python滑塊驗證碼的破解實現
阿新 • • 發佈:2020-01-09
破解滑塊驗證碼的思路主要有2種:
- 獲得一張完整的背景圖和一張有缺口的圖片,兩張圖片進行畫素上的一一對比,找出不一樣的座標。
- 獲得一張有缺口的圖片和需要驗證的小圖,兩張圖片進行二極化以及歸一化,確定小圖在圖片中間的座標。
- 之後就要使用初中物理知識了,使用直線加速度模仿人手動操作
本次就使用第2種,第一種比較簡單。廢話不多說,直接上程式碼:
以下均利用無頭瀏覽器進行獲取
獲得滑塊驗證的小圖片
def get_image1(self,driver): """ 獲取滑塊驗證缺口小圖片 :param driver:chrome物件 :return:缺口小圖片 """ canvas = driver.find_element_by_xpath("//div[@id='xy_img']").get_attribute("style") image_data=re.findall("data:image/jpg;base64,(.*?)\"\)",canvas)[0] # print(image_data) binary_image_data=base64.b64decode(image_data,'-_') file_like=BytesIO(binary_image_data) image=Image.open(file_like) return image
一般來說,這張小圖片都是獨立的,比較好獲取,圖片如下:
獲得滑塊驗證的背景圖片
!!!這個背景圖片網頁一般會返回亂序的圖片,然後通過js對圖片進行重新排序,要破解需要的時間較多,且每個js排序演算法不一樣,不具有複用性。這裡就取了個巧,直接對當前瀏覽器截圖,然後在擷取指定範圍圖片。
def get_image2(self,driver): """ 獲取滑塊驗證碼背景圖片 :param driver:chrome物件 :return:背景圖片 """ driver.save_screenshot('yanzhengma.png') # 通過圖片元素節點獲取座標值 # element = driver.find_element_by_id("bgImg") # left = element.location['x'] # top = element.location['y'] # right = element.location['x'] + element.size['width'] # bottom = element.location['y'] + element.size['height'] # 通過畫圖軟體直接獲取相應圖片的座標值 left=359 top=238 right=658 bottom=437 # print((left,top,right,bottom)) im = Image.open('yanzhengma.png') im = im.crop((left,bottom)) return im
圖片如下:
軌跡計算方法
def get_track(self,distance): """ 根據偏移量獲取移動軌跡 :param distance:偏移量 :return:移動軌跡 """ # 移動軌跡 track = [] # 當前位移 current = 0 # 減速閾值 mid = distance * 4 / 5 # 計算間隔 t = 0.2 # 初速度 v = 0 while current < distance: if current < mid: # 加速度為正2 a = 2 else: # 加速度為負3 a = -3 # 初速度v0 v0 = v # 當前速度v = v0 + at v = v0 + a * t # 移動距離x = v0t + 1/2 * a * t^2 move = v0 * t + 1 / 2 * a * t * t # 當前位移 current += move # 加入軌跡 track.append(round(move)) return track
驗證主程式
def slider_verification_code(self,driver,cnt): """ 破解滑塊驗證主程式 :param driver:chrome物件;cnt:已驗證次數 :return:已驗證次數 """ print("出現滑塊驗證,驗證中") # 1、出現滑塊驗證,獲取驗證小圖片 picture1 = self.get_image1(driver) picture1.save("./picture1.png") # 2、獲取有缺口驗證圖片 picture2 = self.get_image2(driver) picture2.save("./picture2.png") #二值化圖片,進行對比,輸出匹配的座標系 target_rgb=cv2.imread("./picture2.png") target_gray=cv2.cvtColor(target_rgb,cv2.COLOR_BGR2GRAY) template_rgb=cv2.imread("./picture1.png",0) res=cv2.matchTemplate(target_gray,template_rgb,cv2.TM_CCOEFF_NORMED) value=cv2.minMaxLoc(res) value = value[3][0] cnt += 1 print("需要位移的距離為:"+str(value)+",已驗證"+str(cnt)+"次") #根據距離獲取位移的軌跡路線 track=self.get_track(value) time.sleep(1) ActionChains(driver).click_and_hold(driver.find_element_by_class_name("handler.handler_bg")).perform() for x in track: ActionChains(driver).move_by_offset(xoffset=x,yoffset=0).perform() time.sleep(0.5) ActionChains(driver).release().perform() return cnt
看!有 飛 機:
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。