python爬虫笔记——验证码信息识别

（如果验证码识别较麻烦，可以采取半自动化操作：代码+人工进行验证码识别操作）

普通验证码的识别

1、前言

• OCR 即Optical Character Recognition,
  光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。
• tesserocr 是Python的一个OCR识别库。
• GitHub：https://github.com/tesseract-ocr/tesseract

2、软件安装：

模块安装：

pip install tesserocr #安装tesserocr  
pip install pillow # 图片处理目录

注意：在安装tesserocr前都需要 先安装 tesseract，具体说明如下：
1、在mac下安装tesserocr ，需要先安装下面的软件

brew install tesseract --all-languages
brew install imagemagick

2、在：Ubuntu、Debian 系统下先安装：

sudo apt-get intall -y tesseract-ocr libtesseract-dev libleptonica-dev

3、在：CentOS、Red Hat 系统：

yum install -y tesseract

4、（下载麻烦，不推荐使用）在windows安装tesserocr前要先安装：tesseract 他是为tesserocr提供支持的：
下载地址—— 会有很多下载文件，下载一个3.0版本的exe文件即可；
在安装中要勾选上Additional language data(download)选项来安装OCR识别支持的语言包。（在Windows中可以使用代理的方式来进行验证码识别）

3、具体使用：

简单识别验证码

#验证识别测试
import tesserocr
from PIL import Image

#打开图片
image = Image.open("./code/5.png")

#识别验证码
result = tesserocr.image_to_text(image)

print(result)

验证码的深度处理，如转灰度、二值化等操作（效果比上方代码好一点）

#验证识别测试
import tesserocr
from PIL import Image

image = Image.open("./code/5.png")
#将图片转化为灰度图像
image = image.convert("L")

#二值化处理
threshold = 127
table=[]
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table,'1')
#识别验证码
result = tesserocr.image_to_text(image)

print(result)

滑动验证码的识别

1、滑动验证码的识别介绍

• 预期目标：用程序识别极验滑动验证码的验证，包括分析识别思路、识别缺口位置、生成滑块拖动路径、模拟实现滑块拼合通过验证等步骤。
• 准备工作：本次案例我们使用Python库是Selenium，浏览器为Chrome。请确保已安装Selenium库和ChromeDriver浏览器驱动。
• 测试通过滑动验证码完成登录极验网站：
  • 极验滑动验证码官网为：http://www.geetest.com/
  • 验证方式为拖动滑块拼合图像，若图像完全拼合，则验证成功，否则需要重新验证
  • 登录地址链接：https://account.geetest.com/login，打开极验的管理后台登录页面，完成自动化登录操作。

2、实现步骤：

① 初始化

初始化链接地址、创建模拟浏览器对象、设置登录账户和密码等信息。

EMAIL = '登录账户'
PASSWORD = '登录密码'

class CrackGeetest():
    def __init__(self):
        self.url = 'https://account.geetest.com/login'
        self.browser = webdriver.Chrome()
        #设置显示等待时间
        self.wait = WebDriverWait(self.browser, 20)
        self.email = EMAIL
        self.password = PASSWORD

    def crack():
        pass

# 程序主入口
if __name__ == '__main__':
    crack = CrackGeetest()
    crack.crack()

② 模拟登录填写，点开滑块验证

在实例化CrackGeetest对象后调用crack()方法开始模拟登录验证…
调用open()方法，打开登录界面，获取账户和密码输入框节点，完成账户和密码的输入。
调用get_geetest_button()方法获取滑动验证按钮，并点击。

class CrackGeetest():
    def get_geetest_button(self):
        ''' 获取初始验证按钮,return：按钮对象 '''
        button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_radar_tip')))
        return button

    def open(self):
        ''' 打开网页输入用户名密码, return: None '''
        self.browser.get(self.url)
        email = self.wait.until(EC.presence_of_element_located((By.ID, 'email')))
        password = self.wait.until(EC.presence_of_element_located((By.ID, 'password')))
        email.send_keys(self.email)
        password.send_keys(self.password)

    def crack(self):
        # 输入用户名密码
        self.open()
        # 点击验证按钮
        button = self.get_geetest_button()
        button.click()

③ 获取并储存有无缺口的两张图片

首先获取无缺口的验证图片，并保存到本地
获取滑块对象，并执行点击，让浏览器中显示有缺口图片
获取有缺口的验证图片，并保存到本地

def get_position(self):
    ''' 获取验证码位置, return: 验证码位置(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,left,right = location['y'],location['y']+size['height'],location['x'],location['x']+size['width']
    return (top, bottom, left, right)

def get_screenshot(self):
    ''' 获取网页截图, return: 截图对象 '''
    #浏览器截屏
    screenshot = self.browser.get_screenshot_as_png()
    screenshot = Image.open(BytesIO(screenshot))
    return screenshot

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()
    #从网页截屏图片中裁剪处理验证图片
    captcha = screenshot.crop((left, top, right, bottom))
    captcha.save(name)
    return captcha

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

def crack(self):
    # 获取验证码图片
    image1 = self.get_geetest_image('captcha1.png')
    # 点按呼出缺口
    slider = self.get_slider()
    slider.click()
    # 获取带缺口的验证码图片
    image2 = self.get_geetest_image('captcha2.png')

④ 获取缺口位置

对比两张图片的所有RBG像素点，得到不一样像素点的x值，即要移动的距离

BORDER = 6
INIT_LEFT = 60

class CrackGeetest():  
    def get_gap(self, image1, image2):
        ''' 获取缺口偏移量, 参数：image1不带缺口图片、image2带缺口图片。返回偏移量 '''
        left = 65
        for i in range(left, image1.size[0]):
            for j in range(image1.size[1]):
                if not self.is_pixel_equal(image1, image2, i, j):
                    left = i
                    return left
        return left

    def is_pixel_equal(self, image1, image2, x, y):
        '''
        判断两个像素是否相同
        :param image1: 图片1
        :param image2: 图片2
        :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（R、G、B）
        pixel1 = image1.load()[x, y]
        pixel2 = image2.load()[x, y]
        threshold = 60
        if abs(pixel1[0]-pixel2[0])<threshold and abs(pixel1[1]-pixel2[1])<threshold and abs(pixel1[2]-pixel2[2])<threshold:
            return True
        else:
            return False

    def crack(self):
        # 获取缺口位置
        gap = self.get_gap(image1, image2)
        print('缺口位置', gap)
        # 减去缺口位移
        gap -= BORDER

⑤ 获取移动轨迹

模拟人的行为习惯（先匀加速拖动后匀减速拖动），把需要拖动的总距离分成一段一段小的轨迹

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 * 4 / 5
    # 计算间隔
    t = 0.2
    # 初速度
    v = 0

    while current < distance:
        if current < mid:
            # 加速度为正2
            a = 2
        else:
            # 加速度为负3
            a = -3
        # 初速度v0
        v0 = v
        # 当前速度v = v0 + at
        v = v0 + a * t
        # 移动距离x = v0t + 1/2 * a * t^2
        move = v0 * t + 1 / 2 * a * t * t
        # 当前位移
        current += move
        # 加入轨迹
        track.append(round(move))
    return track

def crack(self):
    #...

    # 获取移动轨迹
    track = self.get_track(gap)
    print('滑动轨迹', track)

⑥ 按照轨迹拖动，完全验证

def move_to_gap(self, slider, track):
    '''
    拖动滑块到缺口处
    :param slider: 滑块
    :param track: 轨迹
    :return: 
    '''
    ActionChains(self.browser).click_and_hold(slider).perform()
    for x in track:
        ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
    time.sleep(0.5)
    ActionChains(self.browser).release().perform()

def crack(self):
    # 拖动滑块
    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)

⑦ 完成登录

def login(self):
    ''' 执行登录 return: None '''
    submit = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'login-btn')))
    submit.click()
    time.sleep(10)
    print('登录成功')

def crack(self):
    # 失败后重试
    if not success:
        self.crack()
    else:
        self.login()

3、完整代码：

import time
from io import BytesIO
from PIL import Image
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

EMAIL = '122794105@qq.com'
PASSWORD = 'python123'
BORDER = 6

class CrackGeetest():
def __init__(self):
    self.url = 'https://account.geetest.com/login'
    self.browser = webdriver.Chrome()
    #设置显示等待时间
    self.wait = WebDriverWait(self.browser, 20)
    self.email = EMAIL
    self.password = PASSWORD

def __del__(self):
    #self.browser.close()
    pass

def get_geetest_button(self):
    ''' 获取初始验证按钮,return：按钮对象 '''
    button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_radar_tip')))
    return button

def get_position(self):
    ''' 获取验证码位置, return: 验证码位置(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,left,right = location['y'],location['y']+size['height'],location['x'],location['x']+size['width']
    return (top, bottom, left, right)

def get_screenshot(self):
    ''' 获取网页截图, return: 截图对象 '''
    #浏览器截屏
    screenshot = self.browser.get_screenshot_as_png()
    screenshot = Image.open(BytesIO(screenshot))
    return screenshot

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

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()
    #从网页截屏图片中裁剪处理验证图片
    captcha = screenshot.crop((left, top, right, bottom))
    captcha.save(name)
    return captcha

def open(self):
    ''' 打开网页输入用户名密码, return: None '''
    self.browser.get(self.url)
    email = self.wait.until(EC.presence_of_element_located((By.ID, 'email')))
    password = self.wait.until(EC.presence_of_element_located((By.ID, 'password')))
    email.send_keys(self.email)
    password.send_keys(self.password)

def get_gap(self, image1, image2):
    ''' 获取缺口偏移量, 参数：image1不带缺口图片、image2带缺口图片。返回偏移量 '''
    left = 65
    for i in range(left, image1.size[0]):
        for j in range(image1.size[1]):
            if not self.is_pixel_equal(image1, image2, i, j):
                left = i
                return left
    return left

def is_pixel_equal(self, image1, image2, x, y):
    '''
    判断两个像素是否相同
    :param image1: 图片1
    :param image2: 图片2
    :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（R、G、B）
    pixel1 = image1.load()[x, y]
    pixel2 = image2.load()[x, y]
    threshold = 60
    if abs(pixel1[0]-pixel2[0])<threshold and abs(pixel1[1]-pixel2[1])<threshold and abs(pixel1[2]-pixel2[2])<threshold:
        return True
    else:
        return False

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 * 4 / 5
    # 计算间隔
    t = 0.2
    # 初速度
    v = 0

    while current < distance:
        if current < mid:
            # 加速度为正2
            a = 2
        else:
            # 加速度为负3
            a = -3
        # 初速度v0
        v0 = v
        # 当前速度v = v0 + at
        v = v0 + a * t
        # 移动距离x = v0t + 1/2 * a * t^2
        move = v0 * t + 1 / 2 * a * t * t
        # 当前位移
        current += move
        # 加入轨迹
        track.append(round(move))
    return track

def move_to_gap(self, slider, track):
    '''
    拖动滑块到缺口处
    :param slider: 滑块
    :param track: 轨迹
    :return: 
    '''
    ActionChains(self.browser).click_and_hold(slider).perform()
    for x in track:
        ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
    time.sleep(0.5)
    ActionChains(self.browser).release().perform()

def login(self):
    ''' 执行登录 return: None '''
    submit = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'login-btn')))
    submit.click()
    time.sleep(10)
    print('登录成功')

def crack(self):
    # 输入用户名密码
    self.open()
    # 点击验证按钮
    button = self.get_geetest_button()
    button.click()
    # 获取验证码图片
    image1 = self.get_geetest_image('captcha1.png')
    # 点按呼出缺口
    slider = self.get_slider()
    slider.click()
    # 获取带缺口的验证码图片
    image2 = self.get_geetest_image('captcha2.png')
    # 获取缺口位置
    gap = self.get_gap(image1, image2)
    print('缺口位置', gap)
    # 减去缺口位移
    gap -= BORDER
    # 获取移动轨迹
    track = self.get_track(gap)
    print('滑动轨迹', track)
    # 拖动滑块
    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)

    # 失败后重试
    if not success:
        self.crack()
    else:
        self.login()

# 程序主入口
if __name__ == '__main__':
crack = CrackGeetest()
crack.crack()