python 验证码识别 阿里云_Python爬虫入门教程 57-100 python爬虫高级技术之验证码篇3-滑动验证码识别技术-阿里云开发者社区...

滑动验证码介绍

本篇博客涉及到的验证码为滑动验证码，不同于极验证，本验证码难度略低，需要的将滑块拖动到矩形区域右侧即可完成。

如何判断验证码类型

这个验证码的标识一般比较明显，在页面源码中一般存在一个 nc.js 基本可以判定是阿里云的验证码了

识别套路

截止到2019年3月18日，本验证码加入了大量的selenium关键字验证，所以单纯的模拟拖拽被反爬的概率满高的，你也知道一般情况爬虫具备时效性 不确保这种手段过一段时间还可以使用！

导入selenium必备的一些模块与方法

from selenium import webdriver

from selenium.webdriver.support.wait import WebDriverWait

# from selenium.webdriver.support import expected_conditions as EC

# from selenium.webdriver.common.by import By

from selenium.webdriver.chrome.options import Options

from selenium.webdriver import ActionChains

import time

import random

在启动selenium之前必须要设置一个本机的代理，进行基本的反[反爬] 处理，很多爬虫在获取用户指纹的时候，都比较喜欢selenium，因为使用selenium模拟浏览器进行数据抓取，能够绕过客户JS加密，绕过爬虫检测，绕过签名机制

但是selenium越来越多的被各种网站进行了相关屏蔽，因为selenium在运行的时候会暴露出一些预定义的Javascript变量(特征字符串)，例如"window.navigator.webdriver"，在非selenium环境下其值为undefined，而在selenium环境下，其值为true

下图所示为selenium驱动下Chrome控制台打印出的值

细致的绕过去的方法，可能需要单独的一篇博客进行赘述了，这里我只对上面的参数进行屏蔽，使用到的是之前博客中涉及的mitmdump进行代理

mitmdump进行代理

关于这个模块的基本使用，参考我前面的博客即可,这里核心使用了如下代码

indject_js_proxy.py

from mitmproxy import ctx

injected_javascript = '''

// overwrite the `languages` property to use a custom getter

Object.defineProperty(navigator, "languages", {

get: function() {

return ["zh-CN","zh","zh-TW","en-US","en"];

}

});

// Overwrite the `plugins` property to use a custom getter.

Object.defineProperty(navigator, 'plugins', {

get: () => [1, 2, 3, 4, 5],

});

// Pass the Webdriver test

Object.defineProperty(navigator, 'webdriver', {

get: () => false,

});

// Pass the Chrome Test.

// We can mock this in as much depth as we need for the test.

window.navigator.chrome = {

runtime: {},

// etc.

};

// Pass the Permissions Test.

const originalQuery = window.navigator.permissions.query;

window.navigator.permissions.query = (parameters) => (

parameters.name === 'notifications' ?

Promise.resolve({ state: Notification.permission }) :

originalQuery(parameters)

);

'''

def response(flow):

# Only process 200 responses of HTML content.

if not flow.response.status_code == 200:

return

# Inject a script tag containing the JavaScript.

html = flow.response.text

html = html.replace('

', '' % injected_javascript)

flow.response.text = str(html)

ctx.log.info('>>>> js代码插入成功 <<<

# 只要url链接以target开头，则将网页内容替换为目前网址

# target = 'https://target-url.com'

# if flow.url.startswith(target):

# flow.response.text = flow.url

上述脚本放置任意目录，之后进行mitmdump的启动即可

C:\user>mitmdump -s indject_js_proxy.py

Loading script indject_js_proxy.py

Proxy server listening at http://*:8080

启动之后，通过webdriver访问

如果webDriver是绿色，也说明代理起作用了

selenium爬取

接下来就是通过selenium进行一些模拟行为的操作了，这部分代码比较简单，编写的时候参考一下注释即可。

# 实例化一个启动参数对象

chrome_options = Options()

# 添加启动参数

chrome_options.add_argument('--proxy-server=127.0.0.1:8080')

# 将参数对象传入Chrome，则启动了一个设置了窗口大小的Chrome

driver = webdriver.Chrome(chrome_options=chrome_options)

关键函数

def move_to_gap(tracks):

driver.get("https://passport.zcool.com.cn/regPhone.do?appId=1006&cback=https://my.zcool.com.cn/focus/activity")

# 找到滑块span

need_move_span = driver.find_element_by_xpath('//*[@id="nc_1_n1t"]/span')

# 模拟按住鼠标左键

ActionChains(driver).click_and_hold(need_move_span).perform()

for x in tracks: # 模拟人的拖动轨迹

print(x)

ActionChains(driver).move_by_offset(xoffset=x,yoffset=random.randint(1,3)).perform()

time.sleep(1)

ActionChains(driver).release().perform() # 释放左键

注意看到上述代码中有何核心的点 --- 拖拽距离的 列表tracks

if __name__ == '__main__':

move_to_gap(get_track(295))

这个地方可以借鉴网上的方案即可

def get_track(distance):

'''

拿到移动轨迹，模仿人的滑动行为，先匀加速后匀减速

匀变速运动基本公式：

①v=v0+at

②s=v0t+(1/2)at²

③v²-v0²=2as

:param distance: 需要移动的距离

:return: 存放每0.2秒移动的距离

'''

# 初速度

v=0

# 单位时间为0.2s来统计轨迹，轨迹即0.2内的位移

t=0.1

# 位移/轨迹列表，列表内的一个元素代表0.2s的位移

tracks=[]

# 当前的位移

current=0

# 到达mid值开始减速

mid=distance * 4/5

distance += 10 # 先滑过一点，最后再反着滑动回来

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 # 加速运动

else:

a = -3 # 减速运动

# 初速度

v0 = v

# 0.2秒时间内的位移

s = v0*t+0.5*a*(t**2)

# 当前的位置

current += s

# 添加到轨迹列表

tracks.append(round(s))

# 速度已经达到v,该速度作为下次的初速度

v= v0+a*t

# 反着滑动到大概准确位置

for i in range(3):

tracks.append(-2)

for i in range(4):

tracks.append(-1)

return tracks

代码注释已经添加好，可以自行查阅，临摹一下即可明白

最后开始进行尝试，实测中，发现可以自动拖动，但是，出现一个问题是最后被识别为机器，这个地方，我进行了多次的修改与调整，最终从代码层面发现实现确实有些复杂，所以改变策略，找一下chromedriver.exe是否有修改过的版本，中间去除了selenium的一些关键字，运气不错，被我找到了。

下载之后，替换你的 chromedriver.exe

再次运行，成功验证

欢迎关注「非本科程序员」 回复 【0411】获取本篇博客源码