极验验证码破解之selenium
这一篇写完很久了，因为识别率一直很低，没办法拿出来见大家，所以一直隐藏着，今天终于可以拿出来见见阳光了。
哈喽，大家好，我是星星在线，我又来了，今天给大家带来的是极验验证码的selenium破解之法，是不是有点小激动呢，小伙伴们等不了了，让我们赶紧直入主题吧。
虎嗅网注册
这次我们是拿虎嗅开刀，注册账号的时候需要滑动图片到缺口位置，这种验证码我们现在也经常遇到，这个就不用详细介绍了吧
针对这种验证码我们首先确定了使用selenium模拟滑动破解方式，selenium鼠标移动点击拖动都比较简单，那么问题就在于拖动多少距离，眼睛看起来很直观，但是程序怎么获取呢？利用图像识别......，额，这个只能想想了吧。不如看看网页源码或者请求信息，看看有没有有效的信息。
查看网页信息
鼠标右键点击到图片上，查看元素
这一瞬间的图片，还好我二十几年的麒麟臂没白练，我们看看元素查看到的都是什么东西
这看起来有点奇怪哦，有个图片链接，还有位置信息，而且还那么多，先把图片链接拷贝到浏览器里访问下看看
WF，这是什么鬼？注意到那个像猪尾巴一样的6了吗？还有那个小箭头，跟上面完整图片对比一下，发现把箭头挪动到小6旁边，猪尾巴就成功了。当然你仔细观察的话，还有其他的比如文字也是类似。那么我们可以确认这张图片应该是被打乱的，如果我们可以把它拼起来，是不是就离计算缺口位置比较近了。现在我们应该要注意到元素查看里后面的位置信息了，那么多，看起来应该跟这个打乱顺序有点关系吧。我们来确认一下。我的想法是这样子的，既然这个位置和拼图有关，而且再看我们上面麒麟臂截的图，我再标记一下
我们点击查看元素的时候，浏览器会帮我们突出显示一下，本来我是在图片上点击查看的，按照我的想法，它不是应该整张图片突出显示一下吗？看起来好像不是这么回事，只有那么一小部分，而且上面还有元素信息，宽高类名，再回去看看图3，位置坐标里，前面应该是x轴，后面是y轴，y轴只有58和0，再根据图2一看，图片分为上下两部分，再数一下div的数量，26块，每一块宽10x高58。按照这个来算的话，那么整个图片的宽就是260，高116，用截图工具去拉一下图片的宽高，基本吻合
接下来就是确定怎么拼了。这里很抱歉的告诉大家，猪没了，等我写到这里再去查看网页的时候，图片已经刷新了。所以接下来的截图可能不一样，在这里提前跟大家说明一下。反正就是找特征点嘛，每个图片应该都有的。先随便找一个特征点，查看元素，看它定位到那个div元素那里，然后再看看后面的位置。基本就是这样，所以我们找图片既然和位置有关，那么我们最好选一些位置明显的地方，比如中间，或者两边。
这个差不多算中间位置了吧，查那么一点点无所谓了
我去，这......跟我想的不太一样呀，再找两张看看，代表性及其强烈的
为了防止有人说我水字数，另外两个角就不截图了。到这一步可能有人纳闷了，为啥？你刚才说图片宽度260，为什么坐标里出现了289这样的坐标，这不就是超标了吗？一开始我也有这样的疑惑，可能我们看到图片比实际的小，也许人家在图片外面还留了边框呢，我一开始是这么想的。但是这个坐标是前面url里面的图片坐标，然后我就去看了一下图4
这个图片尽然比较大，坐标问题有答案了，但是这个跟260有什么关系呢？打乱的图片比较大，拼好的小，那它是怎么拼的呢？幸好我们看到了一个比较有用信息
看到这个-1px了吗？它成功引起了我的注意，因为按照我的想法，如果是从拼图里拿出一部分拼成一个完成图片的话，那么最左边拿出来的图片，应该是从(0,0)，(0,58)，但是我们看到的是(1,0)，(1,58)，y值还是比较符合我们的预期的，第一部分从0开始，高58，第二部分从58开始。但是x值有点问题，按照1作为起点，那第二个应该是11，因为宽度是10，这是确定的，我们找找看
是13，难道每一小块前面都多余了1个像素？按照这种的话也应该是12呀，按照这种方式我们继续找一找剩下的，通过分析我们发现每个小块+12作为下一个小块的起点。这样的话左右各去掉一个像素，宽度不就是10了吗？而且每个小块是12，26个是312，跟我们看到的拼图大小差不多，说明我们分析的是正确的。按照元素里提供的坐标，取宽度为10的大小即可。接下来分析一下这些坐标的意义。
坐标分析
分析一下我们图9到图12的截图，首先说图9，我本来觉得它x、y应该是0，就算不是0，也应该是各位数字吧，结果的y是58，这个算到下半截图片区域了，x是157，跑中场去了。图11呢，你的x应该在300左右，y应该100以上吧，结果y是0，到上半段，x是205，在中场偏后，离守门员还远呢。这是怎么肥事？不过我们发现了，图9在元素里是第一个，图11在元素里是最后一个，再结合坐标前面的y值全是58，后面的y值全是0，符合我们上半段下半段颠倒的想法了，然后你再分别查看图9右边/图11左边的元素就会发现，和元素里面div的顺序一样。到这里就差不多了。
总结一下：最终的图片就是把拼图，即图4，按照x=157、y=58、w=10、h=58截取出来，放在上半部分第一个位置，x=145、y=58、w=10、h=58截取出来放在上半部分第二个位置，紧挨着第一个，以此类推，拼成一张整图。
这个就是我拼出来的，恩，很好，很不错嘛小伙子。不过好像哪里不对，缺口嘞。仔细看看网页元素
原来一个是fullbg，一个是cutbg，这个名字就很有寓意嘛，那就好了，再把cutbg拼一下看看
这回就对上了。现在的问题就变成怎么计算缺口位置了
缺口位置
我觉得可能会有计算两张图片不同位置的方式吧，度娘来一发，然后获取了python实战===用python对比两张图片的不同，然后发现了ImageChops.difference这个接口，结果你们知道的，不准确，为啥捏？仔细看拼好的两张图，除了缺口还有其他地方不一样呀。看到图16缺口后面那个阴影没，让我的心里蒙上了一层阴影，再观察其他的图片，基本都有类似的，这可怎么办？这在后面还好说，如果是在前面呢，那不就计算到阴影里去了嘛。如果这个对比有一个容差就好了，我以前用按键精灵的时候好像就有这种嘛，这个好不智能呀。既然它是对比像素，我直接取像素对比一下不就得了，而且我还不给它用==，给它一个范围，如果色差在这个范围内就算一样了，这样不就有容差了吗？这个缺口一般都非常明显，而阴影跟背景又很模糊，应该是可行的。思路就是获取图片的宽高，然后一个像素一个像素的遍历对比。
色差
这个色差怎么确定？一种方式就是调试，这种是比较麻烦的，还有一种方式就是获取多张图片，全图和缺陷图，然后使用取色工具，取对应位置的颜色值，确定一个大概范围。距离确定了，下面就是移动了
selenium模拟移动
selenium的模拟操作网上介绍很多，这里我们只要确认需要哪些接口就行了。
ActionChains方法：
- move_to_element(to_element) - 鼠标移动到某个元素
- click_and_hold(on_element =None) - 点击鼠标左键，不松开
- move_by_offset(xoffset，yoffset) - 鼠标从当前位置移动到某个坐标
- release(on_element = None) - 在某个元素位置松开鼠标左键
- perform() - 执行操作，记住这个很重要，调用上面的方法后，一定要执行perform才能真正执行
selenium的操作我就不详细描述了，这里用到的都是比较简单的用法。
原理分析就完了，这一次必须要贴代码了，否则可能很多人完成不了，也有利于大家的理解。
# -*- coding: utf-8 -*-
import random
import time, re
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.action_chains import ActionChains
from PIL import Image
import requests
from io import BytesIO
class HuXiu(object):
def __init__(self):
chrome_option = webdriver.ChromeOptions()
# chrome_option.set_headless()
self.driver = webdriver.Chrome(executable_path=r"/usr1/webdrivers/chromedriver", chrome_options=chrome_option)
self.driver.set_window_size(1440, 900)
def visit_index(self):
self.driver.get("https://www.huxiu.com/")
WebDriverWait(self.driver, 10, 0.5).until(EC.element_to_be_clickable((By.XPATH, '//*[@class="js-register"]')))
reg_element = self.driver.find_element_by_xpath('//*[@class="js-register"]')
reg_element.click()
WebDriverWait(self.driver, 10, 0.5).until(EC.element_to_be_clickable((By.XPATH, '//div[@class="gt_slider_knob gt_show"]')))
# 进入模拟拖动流程
self.analog_drag()
def analog_drag(self):
#鼠标移动到拖动按钮，显示出拖动图片
element = self.driver.find_element_by_xpath('//div[@class="gt_slider_knob gt_show"]')
ActionChains(self.driver).move_to_element(element).perform()
time.sleep(3)
# 刷新一下极验图片
element = self.driver.find_element_by_xpath('//a[@class="gt_refresh_button"]')
element.click()
time.sleep(1)
# 获取图片地址和位置坐标列表
cut_image_url, cut_location = self.get_image_url('//div[@class="gt_cut_bg_slice"]')
full_image_url, full_location = self.get_image_url('//div[@class="gt_cut_fullbg_slice"]')
# 根据坐标拼接图片
cut_image = self.mosaic_image(cut_image_url, cut_location)
full_image = self.mosaic_image(full_image_url, full_location)
# 保存图片方便查看
cut_image.save("cut.jpg")
full_image.save("full.jpg")
# 根据两个图片计算距离
distance = self.get_offset_distance(cut_image, full_image)
# 开始移动
self.start_move(distance)
# 如果出现error
try:
WebDriverWait(self.driver, 5, 0.5).until(EC.element_to_be_clickable((By.XPATH, '//div[@class="gt_ajax_tip gt_error"]')))
print("验证失败")
return
except TimeoutException as e:
pass
# 判断是否验证成功
try:
WebDriverWait(self.driver, 10, 0.5).until(EC.element_to_be_clickable((By.XPATH, '//div[@class="gt_ajax_tip gt_success"]')))
except TimeoutException:
print("again times")
time.sleep(5)
# 失败后递归执行拖动
self.analog_drag()
else:
# 成功后输入手机号，发送验证码
self.register()
# 获取图片和位置列表
def get_image_url(self, xpath):
link = re.compile('background-image: url\("(.*?)"\); background-position: (.*?)px (.*?)px;')
elements = self.driver.find_elements_by_xpath(xpath)
image_url = None
location = list()
for element in elements:
style = element.get_attribute("style")
groups = link.search(style)
url = groups[1]
x_pos = groups[2]
y_pos = groups[3]
location.append((int(x_pos), int(y_pos)))
image_url = url
return image_url, location
# 拼接图片
def mosaic_image(self, image_url, location):
resq = requests.get(image_url)
file = BytesIO(resq.content)
img = Image.open(file)
image_upper_lst = []
image_down_lst = []
for pos in location:
if pos[1] == 0:
# y值==0的图片属于上半部分，高度58
image_upper_lst.append(img.crop((abs(pos[0]), 0, abs(pos[0]) + 10, 58)))
else:
# y值==58的图片属于下半部分
image_down_lst.append(img.crop((abs(pos[0]), 58, abs(pos[0]) + 10, img.height)))
x_offset = 0
# 创建一张画布，x_offset主要为新画布使用
new_img = Image.new("RGB", (260, img.height))
for img in image_upper_lst:
new_img.paste(img, (x_offset, 58))
x_offset += img.width
x_offset = 0
for img in image_down_lst:
new_img.paste(img, (x_offset, 0))
x_offset += img.width
return new_img
# 判断颜色是否相近
def is_similar_color(self, x_pixel, y_pixel):
for i, pixel in enumerate(x_pixel):
if abs(y_pixel[i] - pixel) > 50:
return False
return True
# 计算距离
def get_offset_distance(self, cut_image, full_image):
for x in range(cut_image.width):
for y in range(cut_image.height):
cpx = cut_image.getpixel((x, y))
fpx = full_image.getpixel((x, y))
if not self.is_similar_color(cpx, fpx):
img = cut_image.crop((x, y, x + 50, y + 40))
# 保存一下计算出来位置图片，看看是不是缺口部分
img.save("1.jpg")
return x
# 开始移动
def start_move(self, distance):
element = self.driver.find_element_by_xpath('//div[@class="gt_slider_knob gt_show"]')
# 这里就是根据移动进行调试，计算出来的位置不是百分百正确的，加上一点偏移
distance -= element.size.get('width') / 2
distance += 15
# 按下鼠标左键
ActionChains(self.driver).click_and_hold(element).perform()
time.sleep(0.5)
while distance > 0:
if distance > 10:
# 如果距离大于10，就让他移动快一点
span = random.randint(5, 8)
else:
# 快到缺口了，就移动慢一点
span = random.randint(2, 3)
ActionChains(self.driver).move_by_offset(span, 0).perform()
distance -= span
time.sleep(random.randint(10,50)/100)
ActionChains(self.driver).move_by_offset(distance, 1).perform()
ActionChains(self.driver).release(on_element=element).perform()
def register(self):
element = self.driver.find_element_by_xpath('//input[@id="sms_username"]')
element.clear()
element.send_keys("手机号")
ele_captcha = self.driver.find_element_by_xpath('//span[@class="js-btn-captcha btn-captcha"]')
ele_captcha.click()
if __name__ == "__main__":
h = HuXiu()
h.visit_index()
这个移动move_by_offset，我之前的y值也是随机的[-5,5]，我觉得这个模拟会更真实一点，总会上下抖动的嘛，结果就是因为这个考虑的太人性了，识别率非常低，改了好多范围，更大的、更小的，结果最后不偏移，竟然识别率奇高。TMD考虑的太人性化了竟然识别不了，我也是醉了。最后再把执行效果发一下吧
如果你觉得我的文章还可以，可以关注我的微信公众号：Python爬虫实战之路
也可以扫描下面二维码，添加我的微信号
