? ? ? ?驗(yàn)證碼識別成為了對抗反爬蟲的必修課之一饮醇，看了崔慶才著的《python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)》后受益匪淺，本專題將著重學(xué)習(xí)記錄不同的驗(yàn)證碼識別方式：圖像驗(yàn)證碼浪漠、宮格驗(yàn)證碼陕习、極驗(yàn)滑動驗(yàn)證碼、點(diǎn)觸驗(yàn)證碼址愿。
? ? ? ?[2019.3.6更新] 測試了下發(fā)現(xiàn)以下的版本識別率比較低该镣，稍微改動了下代碼。
? ? ? ?放到了GitHub上
極驗(yàn)滑動驗(yàn)證碼識別
先看看效果：
-
識別思路：
- 模擬點(diǎn)擊切換為滑動驗(yàn)證响谓、并顯示驗(yàn)證界面拌牲。
- 識別滑動缺口的位置，計(jì)算位移
- 模擬拖動滑塊
- 若認(rèn)證失敗歌粥，重復(fù)調(diào)用
詳細(xì)過程及代碼如下：
-
初始化
from selenium.webdriver.support import expected_conditions as EC
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver import ActionChains
from PIL import Image
from io import BytesIO
import time
BORDER = 6
class CrackGeetest():
def __init__(self):
self.url = 'https://www.geetest.com/type/'
self.browser = webdriver.Chrome()
self.wait = WebDriverWait(self.browser,10)
def open(self):
'''
打開網(wǎng)頁
:return None
'''
self.browser.get(self.url)
def close(self):
'''
關(guān)閉網(wǎng)頁
:return None
'''
self.browser.close()
self.browser.quit()
? ? ? ?定義了一個(gè) CrackGeetest 類，初始化selenium對象和一些參數(shù)配置拍埠，網(wǎng)址是極驗(yàn)的驗(yàn)證碼測試頁面失驶。
-
模擬點(diǎn)擊
? ? ? ?首先模擬點(diǎn)擊切換為滑動驗(yàn)證，然后模擬點(diǎn)擊彈出驗(yàn)證圖片枣购。
def change_to_slide(self):
'''
切換為滑動認(rèn)證
:return 滑動選項(xiàng)對象
'''
huadong = self.wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR,'.products-content ul > li:nth-child(2)'))
)
return huadong
def get_geetest_button(self):
'''
獲取初始認(rèn)證按鈕
:return 按鈕對象
'''
button = self.wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR,'.geetest_radar_tip'))
)
return button
? ? ? ?該步驟定義了兩個(gè)方法嬉探，均利用顯示等待的方法實(shí)現(xiàn)。并返回按鈕對象棉圈，后用click()方法模擬點(diǎn)擊涩堤。
效果如下：
-
獲取背景圖
? ? ? ?首先等待驗(yàn)證碼加載完成(wait_pic)，獲取網(wǎng)頁截圖(get_screenshot)分瘾，然后獲取驗(yàn)證背景圖所在的位置及大小參數(shù)(get_position)和滑塊對象(get_slider)胎围。
def wait_pic(self):
'''
等待驗(yàn)證圖片加載完成
:return None
'''
self.wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR,'.geetest_popup_wrap'))
)
def get_screenshot(self):
"""
獲取網(wǎng)頁截圖
:return: 截圖對象
"""
screenshot = self.browser.get_screenshot_as_png()
screenshot = Image.open(BytesIO(screenshot))
return screenshot
def get_position(self):
'''
獲取驗(yàn)證碼位置
:return: 位置元組
'''
img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_canvas_img')))
time.sleep(2)
location = img.location
size = img.size
top, bottom = location['y'], location['y'] + size['height']
left, right = location['x'], location['x'] + size['width']
return (top, bottom, left, right)
def get_slider(self):
'''
獲取滑塊
:return: 滑塊對象
'''
slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'geetest_slider_button')))
return slider
? ? ? ?再通過上述返回的背景圖位置和大小參數(shù)，對網(wǎng)頁截圖進(jìn)行切片(get_geetest_image)德召，最后獲取背景圖白魂。
def get_geetest_image(self,name='captcha.png'):
'''
獲取驗(yàn)證碼圖片
:return: 圖片對象
'''
top, bottom, left, right = self.get_position()
print('驗(yàn)證碼位置',top, bottom, left, right)
screenshot = self.get_screenshot()
captcha = screenshot.crop((left, top, right, bottom))
captcha.save(name)
return captcha
? ? ? ?到這里，已經(jīng)獲取了帶缺口的背景圖上岗，那怎么樣才可以獲取不帶缺口滑塊的原圖呢福荸？
? ? ? ?網(wǎng)上提供的方法中，我篩選出了兩種實(shí)測可行的方法肴掷，一種是通過改變CSS樣式獲得原圖敬锐，另一種是將源碼返回的亂序圖還原背传，這里著重介紹第一種，另一種在日后的文章中將補(bǔ)充台夺。
? ? ? ?在《python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)》中径玖，由于寫書的時(shí)間距今有一段時(shí)間，所以極驗(yàn)的驗(yàn)證碼也存在更新谒养，截至到今天（2018-11-30）無法直接先獲取無缺口的原圖挺狰，在通過點(diǎn)擊獲得帶缺口背景圖了。觀察一下驗(yàn)證碼頁面的源代碼买窟，可以發(fā)現(xiàn)：
? ? ? ?將該canvas標(biāo)簽的style刪除之后丰泊，滑塊和陰影果然不見了，這樣我們只需要通過js操作css樣式屬性始绍，便可以繼續(xù)分析了瞳购。這里用到了execute_script()方法，基本上Selenium API沒有提供的功能都可以通過它執(zhí)行JavaScript的方式來實(shí)現(xiàn)亏推。不得不說這個(gè)功能還是挺好用的学赛，可以類比Splash執(zhí)行Lua腳本。
? ? ? ?執(zhí)行js腳本之后(delete_style)獲得了無缺口的原圖吞杭，再調(diào)用之前的截圖方法盏浇，就可以獲取同大小的背景圖了。
def delete_style(self):
'''
執(zhí)行js腳本芽狗，獲取無滑塊圖
:return None
'''
js = 'document.querySelectorAll("canvas")[2].style=""'
self.browser.execute_script(js)
-
識別缺口
? ? ? ?我們得到了兩張圖绢掰，接下來就要對比他們來獲取缺口位置。
? ? ? ?遍歷圖片的每個(gè)坐標(biāo)點(diǎn)童擎，獲取兩張圖片的RGB數(shù)據(jù)滴劲，若差距在一定范圍內(nèi)，則認(rèn)為兩個(gè)像素相同顾复，繼續(xù)往下比對班挖。若超過一定范圍，則代表像素點(diǎn)不同芯砸，當(dāng)且位置即為缺口位置萧芙。? ? ? ?is_pixel_equal()中定義了一個(gè)閾值范圍threshold，為60假丧，原因是缺口圖中不僅有缺口部分的像素不同末购，其中還設(shè)置了一個(gè)干擾陰影塊，和缺口大小類似虎谢，所以我們需要將范圍適當(dāng)提高盟榴。
def is_pixel_equal(self, img1, img2, x, y):
'''
判斷兩個(gè)像素是否相同
:param img1: 不帶缺口圖片
:param img2: 帶缺口圖
:param x: 位置x
:param y: 位置y
:return: 像素是否相同
'''
# 取兩個(gè)圖片的像素點(diǎn)
pix1 = img1.load()[x, y]
pix2 = img2.load()[x, y]
threshold = 60
if abs(pix1[0] - pix2[0]) < threshold \
and abs(pix1[1] - pix2[1]) < threshold \
and abs(pix1[2] - pix2[2]) < threshold:
return True
else:
return False
? ? ? ?get_gap()方法遍歷兩張圖片的每個(gè)像素，再利用is_pixel_equal()方法判斷兩張圖片同一位置的像素婴噩。get_gap()中擎场，left為起始橫坐標(biāo)羽德，即是從滑塊的右邊開始尋找缺口位置。
def get_gap(self, img1, img2):
'''
獲取缺口偏移量
:param img1: 不帶缺口圖片
:param img2: 帶缺口圖
:return 缺口位置
'''
left = 60
for i in range(left, img1.size[0]):
for j in range(img1.size[1]):
if not self.is_pixel_equal(img1, img2, i, j):
left = i
return left
return left
-
模擬拖動迅办。
? ? ? ?上面我們獲得了滑塊的位置宅静，現(xiàn)在只需要計(jì)算距離并且模擬拖動即可。
? ? ? ?不難想到站欺，將滑塊勻速運(yùn)動或者直接閃到缺口位置是肯定不行的姨夹，我們要盡量模擬人手拖動鼠標(biāo)的情況。所以我在崔大給的方案的基礎(chǔ)上做了一點(diǎn)改進(jìn)矾策。
大致過程：
? ? ? ?首先加速拖動滑塊磷账，當(dāng)快接近缺口時(shí)，開始減速拖動贾虽，超過缺口一點(diǎn)距離后再往回拖拽對齊逃糟，由于人手可能不能對得非常整齊，所以我設(shè)置了1到2個(gè)像素的誤差蓬豁，并且再最后加入了3個(gè)像素距離的左右滑動來模擬釋放鼠標(biāo)時(shí)的抖動情況绰咽。
效果如下：
利用中學(xué)時(shí)期的物理公式，即可構(gòu)造軌跡移動算法地粪。
? ? ? ?x = v0*t + 1/2*a*t^2
? ? ? ?v = v0 + a*t
def get_track(self, distance):
'''
根據(jù)偏移量獲取移動軌跡
:param distance: 偏移量
:return: 移動軌跡
'''
#移動軌跡
track = []
#當(dāng)前位移
current = 0
#減速閾值
mid = distance * 3 / 5
#計(jì)算間隔
t = 0.2
#初速度
v = 0
#滑超過過一段距離
distance += 14
while current < distance:
if current < mid:
#加速度為正
a = 2
else:
#加速度為負(fù)
a = -1.5
#初速度 v0
v0 = v
#當(dāng)前速度 v
v = v0 + a * t
#移動距離 move-->x
move = v0 * t + 1 / 2 * a * t * t
#當(dāng)前位移
current += move
#加入軌跡
track.append(round(move))
return track
? ? ? ?前3/5路程加速取募，后面減速，track返回的是一個(gè)列表蟆技，其中每個(gè)元素代表的是每次移動的距離玩敏。然后模擬釋放鼠標(biāo)時(shí)的人手抖動(shake_mouse)。
? ? ? ?最后根據(jù)之前所得到的運(yùn)動軌跡拖動滑塊(move_to_gap)即可付魔。
def shake_mouse(self):
'''
模擬人手釋放鼠標(biāo)時(shí)的抖動
:return: None
'''
ActionChains(self.browser).move_by_offset(xoffset=-3, yoffset=0).perform()
ActionChains(self.browser).move_by_offset(xoffset=2, yoffset=0).perform()
def move_to_gap(self, slider, tracks):
'''
拖動滑塊到缺口處
:param slider: 滑塊
:param tracks: 軌跡
:return
'''
back_tracks = [-1, -1, -2, -2, -3, -2, -2, -1, -1]
ActionChains(self.browser).click_and_hold(slider).perform()
#正向
for x in tracks:
ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
#逆向
for x in back_tracks:
ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
#模擬抖動
self.shake_mouse()
time.sleep(0.5)
ActionChains(self.browser).release().perform()
其整個(gè)控制流程，如下：
? ? ? ?執(zhí)行主體流程飞蹂，若驗(yàn)證失敗几苍， 則再次調(diào)用crack()進(jìn)行識別，直至成功陈哑。
def crack(self):
try:
#打開網(wǎng)頁
self.open()
#轉(zhuǎn)換驗(yàn)證方式妻坝，點(diǎn)擊認(rèn)證按鈕
s_button = self.change_to_slide()
s_button.click()
g_button = self.get_geetest_button()
g_button.click()
#確認(rèn)圖片加載完成
self.wait_pic()
#獲取滑塊
slider = self.get_slider()
#獲取帶缺口的驗(yàn)證碼圖片
image1 = self.get_geetest_image('captcha1.png')
self.delete_style()
image2 = self.get_geetest_image('captcha2.png')
gap = self.get_gap(image1,image2)
print('缺口位置',gap)
gap -= BORDER
track = self.get_track(gap)
self.move_to_gap(slider, track)
success = self.wait.until(
EC.text_to_be_present_in_element((By.CLASS_NAME,'geetest_success_radar_tip_content'),'驗(yàn)證成功')
)
print(success)
time.sleep(5)
self.close()
except:
print('Failed-Retry')
self.crack()
if __name__ == '__main__':
crack = CrackGeetest()
crack.crack()
? ? ? ?至此，極驗(yàn)滑動驗(yàn)證碼識別——網(wǎng)頁截圖對比方法已經(jīng)記錄完畢惊窖。
-
關(guān)鍵字總結(jié)
- webdriver():
? ? ? ?support.expected_conditions as EC
? ? ? ?support.wait.WebDriverWait
? ? ? ?ActionChains
? ? ? ?common.by.By - BytesIO
- 代碼風(fēng)格
- 驗(yàn)證碼分析思路
