反爬必修课之----(3)极验滑动验证码识别反爬必修课之----(3)极验滑动验

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：

文章图片

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 timeBORDER = 6class 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 huadongdef 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：

文章图片

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 screenshotdef 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：

文章图片

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)

文章图片
不带缺口的背景图

文章图片
带缺口和阴影的背景图

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：

文章图片
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()

【反爬必修课之----(3)极验滑动验证码识别】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。