Python公开课 - 爬虫识别滑动验证码
前言
做爬虫碰到验证码是家常便饭，现在Geetest作为作为一个专业的验证码服务提供商，为不少网站提供了用户行为的验证服务。
其中常见的就是滑动验证，也就是说用户必须手动将滑块拉到对应的图片缺口上。
作为爬虫开发者碰到这类验证码，该如何处理呢，本篇将介绍的一种，通过Selenium模拟用户滑动解锁方法。
我们以得意网登录页面为例阐述
分析网页信息
得意网的极验证是登录弹框的方式出现的，当输入用户名和密码后，点击登录将弹出极验证
弹出极验证后，我们对图片元素进行分析，发现下载了三张图片，两个.webp图像文件为一个完整图和一个有缺口的图，而.png图像文件则是滑块，但是不管是完整图合适含缺口的图，都是乱序的。那么接下来，我们需要将图片还原成正常显示的。
还原并合成图片
分析图片元素的样式信息，我们可以看到图片是合成的，也就是说你只保存所有地址的图片是不行的。它是通过background-position的方法进行合成的。
获取原始图片的及位置信息：
def get_image_and_location():
options = Options()
options.binary_location = '/usr/bin/google-chrome'
options.add_argument('--headless')
options.add_argument('--disable-gpu')
options.add_argument('--no-sandbox')
driver = webdriver.Chrome(executable_path='./chromedriver', chrome_options=options)
driver.implicitly_wait(5)
driver.get("http://www.deyi.com/account.php?mod=login")
content = driver.find_elements_by_class_name('gt_cut_bg_slice')
cut_loc_list = []
img_url = None
for i in content:
style = i.get_attribute("style")
import re
img_url, x, y = re.findall('url\(\"(.*)\"\); background-position: (.*)px (.*)px;', style)[0]
cut_loc_list.append({'x':int(x), 'y': int(y)})
import requests
r = requests.get(img_url)
with open('cut.webp', 'wb') as f:
f.write(r.content)
from PIL import Image
im = Image.open("cut.webp")
rgb_im = im.convert('RGB')
rgb_im.save('cut.jpg')
content = driver.find_elements_by_class_name('gt_cut_fullbg_slice')
full_loc_list = []
img_url = None
for i in content:
style = i.get_attribute("style")
import re
img_url, x, y = re.findall('url\(\"(.*)\"\); background-position: (.*)px (.*)px;', style)[0]
full_loc_list.append({'x':int(x), 'y': int(y)})
import requests
r = requests.get(img_url)
with open('full.webp', 'wb') as f:
f.write(r.content)
from PIL import Image
im = Image.open("full.webp")
rgb_im = im.convert('RGB')
rgb_im.save('full.jpg')
driver.quit()
return ('cut.jpg', cut_loc_list, 'full.jpg', full_loc_list)
还原合成图片的代码如下：
def get_merge_image(filename, location_list):
from PIL import Image as image
im = image.open(filename)
new_im = image.new('RGB', (260,116))
im_list_upper=[]
im_list_down=[]
for location in location_list:
if location['y']==-58:
im_list_upper.append(im.crop((abs(location['x']),58,abs(location['x'])+10,166)))
if location['y']==0:
im_list_down.append(im.crop((abs(location['x']),0,abs(location['x'])+10,58)))
x_offset = 0
for im in im_list_upper:
new_im.paste(im, (x_offset,0))
x_offset += im.size[0]
x_offset = 0
for im in im_list_down:
new_im.paste(im, (x_offset,58))
x_offset += im.size[0]
new_im.save(filename)
return new_im
经过处理后，可以正常还原出来两张图片full.jpg, cut.jpg
计算缺口位置
在得到了两张图片后，我们需要对他们进行比较，来计算缺口的位置，以便于移动滑块到指定的位置
思路简单点来说，就是设定一个阈值，对每个像素进行比较，找到像素不同的那个点
考虑到滑块的像素为60，所以我们可以设置起始位置为60
方法代码如下：
def get_distance(image1,image2):
left=60
threhold=70
for i in range(left,image1.size[0]):
for j in range(image1.size[1]):
rgb1=image1.load()[i,j]
rgb2=image2.load()[i,j]
res1=abs(rgb1[0]-rgb2[0])
res2=abs(rgb1[1]-rgb2[1])
res3=abs(rgb1[2]-rgb2[2])
if not (res1 < threhold and res2 < threhold and res3 < threhold):
return i
return left
划重点- 核心逻辑之移动滑块算法
在获得缺口位置后，只需要移动滑块即可，但是这里极验证对轨迹数据也进行了校验，换句话说，如果轨迹模拟被识别出是程序控制的，极验证也无法通过，这种情况会出提示信息“怪兽吃了拼图 再来一次”
经过尝试，这里给出一个简单可靠的算法
slider=driver.find_element_by_class_name("gt_slider_knob")
from selenium.webdriver import ActionChains
ActionChains(driver).click_and_hold(slider).perform()
left = dis-6
while left>0:
import random
x = min(random.randint(20, 30), left)
print x
ActionChains(driver).move_by_offset(xoffset=x, yoffset=-1).perform()
left -= x
time.sleep(random.random() + 0.15)
ActionChains(driver).release().perform()
至此大功搞成，可以正常实现自动登录或者注册了。
总结
极验证的滑动验证具体还是需要先了解一下页面情况，具体情况具体分析。其中的难点还是滑块的拖动轨迹处理，处理不好，一切白费。