Python爬虫之得物最新验证码分析

Python爬虫之得物最新验证码分析

为维护网络绿色健康发展，相关加密已隐藏，代码仅供学习交流，请勿用于非法用途，如有侵权，请联系v: Code-Bin 删除

最近dw更新了新版的验证码

这种比较简单，抓取所有的图片简单弄个分类的模型就能成功识别，我这里使用的是resnet18进行310次训练，最终正确率为98%。
剩下的就简单了，简单的计算一下坐标，即移动的图片初始位置和结束图片的位置坐标

轨迹校验不严，但要首先拿到图片初始位置和结束位置
下面给出python的坐标计算代码

def nv_check_point(nv_x, nv_y):
    nv_x -= 38.10000228881836
    nv_y -= 159
    nv_x_index = None
    nv_y_index = None
    nv_X = None
    nv_Y = None

    if abs(nv_x - 45 * 1.3038461538461539) <= (40 * 1.3038461538461539):
        nv_x_index = 1
        nv_X = 38.10000228881836 + 45 * 1.3038461538461539
    elif abs(nv_x - 130 * 1.3038461538461539) <= (40 * 1.3038461538461539):
        nv_x_index = 2
        nv_X = 38.10000228881836 + 130 * 1.3038461538461539
    elif abs(nv_x - 215 * 1.3038461538461539) <= (40 * 1.3038461538461539):
        nv_x_index = 3
        nv_X = 38.10000228881836 + 215 * 1.3038461538461539

    if abs(nv_y - 45 * 1.3038461538461539) <= (40 * 1.3038461538461539):
        nv_y_index = 1
        nv_Y = 159 + 45 * 1.3038461538461539
    elif abs(nv_y - 130 * 1.3038461538461539) <= (40 * 1.3038461538461539):
        nv_y_index = 2
        nv_Y = 159 + 130 * 1.3038461538461539

    return {
        "nv_point": str(nv_y_index or 0) + str(nv_x_index or 0),
        "nv_center_point": "{},{}".format(nv_X or 0, nv_Y or 0)
    }

最后验证一下

没有问题，过了