验证码识别成为了对抗反爬虫的必修课之一，看了崔庆才著的《python3网络爬虫开发实战》后受益匪浅，本专题将着重学习记录不同的验证码识别方式：图像验证码、宫格验证码、极验滑动验证码、点触验证码。
[2019.3.6更新] 测试了下发现以下的版本识别率比较低，稍微改动了下代码。
放到了GitHub上
极验滑动验证码识别
先看看效果：
-
识别思路：
- 模拟点击切换为滑动验证、并显示验证界面。
- 识别滑动缺口的位置，计算位移
- 模拟拖动滑块
- 若认证失败，重复调用
详细过程及代码如下：
-
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):
'''
打开网页
:return None
'''
self.browser.get(self.url)
def close(self):
'''
关闭网页
:return None
'''
self.browser.close()
self.browser.quit()
定义了一个 CrackGeetest 类，初始化selenium对象和一些参数配置，网址是极验的验证码测试页面。
-
模拟点击
首先模拟点击切换为滑动验证，然后模拟点击弹出验证图片。
def change_to_slide(self):
'''
切换为滑动认证
:return 滑动选项对象
'''
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):
'''
获取初始认证按钮
:return 按钮对象
'''
button = self.wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR,'.geetest_radar_tip'))
)
return button
该步骤定义了两个方法，均利用显示等待的方法实现。并返回按钮对象，后用click()方法模拟点击。
效果如下：
-
获取背景图
首先等待验证码加载完成(wait_pic)，获取网页截图(get_screenshot)，然后获取验证背景图所在的位置及大小参数(get_position)和滑块对象(get_slider)。
def wait_pic(self):
'''
等待验证图片加载完成
:return None
'''
self.wait.until(
EC.presence_of_element_located((By.CSS_SELECTOR,'.geetest_popup_wrap'))
)
def get_screenshot(self):
"""
获取网页截图
:return: 截图对象
"""
screenshot = self.browser.get_screenshot_as_png()
screenshot = Image.open(BytesIO(screenshot))
return screenshot
def get_position(self):
'''
获取验证码位置
:return: 位置元组
'''
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):
'''
获取滑块
:return: 滑块对象
'''
slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'geetest_slider_button')))
return slider
再通过上述返回的背景图位置和大小参数，对网页截图进行切片(get_geetest_image)，最后获取背景图。
def get_geetest_image(self,name='captcha.png'):
'''
获取验证码图片
:return: 图片对象
'''
top, bottom, left, right = self.get_position()
print('验证码位置',top, bottom, left, right)
screenshot = self.get_screenshot()
captcha = screenshot.crop((left, top, right, bottom))
captcha.save(name)
return captcha
到这里，已经获取了带缺口的背景图，那怎么样才可以获取不带缺口滑块的原图呢？
网上提供的方法中，我筛选出了两种实测可行的方法，一种是通过改变CSS样式获得原图，另一种是将源码返回的乱序图还原，这里着重介绍第一种，另一种在日后的文章中将补充。
在《python3网络爬虫开发实战》中，由于写书的时间距今有一段时间，所以极验的验证码也存在更新，截至到今天（2018-11-30）无法直接先获取无缺口的原图，在通过点击获得带缺口背景图了。观察一下验证码页面的源代码，可以发现：
将该canvas标签的style删除之后，滑块和阴影果然不见了，这样我们只需要通过js操作css样式属性，便可以继续分析了。这里用到了execute_script()方法，基本上Selenium API没有提供的功能都可以通过它执行JavaScript的方式来实现。不得不说这个功能还是挺好用的，可以类比Splash执行Lua脚本。
执行js脚本之后(delete_style)获得了无缺口的原图，再调用之前的截图方法，就可以获取同大小的背景图了。
def delete_style(self):
'''
执行js脚本，获取无滑块图
:return None
'''
js = 'document.querySelectorAll("canvas")[2].style=""'
self.browser.execute_script(js)
-
识别缺口
我们得到了两张图，接下来就要对比他们来获取缺口位置。
遍历图片的每个坐标点，获取两张图片的RGB数据，若差距在一定范围内，则认为两个像素相同，继续往下比对。若超过一定范围，则代表像素点不同，当且位置即为缺口位置。 is_pixel_equal()中定义了一个阈值范围threshold，为60，原因是缺口图中不仅有缺口部分的像素不同，其中还设置了一个干扰阴影块，和缺口大小类似，所以我们需要将范围适当提高。
def is_pixel_equal(self, img1, img2, x, y):
'''
判断两个像素是否相同
:param img1: 不带缺口图片
:param img2: 带缺口图
:param x: 位置x
:param y: 位置y
:return: 像素是否相同
'''
# 取两个图片的像素点
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()方法遍历两张图片的每个像素，再利用is_pixel_equal()方法判断两张图片同一位置的像素。get_gap()中，left为起始横坐标，即是从滑块的右边开始寻找缺口位置。
def get_gap(self, img1, img2):
'''
获取缺口偏移量
:param img1: 不带缺口图片
:param img2: 带缺口图
: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
-
模拟拖动。
上面我们获得了滑块的位置，现在只需要计算距离并且模拟拖动即可。
不难想到，将滑块匀速运动或者直接闪到缺口位置是肯定不行的，我们要尽量模拟人手拖动鼠标的情况。所以我在崔大给的方案的基础上做了一点改进。
大致过程：
首先加速拖动滑块，当快接近缺口时，开始减速拖动，超过缺口一点距离后再往回拖拽对齐，由于人手可能不能对得非常整齐，所以我设置了1到2个像素的误差，并且再最后加入了3个像素距离的左右滑动来模拟释放鼠标时的抖动情况。
效果如下：
利用中学时期的物理公式，即可构造轨迹移动算法。
x = v0*t + 1/2*a*t^2
v = v0 + a*t
def get_track(self, distance):
'''
根据偏移量获取移动轨迹
:param distance: 偏移量
:return: 移动轨迹
'''
#移动轨迹
track = []
#当前位移
current = 0
#减速阈值
mid = distance * 3 / 5
#计算间隔
t = 0.2
#初速度
v = 0
#滑超过过一段距离
distance += 14
while current < distance:
if current < mid:
#加速度为正
a = 2
else:
#加速度为负
a = -1.5
#初速度 v0
v0 = v
#当前速度 v
v = v0 + a * t
#移动距离 move-->x
move = v0 * t + 1 / 2 * a * t * t
#当前位移
current += move
#加入轨迹
track.append(round(move))
return track
前3/5路程加速，后面减速，track返回的是一个列表，其中每个元素代表的是每次移动的距离。然后模拟释放鼠标时的人手抖动(shake_mouse)。
最后根据之前所得到的运动轨迹拖动滑块(move_to_gap)即可。
def shake_mouse(self):
'''
模拟人手释放鼠标时的抖动
: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):
'''
拖动滑块到缺口处
:param slider: 滑块
:param tracks: 轨迹
: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()
#模拟抖动
self.shake_mouse()
time.sleep(0.5)
ActionChains(self.browser).release().perform()
其整个控制流程，如下：
执行主体流程，若验证失败， 则再次调用crack()进行识别，直至成功。
def crack(self):
try:
#打开网页
self.open()
#转换验证方式，点击认证按钮
s_button = self.change_to_slide()
s_button.click()
g_button = self.get_geetest_button()
g_button.click()
#确认图片加载完成
self.wait_pic()
#获取滑块
slider = self.get_slider()
#获取带缺口的验证码图片
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'),'验证成功')
)
print(success)
time.sleep(5)
self.close()
except:
print('Failed-Retry')
self.crack()
if __name__ == '__main__':
crack = CrackGeetest()
crack.crack()
至此，极验滑动验证码识别——网页截图对比方法已经记录完毕。
-
关键字总结
- webdriver():
support.expected_conditions as EC
support.wait.WebDriverWait
ActionChains
common.by.By - BytesIO
- 代码风格
- 验证码分析思路
