网页验证码破解、使用cookie登录

老树盘根_

已于 2023-08-07 16:54:03 修改

阅读量1.5k

点赞数 3

文章标签：笔记 python 爬虫

于 2023-05-07 21:07:08 首次发布

本文链接：https://blog.csdn.net/weixin_59759238/article/details/130547915

版权

十二周内容笔记

day34

01-芝麻代理作业

主要是练习了一下显式等待，写起来还是比较麻烦，但是还挺好用

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
s = Service(executable_path='../day32/chromedriver.exe')
browser = webdriver.Chrome(service=s)
URL = 'https://jahttp.zhimaruanjian.com/'
browser.get(url=URL)
# 作业内容：显式等待芝麻代理网站用户名是否出现
flag = EC.text_to_be_present_in_element(
    (By.XPATH, '/html/body/section/aside/div[1]/a'),
    'zmhttp994457'
)
WebDriverWait(browser, timeout=60).until(flag)
print('登陆成功')

02-webdriver-manager模块的使用

一、webdriver-manager介绍

1.谷歌浏览器版本需要和selenium所需驱动版本一一对应，webdriver-manager可以自动检测浏览器的版本自动下载驱动。

2.webdriver-manager运行只需几行代码，并且官方文档给了，可以直接复制。

二、安装

pip install webdriver-manager

查看已安装三方模块细节：pip show webdriver-manager

三、使用

from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager
# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
driver = webdriver.Chrome(service=ChromeService(ChromeDriverManager(path=driver_path).install()))

03-iframe标签切换

如果你需要使用selenium自动化在输入框中输入内容及自动化点击按钮，尤其是涉及到selenium登陆账号时，一定要特别小心iframe标签。

不过也比较简单，知道有的时候切换过去就行。 以下是qq音乐登录的例子

from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager
# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
browser = webdriver.Chrome(service=ChromeService(ChromeDriverManager(path=driver_path).install()))
browser.implicitly_wait(10)
URL = 'https://y.qq.com/'
browser.get(url=URL)
# 点击QQ音乐右上角登录按钮
browser.find_element(By.XPATH, '//*[@id="app"]/div/div[1]/div/div[2]/span/a').click()
# 先进行iframe标签切换：iframe标签从外向内一层一层切换
iframe_1 = browser.find_element(By.XPATH, '//*[@id="login_frame"]')
browser.switch_to.frame(iframe_1)

iframe_2 = browser.find_element(By.XPATH, '//*[@id="ptlogin_iframe"]')
browser.switch_to.frame(iframe_2)

# 此时，browser就从最外层页面到了最内层iframe，如果还想再切回去
# browser.switch_to.default_content()：可以一步到位直接切到最外层

# 再从弹出来的弹窗中点击”密码登录“
browser.find_element(By.XPATH, '//*[@id="switcher_plogin"]').click()

# 输入账号密码、点击登录
input_field_username = browser.find_element(By.XPATH, '//*[@id="u"]')
input_field_username.send_keys('你的账号')
input_field_password = browser.find_element(By.XPATH, '//*[@id="p"]')
input_field_password.send_keys('你的密码')
browser.find_element(By.XPATH, '//*[@id="login_button"]').click()

04-淘宝页面爬取之输入账号密码

淘宝不登陆不让搜索东西，想要有动作必须先登录。此处只是简单的输入账号密码，还没有涉及到点击登陆后检测到selenium的滑块验证码无法通过。这里用了getpass模块，不显示输入内容，老师在讲课的时候为了不暴露淘宝密码才用的，比较麻烦的是要在终端中运行，不能直接右键运行。

from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
URL = 'https://www.taobao.com/'
browser.get(url=URL)
# 淘宝必须登录，否则没办法使用
# 点击淘宝页面上方的”亲，请登录“
browser.find_element(By.XPATH, '//*[@id="J_SiteNavLogin"]/div[1]/div[1]/a[1]').click()
# 寻找账号密码输入框，点击登录按钮
user_name = input('请输入账号：')
browser.find_element(By.XPATH, '//*[@id="fm-login-id"]').send_keys(user_name)
import getpass
# getpass模块中的getpass方法，能够不显示输入的内容
# 如果程序用了getpass方法，不能直接右键执行，必须在终端中使用命令执行：python ./day34/04-淘宝页面爬取（一）.py
password = getpass.getpass('请输入密码：')
browser.find_element(By.XPATH, '//*[@id="fm-login-password"]').send_keys(password)

day35

01-淘宝页面爬取之滑块破解

检测到selenium后，登录出现的滑块验证码无法验证通过，这时候就需要防止selenium被监测到。主要是在点击请登陆后进行一个selenium的反检测。

# 点击淘宝页面上方的”亲，请登录“
browser.find_element(By.XPATH, '//*[@id="J_SiteNavLogin"]/div[1]/div[1]/a[1]').click()
# 寻找账号密码输入框，点击登录按钮

# 跳转到登陆页面之后再尝试修改selenium的一些特性
# 防止selenium被监测，先修改js（改掉selenium的一些特性），再加载js（再去加载网页的js）
browser.execute_cdp_cmd(
    "Page.addScriptToEvaluateOnNewDocument",
    {
        "source": "Object.defineProperty(navigator, 'webdriver', {get: () => undefined})"
    }
)
# 使用刷新重新加载页面：refresh()
browser.refresh()

user_name = input('请输入账号：')
browser.find_element(By.XPATH, '//*[@id="fm-login-id"]').send_keys(user_name)
import getpass
# getpass模块中的getpass方法，能够不显示输入的内容
# 如果程序用了getpass方法，不能直接右键执行，必须在终端中使用命令执行：python ./day35/01-淘宝页面爬取之滑块破解.py
password = getpass.getpass('请输入密码：')
browser.find_element(By.XPATH, '//*[@id="fm-login-password"]').send_keys(password)

我说实话有点拉胯，或者说淘宝反爬做得挺牛，反正我弄了以后滑块还是验证失败，不过这个问题也不大，有更先进简洁的方法。

02-淘宝爬虫之cookie获取

获取cookie进行登录是相对于selenium进行账号密码登录，更好的爬取淘宝的选择。

cookie：网页在被我们访问时，会产生一个叫做cookie的东西，如果你在网页中登陆了账号，cookie中就会保存有你的账号密码的加密形式的信息。通过未过期的cookie，便可以随意登录此网站。

cookie具有时效性（生命周期）：几分钟、几个小时、几天不等。

from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
# 网页对selenium做检测，检测代码存在于王爷的JavaScript代码中

URL = 'https://www.taobao.com/'
browser.get(url=URL)
# 淘宝必须登录，否则没办法使用
# 点击淘宝页面上方的”亲，请登录“
browser.find_element(By.XPATH, '//*[@id="J_SiteNavLogin"]/div[1]/div[1]/a[1]').click()
# 在登录页面点击二维码进行扫码登陆
browser.find_element(By.XPATH, '//*[@id="login"]/div[1]/i').click()
# 需要用户手动扫码登录

# 在等待登录成功的过程，最大化的节约时间，使用显式等待，等待用户登陆成功（网页中出现了用户名）
flag = EC.text_to_be_present_in_element(
    (By.XPATH, '//*[@id="J_SiteNavLogin"]/div[1]/div/a'),
    'tb612264626'
    )
WebDriverWait(browser, 90).until(flag)
print('登陆成功')
# 获取cookie，将cookie写入txt文本文件
# get_cookies()：selenium获取cookie
# cookie的形式是json数据，只不过get_cookies()已经帮我们转为了字典
my_cookie = browser.get_cookies()
with open('./cookies.txt', 'w') as file:
    file.write(str(my_cookie))

print('cookie写入成功')
browser.quit()

03-淘宝爬虫之使用cookie进行登录

结合上面的操作获取到的cookie文本文件进行登录

from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
# 网页对selenium做检测，检测代码存在于网页的JavaScript代码中

URL = 'https://www.taobao.com/'
browser.get(url=URL)

# 先使用selenium访问淘宝，然后将才获取到的cookie进行注入，即可实现登陆操作。
with open('./cookies.txt', 'r') as file:
    # 读取cookie并转换为python的字典
    result = eval(file.read())

for i in result:
    # 将每一个cookie字典注入到网页中
    # cookie中可能会涉及到一个secure安全性字段，一般情况下此字段不会产生影响
    # 正常情况下可以这么写：
    if i['secure'] == True:
        browser.add_cookie(i)

browser.refresh()
# 淘宝登陆成功

04-验证码破解

常见验证码形式：

1.图片 + 数字 + 字母

2.滑块验证（淘宝的纯滑块、京东的滑块 + 拼图）

3.图片 + 数学题

4.九宫格：选择消防栓、红绿灯、公共汽车、小轿车、斑马线等

5.旋转图片，转正

6.依次点击文字

7.看草图点击九宫格图

8.游戏战斗场景

9.轨迹验证

05-图片文字验证码破解

图片中有文字，需要使用到OCR光学文字识别。python也有OCR光学文字识别的模块，可以进行文字识别，即EasyOCR模块，准确率90%+，国内有百度飞浆，准确率比EasyOCR高一些。

EasyOCR的安装：体积不小的，用一手清华镜像源下载。

pip install easyocr -i https://pypi.tuna.tsinghua.edu.cn/simple

day36

01-easyocr的使用

一、OCR简介

OCR光学文字识别，是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后将字符识别成计算机文字的过程。

二、easyocr识别

import easyocr
# 创建easyocr的读方法对象
read_photo = easyocr.Reader(
    # 1.'ch_esim'：简体中文
    lang_list=['ch_sim', 'en'],
    # 2.不使用gpu，如果要使用gpu，需要下载对应gpu架构的一些文件，英伟达的gpu需要下载CUDNN、CUDA
    gpu=False,
    # 3.download_enabled=False：禁止下载模型文件，模型文件存放在国外服务器，90%的人会下载失败
    download_enabled=False,
    # 4.禁止下载的模型文件提前下载好，放到指定路径
    model_storage_directory='./model'
)
# 识别图片
# image参数应该传递图片数据，图片路径或图片的numpy数组或图片的二进制数据均可。
result = read_photo.readtext(image='./img.png')
print(result)

02-网页验证码破解（一）

使用easyocr对阿里云邮箱简单的数字和字母图片验证码识别。

import time
from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
# 网页对selenium做检测，检测代码存在于网页的JavaScript代码中

URL = 'http://mail.1000phone.com/alimail/auth/login?custom_login_flag=1&reurl=%2Falimail%2F'
browser.get(url=URL)

# 请求完阿里邮箱，找账号输入框随便输入内容，然后点击密码输入框，等待验证码出现
iframe_1 = browser.find_element(By.XPATH, '//*[@id="page"]/div[2]/div/div/iframe')
browser.switch_to.frame(iframe_1)
iframe_2 = browser.find_element(By.XPATH, '//*[@id="ding-login-iframe"]')
browser.switch_to.frame(iframe_2)
browser.find_element(By.XPATH, '//*[@id="username"]').send_keys('1231231231')
browser.find_element(By.XPATH, '//*[@id="password"]').click()

# 使用selenium针对页面验证码截图
# 休眠3秒钟等待验证码出现
time.sleep(3)
# screenshot()：selenium的截图操作，可以根据指定的元素进行截图
img_path = './cap.png'
browser.find_element(By.XPATH, '//*[@id="login_checkcode_ico"]').screenshot(img_path)
import easyocr
read_photo = easyocr.Reader(
    lang_list=['ch_sim', 'en'],
    gpu=False,
    download_enabled=False,
    model_storage_directory='./model'
)
result = read_photo.readtext(image=img_path)[0][-2]
print(f'识别到的验证码结果为{result}')

虽然说easyocr识别率达到了90%多，但是毕竟是白嫖的打不过充钱的，超级鹰让你感受到充钱的快乐。

03-网页验证码破解（二）

下面就是调用超级鹰对简单验证码进行破解，超级鹰的配置文件我就不写了

import time
from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
# 网页对selenium做检测，检测代码存在于网页的JavaScript代码中

URL = 'http://mail.1000phone.com/alimail/auth/login?custom_login_flag=1&reurl=%2Falimail%2F'
browser.get(url=URL)

# 请求完阿里邮箱，找账号输入框随便输入内容，然后点击密码输入框，等待验证码出现
iframe_1 = browser.find_element(By.XPATH, '//*[@id="page"]/div[2]/div/div/iframe')
browser.switch_to.frame(iframe_1)
iframe_2 = browser.find_element(By.XPATH, '//*[@id="ding-login-iframe"]')
browser.switch_to.frame(iframe_2)
browser.find_element(By.XPATH, '//*[@id="username"]').send_keys('1231231231')
browser.find_element(By.XPATH, '//*[@id="password"]').click()

# 使用selenium针对页面验证码截图
# 休眠3秒钟等待验证码出现
time.sleep(3)
# screenshot()：selenium的截图操作，可以根据指定的元素进行截图
img_path = './cap.png'
browser.find_element(By.XPATH, '//*[@id="login_checkcode_ico"]').screenshot(img_path)
# 导入超级鹰服务
from chaojiying import Chaojiying_Client
# 实例化超级鹰对象
cjy = Chaojiying_Client('超级鹰账号', '超级鹰密码', '948081')
# 给超级鹰传递图片二进制数据
img = open(img_path, 'rb').read()
result = cjy.PostPic(img, 1902)
print(f'识别到的验证码结果为：{result["pic_str"]}')

04-selenium简单的鼠标事件

ActionChains作用：能够将鼠标的操作步骤按照操作顺序记录下来，然后等待perform的调用，依次被触发。

开始对b站进行登录操作

from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
# 网页对selenium做检测，检测代码存在于网页的JavaScript代码中

URL = 'https://www.bilibili.com/'
browser.get(url=URL)
# 请求了页面之后按照bilibili首页的一些提示性内容，先把鼠标移动到”立即登录“按钮，再点击
from selenium.webdriver.common.action_chains import ActionChains
# 创建ActionChains对象，捕获浏览器对象
ac = ActionChains(browser)
login_button = browser.find_element(By.XPATH, '//*[@id="i_cecream"]/div[2]/div[1]/div[1]/ul[2]/li[1]/li')
# move_to_element()：将鼠标移动到某个元素中间
ac.move_to_element(login_button)
ac.click()
# 调用已经存储的步骤
ac.perform()

05-网页验证码的破解（三）

对b站登陆的依次点击文字的验证码和二次验证的破解，我玩了很多次也没碰上他的二次验证，不知道是什么原因，说他厉害又厉害，说不厉害也有点垃圾，直接点击取消二次验证就给他绕过了。

很多注释细节在代码里面

import time
from selenium import webdriver
from selenium.webdriver.chrome.service import Service as ChromeService
from selenium.webdriver.common.by import By
# 从webdriver-manager的chrome包中导入ChromeDriverManager方法
from webdriver_manager.chrome import ChromeDriverManager

# ChromeDriverManager().install()：自动检测电脑上的Chrome浏览器的版本，下载对应驱动
driver_path = './'
# 引入配置项
s = ChromeService(ChromeDriverManager(path=driver_path).install())
Options = webdriver.ChromeOptions()
# 引入不关闭浏览器的相关配置项
Options.add_experimental_option("detach", True)
# 避免终端下执行代码报警告
Options.add_experimental_option("excludeSwitches", ['enable-automation', 'enable-logging'])

browser = webdriver.Chrome(service=s, options=Options)
# 网页对selenium做检测，检测代码存在于网页的JavaScript代码中

URL = 'https://www.bilibili.com/'
browser.get(url=URL)
# 请求了页面之后按照bilibili首页的一些提示性内容，先把鼠标移动到”立即登录“按钮，再点击
from selenium.webdriver.common.action_chains import ActionChains

# 创建ActionChains对象，捕获浏览器对象
ac = ActionChains(browser)
time.sleep(1)
login_button = browser.find_element(By.XPATH, '//*[@id="i_cecream"]/div[2]/div[1]/div[1]/ul[2]/li[1]')
# move_to_element()：将鼠标移动到某个元素中间
ac.move_to_element(login_button)
ac.click()
# 调用已经存储的步骤
ac.perform()  # 此时已经实现打开bilibili登录界面
time.sleep(1)
# 接下来寻找账号、密码输入框，点击登录按钮
user = browser.find_element(By.XPATH, '/html/body/div[3]/div/div[4]/div[2]/form/div[1]/input')
user.send_keys('账号')
pwd = browser.find_element(By.XPATH, '/html/body/div[3]/div/div[4]/div[2]/form/div[3]/input')
pwd.send_keys('密码')
time.sleep(2)
login = browser.find_element(By.XPATH, '/html/body/div[3]/div/div[4]/div[2]/div[2]/div[2]').click()
time.sleep(2)
# bilibili有可能出现”二次校验窗口“
if '<div class="dialog__mask" style="">' in browser.page_source:
    # 点击”二次校验“的取消按钮
    browser.find_element(By.XPATH, '/html/body/div[3]/div/div[4]/div[2]/div[1]/div/div[2]/div[1]').click()
    # 重新点登录
    login = browser.find_element(By.XPATH, '/html/body/div[3]/div/div[4]/div[2]/div[2]/div[2]').click()
# 寻找验证码
captcha = browser.find_element(By.XPATH, '/html/body/div[4]/div[2]/div[6]/div/div')
# 截图
bilibili_path = './bilibili_image.png'
captcha.screenshot(bilibili_path)
# 获取验证码的location和size属性
bili_location, bili_size = captcha.location, captcha.size
# bili_location：验证码距离网页远点（左上角）的距离（x, y）
# bili_size：验证码的宽（width）、高（height）
# 将截图上传给超级鹰
from chaojiying import Chaojiying_Client
# 实例化超级鹰对象
cjy = Chaojiying_Client('超级鹰账号', '超级鹰密码', '948081')
# 给超级鹰传递图片二进制数据
img = open(bilibili_path, 'rb').read()
result = cjy.PostPic(img, 9004)

if result['err_no'] == 0:
    ac = ActionChains(browser)
    # 构建每个字的坐标
    for item in result['pic_str'].split('|'):
        x, y = item.split(',')
        # move_to_element_with_offset(元素, x, y)：将鼠标从指定的元素中间按照指定的偏移量(x, y)移动
        # -(bili_size['width'] / 2) + x, -(bili_size['height'] / 2 + y)：表示先将鼠标移动到验证码的左边和上边
        ac.move_to_element_with_offset(captcha, -(bili_size['width'] / 2) + int(x), -(bili_size['height'] / 2) + int(y)).click()
        # 不要点太快
        time.sleep(1)
    # for循环结束，一次性释放ac的顺序功能
    ac.perform()