一、图片验证码

1. 什么是图片验证码？验证码是一种用来区分用户是计算机还是人的公共全自动程序
2. 验证码的作用？防止恶意破解密码、刷票、论坛灌水、刷页、
3. 验证码的使用场景？注册、登入、频繁发送请求，服务器弹出验证码进行验证
4. 图片验证码的处理方案？
   • 手动输入（input）这种方法，仅限于登录一次就可持续使用的情况
   • 图像识别引擎解析
   • 打码平台 爬虫常用的验证码解决方案

二、图片识别引擎

1. 什么是tesseract
   • Tesseract，一款由HP实验室开发由Google维护的开源OCR引擎，特点开源，免费，支持多语言，多平台
   • 项目地址

一、服务器反爬的原因

1. 爬虫占总PV（PV是指页面的访问次数，每打开或刷新一次页面，就算做一个PV）比例较高，这样浪费钱。
2. 公司可免费查询的资源被批量抓走，丧失竞争力，这样少赚钱。
3. 状告爬虫成功的几率小

二、反爬的三个方向

1. 基于身份识别进行反爬
2. 基于爬虫行为进行反爬
3. 基于数据加密进行反爬

Selenium是一个Web的自动化测试工具，最初是为网站自动化测试而开发的，Selenium可以直接调用浏览器，它支持所有主流浏览器，可以接收指令，让浏览器自动加载页面，获取需要的数据，甚至页面截屏等。

通过python扩展提取结构性数据

requests模块介绍

网络爬虫（又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），就是模拟客户端（主要是浏览器）发送网络请求，接受请求响应，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。