可视化爬虫selenium-破解滑动验证码

1.问题界面分析

验证码网址：https://007.qq.com/online.html
解决方法：
我们用的时selenium自动测试框架，selenium能够模拟人工操作网页界面，只用selenium很显然不太足够，我们还需要用到opencv，opencv是一个图像处理库，安装他的方法网上都有，我们在这里主要是用它来识别缺口图像的位置的，在实际应用中可能还需要用到PIL,因为我发现图片是经过缩放的，所以在实际操作中，我们应该将图片缩放后再去判断缺口位置，其次还需要用到urllib去网页上获取图片保存到本地再去判断。有的滑块一打开并不是在最左边我们也需要判断这个位置，可以直接定位按钮获取style属性在加上此段距离。
代码流程：
基于上面的网址界面，我们第一步是找到弹出验证码的按钮的xapth路径，当然在实际开发中，可能需要先去定位用户输入框与密码输入框，然后定位登录按钮才会触发验证码界面，这里的话我们直接弹出验证码界面即可，然后定位到补全图片以及被补全图片的img src 地址，然后通过urllib请求下载到本地，通过PIL按实际缩放比例缩放，然后通过opencv识别缺口位置，最后判断滑块在缺口位置的左坐标，然后通过selenium模拟鼠标拖动滑块进行验证。

2.应用代码

#!usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author:白杨
@file: 破解验证码登录.py
@time: 2021/10/19
"""
import time
from tenacity import retry, stop_after_attempt
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from PIL import Image
from icecream import ic
import urllib.request
import cv2
import numpy as np


# 避免意外，使用python重试机制, 发生意外重试十次
@retry(stop=stop_after_attempt(10))
def Crack():
    """
    破解滑动验证码
    """
    option = webdriver.ChromeOptions()
    option.add_experimental_option("detach", True)  # 程序结束chrome不被关闭
    chrome = webdriver.Chrome(options=option)
    # chrome = webdriver.Chrome()
    chrome.maximize_window()  # 浏览器最大化
    chrome.get(url='https://007.qq.com/online.html')  # 跳转页面
    chrome.find_element(By.XPATH, '//*[@id="code"]').click()  # 点击弹出验证码按钮
    time.sleep(3)
    iframe = chrome.find_element(By.XPATH, '//*[@id="tcaptcha_iframe"]')  # 找到“嵌套验证码界面”的iframe
    chrome.switch_to.frame(iframe)  # 切换到iframe
    button = chrome.find_element(By.XPATH, '//*[@id="tcaptcha_drag_thumb"]')  # 找到滑动按钮
    img1 = chrome.find_element(By.XPATH, '//*[@id="slideBg"]').get_attribute('src')  # 找到待补全图并获取src属性
    img2 = chrome.find_element(By.XPATH, '//*[@id="slideBlock"]').get_attribute('src')  # 找到缺口图并获取src属性
    resp1 = urllib.request.urlopen(img1)  # 下载待补全图
    image1 = np.asarray(bytearray(resp1.read()), dtype="uint8")
    new_img1 = cv2.imdecode(image1, cv2.IMREAD_COLOR)  # cv2.imdecode()函数将数据解码成Opencv图像格式
    resp2 = urllib.request.urlopen(img2)  # 下载待缺口图
    image2 = np.asarray(bytearray(resp2.read()), dtype="uint8")
    new_img2 = cv2.imdecode(image2, cv2.IMREAD_COLOR)  # cv2.imdecode()函数将数据解码成Opencv图像格式
    cv2.imwrite('login1.jpg', new_img1)  # 保存在本地
    cv2.imwrite('login2.jpg', new_img2)  # 保存在本地
    im = Image.open('login1.jpg')  # 重新打开图像
    im = im.resize((341, 195))  # 缩放
    im.save('login1.jpg')
    im = Image.open('login2.jpg')
    im = im.resize((68, 68))  # 缩放
    im.save('login2.jpg')
    im1 = cv2.imread("login1.jpg")  # 再次打开
    im2 = cv2.imread('login2.jpg')
    bg_edge = cv2.Canny(im1, 100, 200)  # 识别图片边缘
    tp_edge = cv2.Canny(im2, 100, 200)
    bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)  # 转换图片格式
    tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
    res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)  # 缺口匹配
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)  # 寻找最优匹配
    x = max_loc[0]  # 滑块在验证图片的x坐标（左边）
    # 创建一个新的ActionChains，将webdriver实例对driver作为参数值传入，然后通过WenDriver实例执行用户动作
    ActionChains(chrome).click_and_hold(on_element=button).perform()
    # 第一步：在滑块处按住鼠标左键
    ActionChains(chrome).move_by_offset(xoffset=x - 27, yoffset=0).perform()  # 鼠标移动到距离当前位置（x,y）
    time.sleep(2)
    # 第二步：相对鼠标当前位置进行移动
    ActionChains(chrome).release(on_element=button).perform()
    # 第三步：释放鼠标
    time.sleep(5)
    ic("登陆成功")
    time.sleep(5)


if __name__ == '__main__':
    Crack()