2021/7/3爬虫第三十二次课(反反爬措施二之突破行为验证，opencv)

一、图形验证码（实现上次的12306突破验证码）

12306图片验证码的实现
​
解决方案: selenium（鼠标行为链） + 打码平台
​
思路:
通过selenium来加载登录页面，获取验证码图片。我就可以把验证码图片交给超级鹰打码平台进行处理。让其给我返回这张验证码正确的坐标值。拿到正确的坐标值之后去点击图片
​
实现步骤
第一步 使用selenium加载登录页面
第二步 对页面进行保存（截屏，通过selenium）
第三步 截取12306图片验证码 (通过selenium)
第四步 交给超级鹰打码平台进行识别 返回正确的坐标值
第五步 根据正确的坐标值进行点击

补充：
from PIL import Image：可以保存图片，截取图片
重点源代码：

1.裁剪部分需要包含4个坐标的元组
# 进行对12306图片验证码的裁剪
# 1 定位图片
code_img_element = driver.find_element_by_class_name('imgCode')#img标签
# 2 获取图片的左上角坐标值
location = code_img_element.location # location返回值是个字典 左上角坐标值
# 3 获取图片的宽和高
size = code_img_element.size # size也是一个字典 图片的宽和高
# 4 获取左上角和右下角的坐标值(元组)
rangle = (int(location['x']),int(location['y']),int(location['x']+size['width']),int(location['y']+size['height']))
i = Image.open('code.png')
code_img_name = 'yzm.png'
frame = i.crop(rangle) # crop() 根据指定区域进行裁剪  PIL
frame.save(code_img_name)

2.
#解析result#219,94|81,78|159,16|241,131
all_lst = [] # 存储要被点击的坐标值 [[],[]]
if '|' in result:
    lst1 = result.split('|')
    count1 = len(lst1)
    for i in range(count1):
        xy_lst = []
        x = int(lst1[i].split(',')[0])
        y = int(lst1[i].split(',')[1])
        xy_lst.append(x)
        xy_lst.append(y)
        all_lst.append(xy_lst)
else:
    x = int(result.split(',')[0])
    y = int(result.split(',')[1])
    xy_lst = []
    xy_lst.append(x)
    xy_lst.append(y)
    all_lst.append(xy_lst)

二、​opencv简单使用(这里用了其美化照片功能)

简单介绍：

# opencv 图像处理框架
# 1 跨平台性(windows ios linux android...)
# 2 跨语言(Java C/C++ Python Ruby oc swift..)
# 3 支持功能丰富(opencv)
# 4 稳定、性能高(1999年-至今 intel)
# 5 BAT公司 做一些ai领域
# 6 安装 pip install opencv-python

opencv
https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_tutorials.html（参考文档）

import cv2
# 实现图片美颜效果
# 1 加载图片
image = cv2.imread('old_pic.jpg')
# 2 实现图片美颜效果value值越大美颜效果越明显 反之越小
value = 25
imgage_dst = cv2.bilateralFilter(image,value,value*2,value/2)

# 生成一张图片
cv2.imwrite('new_pic.jpg',imgage_dst)

# # 3 创建一个窗口
# cv2.namedWindow('image')
# # 4 展示窗口
# cv2.imshow('image',imgage_dst)
# # 5 窗口等待
# cv2.waitKey(0)#0或不填，则为一直等待
# # 6 销毁窗口
# cv2.destroyAllWindows()

三、行为验证

解决方案: selenium（鼠标行为链） + 算法
原理:完全模拟人的行为，按住滑块，拖动到目标缺口位置
​
思路:
我们将目标图片和目标缺口的距离分成2部分。前面一部分我们就刷的一下拖过去。后面一部分 我们可以先匀加速然后在匀减速
按住拖动按钮 拖动到目标缺口 松开
​
后面的一段速度代码需要用算法来实现

重要源代码：

1.算法部分
def get_tracks(distance):
    '''
    拿到移动轨迹，模仿人的行为，先匀速后减速
    匀加速运动公式：
    1 v=v0+at
    2 s=v0t+½at²
    '''
    # 初速度
    v = 0
    # 单位时间为0.3s来统计轨迹，轨迹即0.3s内的位移
    t = 0.3
    # 位置/轨迹列表，列表内的一个元素代表0.3s的位移
    tracks = [] # 保存的是匀加速和匀减速的距离
    # 当前的位移
    current = 0
    # 到达mid值开始减速
    mid = distance*4/5
    while current < distance:
        if current < mid:
            # 加速度越小,单位时间的位移越小，模拟的轨迹就越多越详细
            a = 2
        else:
            a = -3

        # 初速度
        v0 = v
        # 0.3秒内的位移
        s = v0*t+0.5*a*(t**2)
        # 当前的位置
        current += s
        # 添加轨迹到列表
        tracks.append(round(s))
        # 速度已达到v 该速度作为下次的初速度
        v = v0 + a*t
    return tracks

2.
#破解行为验证
# 安装开始滑动的按钮 先移动180个像素
start_btn = driver.find_element_by_xpath('//*[@id="tcaptcha_drag_button"]')
time.sleep(2)
ActionChains(driver).click_and_hold(on_element=start_btn).perform()

ActionChains(driver).move_to_element_with_offset(to_element=start_btn,xoffset=180,yoffset=0).perform()

# 调用工具函数来移动剩下的距离
tracks = get_tracks(28)
for track in tracks:
    # move_by_offset() 鼠标从当前的位置移动多少距离
    ActionChains(driver).move_by_offset(xoffset=track,yoffset=0).perform()
time.sleep(1)
# 释放鼠标
ActionChains(driver).release().perform()

四、拓展

找工作核心点
简历(体现出你的优势 扬长避短)
手机录音 看看自己哪里没有做好
​
先做个自我介绍 流畅一些
​
时间: 
简历内容
1 联系方式(注意)
2 邮箱(别写QQ邮箱 163的邮箱)
3 学历(随机应变)
4 专业(大专及以上 99.9% 计算机专业 你就别写专业了)
5 技能(1 技能有条理性 2 写一些市面上比较热的技术opecv 3 准备)
6 项目(简历 )