爬虫（三）—— 滑动验证码破解

滑动验证码破解

目录

• 滑动验证码破解
  • 一、破解步骤
  • 二、代码实现

一、破解步骤

1. 输入用户名、密码，然后点击登录
2. 点击人及识别，跳出图片
3. 截图，获取完整的图片
4. 点击滑动按钮，获取破碎的图片
5. 截图，截取破碎的图片
6. 完整的图片和破碎的图片比较，获取移动的距离
7. 按照人的行为行为习惯，把总位移切成一段段小的位移
8. 按照位移移动

二、代码实现

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By 	# 按照什么方式查找，By.ID,By.CSS_SELECTOR
from selenium.webdriver.common.keys import Keys 	# 键盘按键操作
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素
from PIL import Image 	# pip3 install pillow

import time

# 截取整个屏幕图片，保存为snap.png
def get_snap(driver):
    driver.save_screenshot('snap.png')    # 保存整个屏幕图片
    snap_obj=Image.open('snap.png')   # 获取图片对象
    return snap_obj

# 从整个屏幕的图片中获取验证图片
def get_image(driver):
    img=driver.find_element_by_class_name('geetest_canvas_img')
    time.sleep(2)   # 等待图片加载完毕
    size=img.size
    location=img.location

    left=location['x']   # 图片左上坐标
    top=location['y']
    right=left+size['width']    # 图片右下坐标
    bottom=top+size['height']

    snap_obj=get_snap(driver)
    image_obj=snap_obj.crop((left,top,right,bottom))  # 从全屏图中根据验证码图片坐标抠出验证图片
    # image_obj.show()    # 显示验证图片
    return image_obj

# 获取需要移动的距离
def get_distance(image1,image2):
    start_x=58    # 起始位置，缺口位置从滑块右边界开始查找，找到后x就是需要移动的距离
    threhold=60    # 防止干扰像素差，只有两张图片的像素差大于60才判断为
    # print(image1.size)
    # print(image2.size)
    for x in range(start_x,image1.size[0]):
        for y in range(image1.size[1]):
            rgb1=image1.load()[x,y]    # 获取图片的（x，y）处的RGB
            rgb2=image2.load()[x,y]
            res1=abs(rgb1[0]-rgb2[0])   # R，两张图片对比求出R的差值
            res2=abs(rgb1[1]-rgb2[1])   # G，两张图片对比求出G的差值
            res3=abs(rgb1[2]-rgb2[2])   # B，两张图片对比求出B的差值
            if not (res1 < threhold and res2 < threhold and res3 < threhold):
                return x-7   # 找到的x就是需要移动的距离，但是有一点误差，减7缩小误差

# 获取已移动距离，要模拟人的行为：先加速移动，再减速移动；移过了，向左移；移好之前快速抖动
def get_tracks(distance):
    distance += 20
    #v=v0+a*t
    #s=v*t+0.5*a*(t**2)

    v0=0
    s=0
    t=0.2
    mid=distance*3/5   # 设置加速减速的边界
    forward_tracks=[]

    while s < distance:
        if s < mid:
            a = 2
        else:
            a = -3

        v=v0
        track=v*t+0.5*a*(t**2)
        track=round(track)     # 四舍五入取整
        v0=v+a*t
        s+=track
        forward_tracks.append(track)
    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 = webdriver.Chrome()
    driver.get('https://passport.cnblogs.com/user/signin')
    driver.implicitly_wait(3)

    # 1、输入账号、密码，然后点击登陆
    input_user=driver.find_element_by_id('input1')
    input_pwd=driver.find_element_by_id('input2')
    login_button=driver.find_element_by_id('signin')

    input_user.send_keys('wall-a')
    input_pwd.send_keys('lg19950726..')
    login_button.click()

    # 2、点击按钮，弹出没有缺口的图
    button=driver.find_element_by_class_name('geetest_radar_tip')
    button.click()

    # 3、针对没有缺口的图片进行截图
    image1=get_image(driver)

    # 4、点击滑动按钮，弹出有缺口的图
    slider_button=driver.find_element_by_class_name('geetest_slider_button')
    slider_button.click()

    #5、针对有缺口的图片进行截图
    image2=get_image(driver)

    # 6、对比两张图片，找出缺口，即滑动的位移
    distance=get_distance(image1,image2)
    # print(distance)

    # 7、按照人的行为行为习惯，把总位移切成一段段小的位移
    traks_dic=get_tracks(distance)

    # 8、按照位移移动
    slider_button=driver.find_element_by_class_name('geetest_slider_button')
    ActionChains(driver).click_and_hold(slider_button).perform()  # 可以sleep几秒，更真实
    # 先向前移动
    forward_tracks=traks_dic["forward_tracks"]
    back_tracks=traks_dic["back_tracks"]
    for forward_track in forward_tracks:
        ActionChains(driver).move_by_offset(xoffset=forward_track,yoffset=0).perform()

    # 短暂停顿，移过了
    time.sleep(0.2)

    # 先向后移动
    for back_track in back_tracks:
        ActionChains(driver).move_by_offset(xoffset=back_track,yoffset=0).perform()

    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(10)
finally:
    driver.close()