反爬必修課之----(3)極驗滑動驗證碼識別
0.9 2019.02.17 22:04* 字數 1462 閱讀 311評論 4喜歡 8
驗證碼識別成爲了對抗反爬蟲的必修課之一，看了崔慶才著的《python3網絡爬蟲開發實戰》後受益匪淺，本專題將着重學習記錄不同的驗證碼識別方式：圖像驗證碼、宮格驗證碼、極驗滑動驗證碼、點觸驗證碼。
[2019.3.6更新] 測試了下發現以下的版本識別率比較低，稍微改動了下代碼。
放到了GitHub上
極驗滑動驗證碼識別
先看看效果：
-
識別思路：
- 模擬點擊切換爲滑動驗證、並顯示驗證界面。
- 識別滑動缺口的位置，計算位移
- 模擬拖動滑塊
- 若認證失敗，重複調用
詳細過程及代碼如下：
-
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):
'''
打開網頁
:return None
'''
self.browser.get(self.url)
def close(self):
'''
關閉網頁
:return None
'''
self.browser.close()
self.browser.quit()
定義了一個 CrackGeetest 類，初始化selenium對象和一些參數配置，網址是極驗的驗證碼測試頁面。
-
模擬點擊
首先模擬點擊切換爲滑動驗證，然後模擬點擊彈出驗證圖片。
def change_to_slide(self):
'''
切換爲滑動認證
:return 滑動選項對象
'''
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
該步驟定義了兩個方法，均利用顯示等待的方法實現。並返回按鈕對象，後用click()方法模擬點擊。
效果如下：
-
獲取背景圖
首先等待驗證碼加載完成(wait_pic)，獲取網頁截圖(get_screenshot)，然後獲取驗證背景圖所在的位置及大小參數(get_position)和滑塊對象(get_slider)。
def wait_pic(self):
'''
等待驗證圖片加載完成
: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，對網頁截圖進行切片(get_geetest_image)，最後獲取背景圖。
def get_geetest_image(self,name='captcha.png'):
'''
獲取驗證碼圖片
:return: 圖片對象
'''
top, bottom, left, right = self.get_position()
print('驗證碼位置',top, bottom, left, right)
screenshot = self.get_screenshot()
captcha = screenshot.crop((left, top, right, bottom))
captcha.save(name)
return captcha
到這裏，已經獲取了帶缺口的背景圖，那怎麼樣纔可以獲取不帶缺口滑塊的原圖呢？
網上提供的方法中，我篩選出了兩種實測可行的方法，一種是通過改變CSS樣式獲得原圖，另一種是將源碼返回的亂序圖還原，這裏着重介紹第一種，另一種在日後的文章中將補充。
在《python3網絡爬蟲開發實戰》中，由於寫書的時間距今有一段時間，所以極驗的驗證碼也存在更新，截至到今天（2018-11-30）無法直接先獲取無缺口的原圖，在通過點擊獲得帶缺口背景圖了。觀察一下驗證碼頁面的源代碼，可以發現：
將該canvas標籤的style刪除之後，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，便可以繼續分析了。這裏用到了execute_script()方法，基本上Selenium API沒有提供的功能都可以通過它執行JavaScript的方式來實現。不得不說這個功能還是挺好用的，可以類比Splash執行Lua腳本。
執行js腳本之後(delete_style)獲得了無缺口的原圖，再調用之前的截圖方法，就可以獲取同大小的背景圖了。
def delete_style(self):
'''
執行js腳本，獲取無滑塊圖
:return None
'''
js = 'document.querySelectorAll("canvas")[2].style=""'
self.browser.execute_script(js)
不帶缺口的背景圖
帶缺口和陰影的背景圖
-
識別缺口
我們得到了兩張圖，接下來就要對比他們來獲取缺口位置。
遍歷圖片的每個座標點，獲取兩張圖片的RGB數據，若差距在一定範圍內，則認爲兩個像素相同，繼續往下比對。若超過一定範圍，則代表像素點不同，當且位置即爲缺口位置。 is_pixel_equal()中定義了一個閾值範圍threshold，爲60，原因是缺口圖中不僅有缺口部分的像素不同，其中還設置了一個干擾陰影塊，和缺口大小類似，所以我們需要將範圍適當提高。
def is_pixel_equal(self, img1, img2, x, y):
'''
判斷兩個像素是否相同
: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
'''
# 取兩個圖片的像素點
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像素，再利用is_pixel_equal()方法判斷兩張圖片同一位置的像素。get_gap()中，left爲起始橫座標，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。
上面我們獲得了滑塊的位置，現在只需要計算距離並且模擬拖動即可。
不難想到，將滑塊勻速運動或者直接閃到缺口位置是肯定不行的，我們要儘量模擬人手拖動鼠標的情況。所以我在崔大給的方案的基礎上做了一點改進。
大致過程：
首先加速拖動滑塊，當快接近缺口時，開始減速拖動，超過缺口一點距離後再往回拖拽對齊，由於人手可能不能對得非常整齊，所以我設置了1到2個像素的誤差，並且再最後加入了3個像素距離的左右滑動來模擬釋放鼠標時的抖動情況。
效果如下：
利用中學時期的物理公式，即可構造軌跡移動算法。
x = v0*t + 1/2*a*t^2
v = v0 + a*t
def get_track(self, distance):
'''
根據偏移量獲取移動軌跡
:param distance: 偏移量
:return: 移動軌跡
'''
#移動軌跡
track = []
#當前位移
current = 0
#減速閾值
mid = distance * 3 / 5
#計算間隔
t = 0.2
#初速度
v = 0
#滑超過過一段距離
distance += 14
while current < distance:
if current < mid:
#加速度爲正
a = 2
else:
#加速度爲負
a = -1.5
#初速度 v0
v0 = v
#當前速度 v
v = v0 + a * t
#移動距離 move-->x
move = v0 * t + 1 / 2 * a * t * t
#當前位移
current += move
#加入軌跡
track.append(round(move))
return track
前3/5路程加速，後面減速，track返回的是一個列表，其中每個元素代表的是每次移動的距離。然後模擬釋放鼠標時的人手抖動(shake_mouse)。
最後根據之前所得到的運動軌跡拖動滑塊(move_to_gap)即可。
def shake_mouse(self):
'''
模擬人手釋放鼠標時的抖動
: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()
其整個控制流程，如下：
執行主體流程，若驗證失敗， 則再次調用crack()進行識別，直至成功。
def crack(self):
try:
#打開網頁
self.open()
#轉換驗證方式，點擊認證按鈕
s_button = self.change_to_slide()
s_button.click()
g_button = self.get_geetest_button()
g_button.click()
#確認圖片加載完成
self.wait_pic()
#獲取滑塊
slider = self.get_slider()
#獲取帶缺口的驗證碼圖片
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，極驗滑動驗證碼識別——網頁截圖對比方法已經記錄完畢。
-
關鍵字總結
- webdriver():
support.expected_conditions as EC
support.wait.WebDriverWait
ActionChains
common.by.By - BytesIO
- 代碼風格
- 驗證碼分析思路