爬虫， 滑块验证码

最新推荐文章于 2024-10-15 14:16:28 发布
最新推荐文章于 2024-10-15 14:16:28 发布
阅读量2.1k 收藏 20
点赞数 1
文章标签： Selenium OpenCV 滑块验证码 边缘识别 模拟滑动
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZY_qili/article/details/127364123
版权

简单说明一下：

测试网址： https://accounts.douban.com/passport/login (豆瓣登陆页)
类型： 滑块验证码
基本思路： 下载图片到本地 => 使用CV获取边缘值并计算距离 => 模拟用户拖动

目录

一、模拟点击

1.点击至验证页

首先测试环境：
import requests
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.action_chains import ActionChains
from get_pic_distance import get_distance
import time

path = r"D:\python310\chromedriver.exe"
browser = webdriver.Chrome(path)
browser.get('https://accounts.douban.com/passport/login')

首先分析首页：
在这里插入图片描述
可得步骤：
①选择密码登陆 => ②输入账号 => ③输入密码 => ④ 点击登陆
分别找到对应控件的id(或name或xpath)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
即：

browser.find_element(By.CLASS_NAME, 'account-tab-account').click()
 # 登陆用户名和密码
browser.find_element(By.ID, 'username').send_keys('1111111111')
browser.find_element(By.ID, 'password').send_keys('1111111111')
# 点击登陆
browser.find_element(By.CLASS_NAME, 'btn.btn-account.btn-active').click()

2.保存图片

图片这里直接找url是找不到的，因为有一个iframe，需要先进到iframe中，再查找图片的url.
在这里插入图片描述
在这里插入图片描述

# 找到内嵌的iframe 并进入
iframe = browser.find_element(By.ID, 'tcaptcha_iframe_dy')
browser.switch_to.frame(iframe)
url = browser.find_element(By.ID, 'slideBg').get_attribute("style")
# 正则提取链接
url = 'https://t.captcha.qq.com'+re.findall('url\("(.*?)"\);', url, re.S)[0]
# 下载图片到本地
with open('verify.jpg', 'wb') as f:
    f.write(requests.get(url).content)

这样就获取到了图片
在这里插入图片描述

二、CV识别缺口

1. 边缘识别

提取边缘值：① 高斯滤波降噪 ② 图像二值化 ③ 提取边缘值

# 高斯滤波
blurred = cv.GaussianBlur(image, (5, 5), 0)
# 图像二值化
canny = cv.Canny(blurred, 200, 400)
# 提取边缘轮廓  参数说明 分别为: 二值图像, 只检测最外围轮廓, 仅保存轮廓的拐点信息
contours, hierarchy = cv.findContours(canny, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

二值化效果图：
在这里插入图片描述

2.计算距离

这个要复杂些，主要是判断边缘值的形状和方向(moments)
然后根据这些信息对边缘图像进行筛选(一般是根据图像的周长和面积来筛选)(可能有其他边缘值干扰)
最后选择图像的最小外接矩形的最小X值来作为距离
即：

    for i, contour in enumerate(contours):
        M = cv.moments(contour)  # 计算边缘值的形状和方向  主要是判断方向
        print(M)
        if M['m00'] == 0:
            cx = 0
        else:
            cx, cy = M['m10'] / M['m00'], M['m01'] / M['m00']
        print()
        # 面积在5000-70000之间 且 周长在 300-390  依次来筛选在指定范围大小的矩形
        if 5000 < cv.contourArea(contour) < 7000 and 300 < cv.arcLength(contour, True) < 390:  # 计算轮廓的面积
            if cx < 240:
                continue
            x, y, w, h = cv.boundingRect(contour)  # 最小外接矩形
            # cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)  显示外接矩形
            return x
    return 0

矩形效果图：
在这里插入图片描述
返回结果：250

三、模拟用户拖动

1. 距离分散

对于稍微严格点的网页验证，会识别用户滑动的轨迹，这时就需要模拟用户的滑动轨迹(代码从网上参考，来源忘了，这里直接贴代码了)

def get_track(distance):
    track = []
    current = 0
    mid = distance * 3 / 4
    t = 0.2
    v = 0
    while current < distance:
        if current < mid:
            a = 2
        else:
            a = -3
        v0 = v
        v = v0 + a * t
        move = v0 * t + 1 / 2 * a * t * t
        current += move
        track.append(round(move))
    return track

运算结果：[0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 4, 4, 4, 4, 4]

2. 拖动

最后就是滑动滑块了，先找到滑块的位置：
先获取滑块属性，再定义滑块

btn = browser.find_element(By.CLASS_NAME, 'tc-fg-item.tc-slider-normal')  # 获取滑块
ActionChains(browser).click_and_hold(btn).perform()  # 定义滑动  调用函数缓慢滑动滑块

按照生成的距离列表，滑动滑块：

for x in get_track(dis):
    ActionChains(browser).move_by_offset(xoffset=x, yoffset=0).perform()
# 释放滑块
ActionChains(browser).release().perform()

最后补充一点:
这个方式不能应对所有的滑块情况，所以如果识别距离为0，这个时候要刷新图片，方法如法炮制，点击刷新即可。

最终代码：

import re
import requests
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.action_chains import ActionChains
from get_pic_distance import get_distance
import time

path = r"D:\python310\chromedriver.exe"
browser = webdriver.Chrome(path)
browser.get('https://accounts.douban.com/passport/login')


def get_track(distance):
    track = []
    current = 0
    mid = distance * 3 / 4
    t = 0.2
    v = 0
    while current < distance:
        if current < mid:
            a = 2
        else:
            a = -3
        v0 = v
        v = v0 + a * t
        move = v0 * t + 1 / 2 * a * t * t
        current += move
        track.append(round(move))
    return track


# 滑块验证
def move_verify():
    error_num = 0
    dis = 0
    while error_num <= 3:  # 有一种形状的拼图暂获取不到 如果遇到则刷新
        print('下载图片...')
        # browser.switch_to.default_content()
        iframe = browser.find_element(By.ID, 'tcaptcha_iframe_dy')  # 找到“嵌套”的iframe
        browser.switch_to.frame(iframe)
        url = browser.find_element(By.ID, 'slideBg').get_attribute("style")
        # 正则提取链接
        url = 'https://t.captcha.qq.com'+re.findall('url\("(.*?)"\);', url, re.S)[0]
        # 下载图片到本地
        with open('verify.jpg', 'wb') as f:
            f.write(requests.get(url).content)
        print('开始计算距离...')
        dis = get_distance('verify.jpg')  # 如果返回为空  则需要重新获取图片
        if dis != 0:
            print(dis)
            dis = round(dis * 341 / 680, 2) - 27.5 - 12  # -12微调
            print(f'实际距离:{dis}')
            break
        else:
            print('返回了0')
            browser.find_element(By.ID, 'reload').click()  # 未识别到距离  则重新获取验证
            error_num += 1
    btn = browser.find_element(By.CLASS_NAME, 'tc-fg-item.tc-slider-normal')  # 获取滑块
    ActionChains(browser).click_and_hold(btn).perform()  # 定义滑动  调用函数缓慢滑动滑块
    for x in get_track(dis):
        ActionChains(browser).move_by_offset(xoffset=x, yoffset=0).perform()

    ActionChains(browser).release().perform()
    print('结束')
    time.sleep(600)


if __name__ == '__main__':
    # 切换为密码登陆
    # account-tab-account
    browser.find_element(By.CLASS_NAME, 'account-tab-account').click()
    # 登陆用户名和密码
    browser.find_element(By.ID, 'username').send_keys('1111111111')
    browser.find_element(By.ID, 'password').send_keys('1111111111')
    time.sleep(3)
    # 点击登陆
    browser.find_element(By.CLASS_NAME, 'btn.btn-account.btn-active').click()
    time.sleep(2)
    # time.sleep(2)
    move_verify()

最终效果展示：
请添加图片描述

开荒的猪
关注
爬虫技术-滑块验证码
shifengboy的博客
09-09 4233
滑块验证码 1. 滑块简介 注：重点是识别滑块缺口，测出需要拖动的距离 1.1 核心步骤 从服务器随机取一张图片，并对图片上的随机x,y坐标和宽高一块区域抠图； 根据步骤一的坐标和宽高，使用二维数组保存原图上抠图区域的像素点坐标； 根据步骤二的坐标点，对原图的抠图区域的颜色进行处理。 完成以上步骤之后得到两张图(扣下来的方块图，带有抠图区域阴影的原图),将这两张图和抠图区域的y...
Python（爬虫篇）--- 验证码破解【二】滑块验证码
Zachary579的博客
11-30 2550
文章目录解决滑块验证码思路：案例：豆瓣登录使用的技术：代码实现：更好的方式(常用) 解决滑块验证码思路： 找到滑块，按住鼠标 拖动滑块到指定位置 释放鼠标 案例：豆瓣登录 使用的技术： （1）selenium+Chrome 浏览器完成自动登录 （2）使用 ActionChains 控制鼠标操作（鼠标按住—鼠标拖动—鼠标释放） （3）使用物理知识（加速度）模拟人的拖动轨迹（先加速后减速） 代码实现： 步骤一：进入首页，点击密码登录 代码： from selenium import webdriver
selenium的滑块验证码的模拟登录（猪八戒网站）
qq_62870237的博客
04-15 2556
一、登录网址跳转到滑块验证码界面 先拿到这个标签，在跳转到滑块验证码界面。 from selenium import webdriver driver=webdriver.Chrome() driver.implicitly_wait(10) #登录网址 driver.get('https://account.zbj.com/login') driver.maximize_window() #点击验证 driver.find_element_by_xpath('//*[@id="utopia_
终于搞定selenium图片滑块验证码了！！
2301_80119579的博客
09-28 1107
因为种种原因没能实现愿景的目标，在这里记录一下中间结果，也算是一个收场吧。这篇文章主要是用selenium解决滑块验证码的个别案列。
PythonSelenium网络爬虫工具解决滑块验证码
08-10
Python Selenium 网络爬虫工具，解决滑块验证码
学了那么久Python还什么都做不了，我觉得你该试试这个方法了
热门推荐
龙叔的博客
11-08 1万+
答应我，别再做无用功了
网络爬虫-tx滑块验证码
qq_39802740的博客
11-02 7657
滑块验证码
滑块识别验证
我的博客
02-10 5095
测试网站：https://www.geetest.com/adaptive-captcha-demo。
爬虫滑块验证码如何解决
06-08
爬虫滑块验证码可以通过以下几种方式进行解决： 1. 手动模拟滑块操作：可以通过Selenium等工具模拟人类的滑动操作，自动完成验证码验证。 2. 地理位置模拟：通过模拟不同地理位置的访问，可以避免被识别为爬虫，...
Python 爬虫模拟登陆，破解滑块验证码_pyautogui 阿里滑块
m0_63102527的博客
04-27 865
print(“账户名密码不匹配!”, result)# pyautogui库操作鼠标指针。# 获取模块的url路径。print(“异常!# 从网页上获取组件。
OpenCV搞定腾讯滑块验证码的实现代码
09-19
### OpenCV搞定腾讯滑块验证码实现详解 #### 前言 随着网络安全意识的提高以及自动化工具的发展，网站为了防止恶意爬虫或机器人攻击，往往会采用各种形式的验证码技术。其中，滑块验证码因其较高的安全性与用户体验...
Python模拟登录之滑块验证码的破解(实例代码)
12-26
模拟登录之滑块验证码的破解，具体代码如下所示： # 图像处理标准库 from PIL import Image # web测试 from selenium import webdriver # 鼠标操作 from selenium.webdriver.common.action_chains import ...
Python爬虫实战系列12：阿里系淘宝滑块验证码通过技术解析！
Python_trys的博客
08-22 3053
本文通过大量搜索实现后得出结论经验，文章内容仅供学习交流。请自行学习代码实现以及chromedriver驱动修改。如果你是准备学习Python或者正在学习（想通过Python兼职），下面这些你应该能用得上：包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！
python爬虫登录校验之滑块验证、图形验证码（OCR）
最新发布
yuwinter的博客
10-15 1158
图形验证码：使用tesserocr结合预处理来识别简单的验证码；如果验证码复杂，可以使用机器学习。滑块验证：使用Selenium的模拟拖动操作，并生成人类模拟的轨迹避免被检测为机器操作。如果验证码或滑块验证过于复杂，可以考虑使用打码平台（如 Ruokuai、2Captcha）来自动识别验证码和滑块验证。
爬虫逆向——某建筑市场监管平台的滑块验证码分析
流夏_
05-11 1796
滑块验证码图像中两个灰度不同的相邻区域的交界处，必然存在灰度的快速过渡或称为跳变，它们与图像中各区域边缘的位置相对应，边缘蕴含了丰富的内在信息，如方向、阶跃性质、形状等，沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化剧烈。即最小的坐标x就是验证码接口中的 moveX参数。1、首先看验证码样式，可以看到是个滑块验证，包含一张带缺口的背景大图和一张用于拖动的小图，这类图片处理起来就比较简单。重点看一下响应预览，返回数据是一个列表，观察可知0、1元素分别是小图和大图的bs64编码，2、3元素用处下面会用到。
验证码可以说是爬虫中比较麻烦的技术了！今天教你搞定滑块验证码！
爬遍所有网站
05-12 2343
做爬虫总会遇到各种各样的反爬限制，反爬的第一道防线往往在登录就出现了，为了限制爬虫自动登录，各家使出了浑身解数，所谓道高一尺魔高一丈。 今天分享个如何简单处理滑动图片的验证码的案例。 类似这种拖动滑块移动到图片中缺口位置与之重合的登录验证在很多网站或者APP都比较常见，因为它对真实用户体验友好，容易识别。同时也能拦截掉大部分初级爬虫。 作为一只python爬虫，如何正确地自动完成这个验证过程呢？ 先来分析下，核心问题其实是要怎么样找到目标缺口的位置，一旦知道了位置，我们就可以借用selenium
爬虫技术中的滑块验证问题及解决方案
Jernnifer_mao的博客
05-28 1641
滑块验证作为一种有效的防止机器人程序自动化攻击的技术手段，给爬虫技术带来了不小的挑战。然而，随着网络安全性的提高，越来越多的网站开始采用滑块验证技术来防止机器人程序的自动化访问。这种方法可以绕过滑块验证的限制，但需要注意的是，由于Selenium操作的是真实的浏览器，因此性能上可能不如传统的爬虫方法。然而，由于滑动验证码的复杂性和变化性，识别技术的准确性和稳定性仍然是一个挑战。用户完成滑块验证后，爬虫再继续执行后续任务。传统的爬虫方法无法直接处理滑块验证，因为滑块验证通常需要用户进行实时的、复杂的操作。
作为一只Python爬虫：如何破解滑动验证码_python 图片滑动登录
2401_84140060的博客
04-26 807
OpenCV（Open Source Computer Vision Library）是开放源代码计算机视觉库，主要算法涉及图像处理、计算机视觉和机器学习相关方法，可用于开发实时的图像处理、计算机视觉以及模式识别程序。同时也能拦截掉大部分初级爬虫。先来分析下，核心问题其实是要怎么样找到目标缺口的位置，一旦知道了位置，我们就可以借用selenium等工具完成拖动的操作。接着用Canny边缘检测到得到一个包含“窄边界”的二值图像。首先将图片进行高斯模糊处理，高斯模糊的主要作用是减少图像的噪声，用于预处理阶段。
python-selenium模拟登陆(滑动验证码)
qq_41871957的博客
02-21 3035
python-selenium模拟登陆(滑动验证码) 普通滑动验证码验证 只需要我们将滑块拖动指定位置，处理起来比较简单。拖动之前需要先将滚动条滚动到指定元素位置,但是需要注意目标网站对selenium的反爬,如window.navigator.webdriver识别;滑块移动速度识别等; 带缺口(拼图)滑动验证码 这一类验证码可以使用两种方式识别: ①在目标网站带有完整背景图时,可以获取完整背景图与带缺口的图片进行比较,获取缺口的位置,计算距离,拖动滑块移动至缺口即可; ②尝试先用cv2的边缘检测识别出
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值