極驗(yàn)驗(yàn)證碼破解—超詳細(xì)教程（一）

極驗(yàn)驗(yàn)證碼破解—超詳細(xì)教程（二）

極驗(yàn)驗(yàn)證碼破解—超詳細(xì)教程（三）

Gayhub:FanhuaandLuomu/geetest_break

2017.8.21 代碼以上傳，可供參考

[國家企業(yè)信用信息公示系統(tǒng)為例]

目錄

一虽另、網(wǎng)站http://www.gsxt.gov.cn滑動(dòng)驗(yàn)證碼概述.

二誓琼、極驗(yàn)驗(yàn)證碼破解-抓包分析.

三听系、極驗(yàn)驗(yàn)證碼破解-搭建本地驗(yàn)證碼服務(wù).

四原杂、極驗(yàn)驗(yàn)證碼破解-分析geetest.js盯拱，得到所需參數(shù).

五祥得、極驗(yàn)驗(yàn)證碼破解-Track的獲取.

六允青、極驗(yàn)驗(yàn)證碼破解-獲取背景圖片及缺口距離d的計(jì)算.

七橄碾、極驗(yàn)驗(yàn)證碼破解-總結(jié).

參考文獻(xiàn).

運(yùn)行截圖.

五、極驗(yàn)驗(yàn)證碼破解-Track的獲取

1. Track的生成可以根據(jù)圖片缺口的距離d颠锉，使用隨機(jī)函數(shù)隨機(jī)采樣生成法牲。比如d=120,則我們控制總拖動(dòng)時(shí)間為t（t一般小于3s）,則可以每很小的時(shí)間內(nèi)（每次隨機(jī)時(shí)間，如10ms）移動(dòng)一小段隨機(jī)距離琼掠，最后在時(shí)刻t時(shí)正好移動(dòng)到d拒垃。但考慮人拖動(dòng)會(huì)有先加速在減速的特點(diǎn)（或許還有其他特點(diǎn)），geetest的服務(wù)器可能會(huì)識(shí)別到時(shí)機(jī)器所為瓷蛙，我們很難找到人行為的軌跡特點(diǎn)并且難以模擬恶复，因此生成軌跡不太可行（也許可行，但代價(jià)較大）速挑。

2. 我們提出另一種方法替代Track的生成，即手工事先存儲(chǔ)備用Track副硅。驗(yàn)證碼圖片總長大概250左右姥宝，由于我們已經(jīng)實(shí)現(xiàn)了在Console中打印Track的js，因此我們可以多次刷新http://localhost:8000/頁面恐疲，得到不同缺口位置的驗(yàn)證碼腊满，手動(dòng)拖動(dòng)至缺口處套么，保存Console中的Track。

3. 經(jīng)過試驗(yàn)發(fā)現(xiàn)碳蛋，缺口位置大多停留在中間位置胚泌，并且拖動(dòng)誤差在3以內(nèi)都可以接受。因此我們可以用當(dāng)前位置d的Track來代替d-1和d+1的Track（如缺口位置120肃弟，則119和121的Track可以不用測試玷室，直接使用120的Track）。這樣大大減少了刷新頁面獲取Track的次數(shù)笤受，我收集的Track列表如下：

為了方便統(tǒng)計(jì)穷缤，我按個(gè)位數(shù)將Track存放在10個(gè)文件中。

我們將所有的Track整合為dict（t_dict.pkl）箩兽，格式如下：

{k1:v1}津肛，其中k1為缺口位置，v1為Track（字符串形式）汗贫。

至此我們得到Track備用列表身坐，我們可以根據(jù)實(shí)際的缺口位置獲得相應(yīng)的Track值，下一節(jié)我們將會(huì)講解如何得到缺口距離驗(yàn)證碼左邊的相對(duì)距離d落包。

六部蛇、極驗(yàn)驗(yàn)證碼破解-獲取背景圖片及缺口距離d的計(jì)算

1. 我們首先尋找圖片的來源⊥咨回憶分析get.php搪花？的時(shí)候，看到過“fullbg”的出現(xiàn)嘹害，因此很大可能背景圖片信息是通過get.php撮竿？傳來的。查看Response如下：

根據(jù)圖片的url打開圖片：

可以發(fā)現(xiàn)圖片已經(jīng)亂碼笔呀，這是因?yàn)榉祷氐膱D片是局部重合產(chǎn)生的幢踏。

查看驗(yàn)證碼圖片的審查元素：

可以發(fā)現(xiàn)，展示的圖片是從原始亂碼圖片中多次截取小段许师，合成而成的房蝉。具體的合成方式如background-position所示。如background-position：-157px,-58px微渠。則該小段圖片為源亂碼圖片的（157,58搭幻，157+10,58+58）。根據(jù)上述分析逞盆，我么可以還原bg和fullbg的非亂碼圖片（即所看見的背景圖片）檀蹋。

我們通過比較兩張圖片的像素值，即可得到缺口的位置云芦，缺口左上角橫坐標(biāo)的值即為d俯逾。我們封裝了get_dist函數(shù)如下：

函數(shù)其它細(xì)節(jié)請(qǐng)參見項(xiàng)目源碼贸桶。

七、極驗(yàn)驗(yàn)證碼破解-總結(jié)

1. 至此桌肴，geetest驗(yàn)證碼的關(guān)鍵技術(shù)點(diǎn)已經(jīng)講解完皇筛，有沒有感覺號(hào)稱使用深度學(xué)習(xí)技術(shù)進(jìn)行人機(jī)驗(yàn)證的滑動(dòng)驗(yàn)證碼也不過如此。最近我會(huì)在Github上開源所有代碼坠七，希望得到大家的指點(diǎn)水醋。

2. 當(dāng)時(shí)做這個(gè)項(xiàng)目大概斷斷續(xù)續(xù)做了兩星期左右（2017.03），開始是參照網(wǎng)上教程使用selenium控制鼠標(biāo)來實(shí)現(xiàn)灼捂，后來發(fā)現(xiàn)鼠標(biāo)移動(dòng)的速度太機(jī)械化离例，成功率太低（滑動(dòng)到缺口處，但被識(shí)別為機(jī)器行為）悉稠。所以宫蛆，我采取了退而求其次的方法，避免對(duì)軌跡路徑的生成的猛，直接使用已經(jīng)成功驗(yàn)證的歷史軌跡來作為當(dāng)前軌跡耀盗。經(jīng)過試驗(yàn)，這種方法成功率接近100%卦尊，且復(fù)雜度不高叛拷，歷史軌跡單獨(dú)存在硬盤，可定期更新（以防止軌跡被封）岂却。

3. 最近（2017.07）突然想寫個(gè)文檔教程分享技術(shù)忿薇，算是個(gè)學(xué)習(xí)筆記，也算是對(duì)自己曾經(jīng)努力的記載躏哩。該文檔斷斷續(xù)續(xù)寫了4個(gè)晚上的時(shí)間署浩，歡迎大家閱讀并指正。

4. 最后附上Github地址扫尺，里面有一些小爬蟲和NLP相關(guān)的項(xiàng)目筋栋，歡迎圍觀。https://github.com/FanhuaandLuomu

參考文獻(xiàn)

1.http://blog.csdn.net/paololiu/article/details/52514504

2.https://zhuanlan.zhihu.com/p/22866110?refer=windev

3.https://zhuanlan.zhihu.com/p/22404294

（向以上參考文章的作者致謝~）

運(yùn)行截圖

Python geetest_spider.py

注意：要爬取的企業(yè)列表寫在searchword_list正驻。

（THE END弊攘，如果對(duì)您有幫助，請(qǐng)點(diǎn)個(gè)贊~~~）