爬虫模拟登录破解无原图滑动验证码

模拟登录对象:博客园

验证码类型：无原图滑动验证码

使用工具与模块:python，selenium 

浏览器：Chrome


大体思路:以前的滑动验证码多为有原图的验证码，可以通过Image模块截取两张不同的图，通过对比像素得出移动的距离，无原图验证码也是基于这个原理，只是多了一步找出原图，该操作可以通过driver.execute_script（）添加JS代码，改变display显示获得原图，然后就变成了有原图的滑动验证码的操作流程。

具体思路：

第一步：输入账号、密码，然后点击登陆
from selenium import webdriver #为了方便演示与查看结果，在此使用有界面的Chrome浏览器，成功之后可以换成无界面浏览器
driver=webdriver.Chrome() #参数为博客园登录页面 driver.get('
https://account.cnblogs.com/signin') #隐式等待3秒 driver.implicitly_wait(3) #
找到用户名标签和密码标签，用ID查找 input_username=driver.find_element_by_id('LoginName')
input_password=driver.find_element_by_id('Password') #输入用户名和密码
input_username.send_keys('11111111111') input_password.send_keys('xxxxxxxxxx') #
找到提交按钮 submitBtn=driver.find_element_by_id('submitBtn') #点击提交 submitBtn.click()
效果如图所示：



第二步：弹出有缺口的图，并截取




找到该标签，通过xpath查找找到位置，(通过classname查找，可能会报错，原因未知)，这个位置不仅是缺口图的位置，还是原图的位置，所以获取原图和缺口图的方式是一样的

先写一个截图函数：
from PIL import Image def get_snap(driver): #创建一个空的图片文件 driver.save_screenshot(
'snap.png') snap_obj=Image.open('snap.png') return snap_obj def
get_image(driver):#通过xpath找到元素 img_element = driver.find_element_by_xpath( '
//div[@class="geetest_panel_next"]//canvas[@class="geetest_canvas_slice
geetest_absolute"]') #获得图片的大小和位置 size = img_element.size location =
img_element.location left=location['x'] top=location['y'] right=left+size['width
'] bottom=top+size['height'] snap_obj=get_snap(driver) #注意该参数是元组 img_obj=
snap_obj.crop((left,top,right,bottom))return img_obj


 

通过获得的left,top,right,bottom进行截图

第三步:通过JS代码，显示原图



 

 找到该便签，改变style中的display，其值为block时显示的是无缺口图：



现在通过代码改变该标签的值：
driver.execute_script("var
x=document.getElementsByClassName('geetest_canvas_fullbg geetest_fade
geetest_absolute')[0];" "x.style.display='block';" "x.style.opacity=1" )
测试时，有时候，opacity默认为0，需要变为1才会显示原图。

显示原图之后，因为位置是一样的，同第二步，使用同一个函数进行截图。

第四步：对比两张图片，即滑动的位移
none_img=get_image(driver)#缺口图 driver.execute_script("var
x=document.getElementsByClassName('geetest_canvas_fullbg geetest_fade
geetest_absolute')[0];" "x.style.display='block';" "x.style.opacity=1" )
block_img=get_image(driver)#原图
进行图片滑动的距离的计算：
def get_distance(img1,img2): start_x=60#初始X threhold=60#阈值 for x in
range(start_x,img1.size[0]):for y in range(img1.size[1]): rgb1=img1.load()[x,y]
rgb2=img2.load()[x,y] res1=abs(rgb1[0]-rgb2[0]) res2=abs(rgb1[1]-rgb2[1]) res3
=abs(rgb1[2]-rgb2[2]) if not (res1<threhold and res2<threhold and res3<
threhold):return x-7#测试后-7可以提高成功率
关于初始值：



滑动验证码，缺口一定和滑块有距离，所以滑块的所占的X的范围可以排除，测量得出滑块大小约为60像素（包含边距），所以start_x=60。

 

第五步：按照人的行为行为习惯，把总位移切成一段段小的位移

人的习惯为：先加速，再减速，可能有超出的现象。

为了保证更像人，本次有回退步骤
def get_tracks(distance): #distance为上一步得出的总距离。20是等会要回退的像素 distance+=20 #
初速度为0，s是已经走的路程，t是时间 v0=2 s=0 t=0.4 #mid是进行减速的路程 mid=distance*3/5 #存放走的距离
forward_tracks=[] while s<distance: if s<mid: a=2 else: a=-3 #高中物理，匀加速路程的计算 v=
v0 tance=v*t+0.5*a*(t**2) tance=round(tance) s+=tance v0=v+a*t
forward_tracks.append(tance)#因为回退20像素，所以可以手动打出，只要和为20即可 back_tracks = [-1, -1,
-1, -2, -2, -2, -3, -3, -2, -2, -1]# 20 return {"forward_tracks":
forward_tracks,'back_tracks': back_tracks}
 

第六步：按照距离移动

 
#获得滑块元素 geetest_slider_button=driver.find_element_by_class_name('
geetest_slider_button') #获得距离 distance=get_distance(block_img,none_img) #获得步数
tracks_dic=get_tracks(distance) #点击并按住
ActionChains(driver).click_and_hold(geetest_slider_button).perform()
forword_tracks=tracks_dic['forward_tracks'] back_tracks=tracks_dic['back_tracks'
]for forword_track in forword_tracks:
ActionChains(driver).move_by_offset(xoffset=forword_track,yoffset=0).perform() #
停顿一会，更像人 time.sleep(0.2) for back_tracks in back_tracks:
ActionChains(driver).move_by_offset(xoffset=back_tracks, yoffset=0).perform()
print(forword_tracks) ActionChains(driver).move_by_offset(xoffset=-3, yoffset=
0).perform() ActionChains(driver).move_by_offset(xoffset=3, yoffset=
0).perform() time.sleep(0.3) #松开鼠标 ActionChains(driver).release().perform()
 

 完整代码：
from selenium import webdriver from selenium.webdriver import ActionChains from
selenium.webdriver.common.keysimport Keys from PIL import Image import time
driver=webdriver.Chrome() def get_snap(driver): driver.save_screenshot('snap.png
') snap_obj=Image.open('snap.png') return snap_obj def get_image(driver):
img_element= driver.find_element_by_xpath( '
//div[@class="geetest_panel_next"]//canvas[@class="geetest_canvas_slice
geetest_absolute"]') size = img_element.size location = img_element.location
left=location['x'] top=location['y'] right=left+size['width'] bottom=top+size['
height'] snap_obj=get_snap(driver) img_obj=
snap_obj.crop((left,top,right,bottom))return img_obj # try: #
driver.get('https://www.baidu.com') # driver.implicitly_wait(5) #
r1=driver.find_element_by_link_text('登录').click() #
driver.find_element_by_id('TANGRAM__PSP_10__footerULoginBtn').click() #
input_username=driver.find_element_by_id('TANGRAM__PSP_10__userName') #
input_username.send_keys('17396876501') #
input_password=driver.find_element_by_id('TANGRAM__PSP_10__password') #
input_password.send_keys('dfcver') #
driver.find_element_by_id('TANGRAM__PSP_10__submit').click() # time.sleep(5) #
finally: # driver.close() def get_distance(img1,img2): start_x=60 threhold=60#阈值
for x in range(start_x,img1.size[0]): for y in range(img1.size[1]): rgb1=
img1.load()[x,y] rgb2=img2.load()[x,y] res1=abs(rgb1[0]-rgb2[0]) res2
=abs(rgb1[1]-rgb2[1]) res3=abs(rgb1[2]-rgb2[2]) if not (res1<threhold and
res2<threholdand res3<threhold): return x-7 def get_tracks(distance): distance
+=20 v0=2 s=0 t=0.4 mid=distance*3/5 forward_tracks=[] while s<distance: if s<
mid: a=2 else: a=-3 v=v0 tance=v*t+0.5*a*(t**2) tance=round(tance) s+=tance v0
=v+a*t forward_tracks.append(tance) back_tracks = [-1, -1, -1, -2, -2, -2, -3,
-3, -2, -2, -1]# 20 return {"forward_tracks": forward_tracks, 'back_tracks':
back_tracks}try: driver.get('https://account.cnblogs.com/signin')
driver.implicitly_wait(3) input_username=driver.find_element_by_id('LoginName')
input_password=driver.find_element_by_id('Password') input_username.send_keys('
928480709') input_password.send_keys('dfcver1112223334') submitBtn
=driver.find_element_by_id('submitBtn') submitBtn.click() time.sleep(2)#等待验证码加载
none_img=get_image(driver) driver.execute_script("var
x=document.getElementsByClassName('geetest_canvas_fullbg geetest_fade
geetest_absolute')[0];" "x.style.display='block';" "x.style.opacity=1" )
block_img=get_image(driver) geetest_slider_button
=driver.find_element_by_class_name('geetest_slider_button') distance=
get_distance(block_img,none_img) tracks_dic=get_tracks(distance)
ActionChains(driver).click_and_hold(geetest_slider_button).perform()
forword_tracks=tracks_dic['forward_tracks'] back_tracks=tracks_dic['back_tracks'
]for forword_track in forword_tracks:
ActionChains(driver).move_by_offset(xoffset=forword_track,yoffset=0).perform()
time.sleep(0.2) for back_tracks in back_tracks:
ActionChains(driver).move_by_offset(xoffset=back_tracks, yoffset=0).perform()
print(forword_tracks) ActionChains(driver).move_by_offset(xoffset=-3, yoffset=
0).perform() ActionChains(driver).move_by_offset(xoffset=3, yoffset=
0).perform() time.sleep(0.3) ActionChains(driver).release().perform()
time.sleep(60) finally: driver.close() 完整代码
 

• « 上一篇：这届AI程序员厉害了，还没出校门就被预定？
• » 下一篇：字节跳动 NLP算法实习面试问题清单