHPSPider pour casser le mécanisme anti-créateur du code de vérification du site Web, y compris les codes de vérification rampant, l'identification et la simulation des entrées et les méthodes pour traiter les stratégies anti-fabricant complexes. Grâce à une conception raisonnable et à des moyens techniques, des données efficaces et stables rampant peuvent être obtenues. Cependant, il est également recommandé de se conformer aux politiques de site Web pertinentes et d'utiliser légalement la technologie du robot et de conformité aux réglementations.
