破解極驗滑動驗證碼

阿新 • • 發佈：2018-01-19

ora 十六 rgb 遊戲 form 保存過程每天網頁截圖

閱讀目錄

一介紹
二實現
三說明

一介紹

一些網站會在正常的賬號密碼認證之外加一些驗證碼，以此來明確地區分人/機行為，從一定程度上達到反爬的效果，對於簡單的校驗碼Tesserocr就可以搞定，如下

技術分享圖片

但一些網站加入了滑動驗證碼，最典型的要屬於極驗滑動認證了，極驗官網：http://www.geetest.com/，下圖是極驗的登錄界面

技術分享圖片

現在極驗驗證碼已經更新到了 3.0 版本，截至 2017 年 7 月全球已有十六萬家企業正在使用極驗，每天服務響應超過四億次，廣泛應用於直播視頻、金融服務、電子商務、遊戲娛樂、政府企業等各大類型網站

對於這類驗證，如果我們直接模擬表單請求，繁瑣的認證參數與認證流程會讓你蛋碎一地，我們可以用selenium驅動瀏覽器來解決這個問題，大致分為以下幾個步驟

#步驟一:點擊按鈕，彈出沒有缺口的圖片

#步驟二：獲取步驟一的圖片

#步驟三：點擊滑動按鈕，彈出帶缺口的圖片

#步驟四：獲取帶缺口的圖片

#步驟五：對比兩張圖片的所有RBG像素點，得到不一樣像素點的x值，即要移動的距離

#步驟六：模擬人的行為習慣（先勻加速拖動後勻減速拖動），把需要拖動的總距離分成一段一段小的軌跡

#步驟七：按照軌跡拖動，完全驗證

#步驟八：完成登錄

二實現

#安裝：selenium+chrome/phantomjs

#安裝：Pillow
Pillow:基於PIL，處理python 3.x的圖形圖像庫.因為PIL只能處理到python 2.x，而這個模塊能處理Python3.x，目前用它做圖形的很多.
http: 
//www.cnblogs.com/apexchu/p/4231041.html

C:\Users\Administrator>pip3 install pillow
C:\Users\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from PIL import 
 Image
>>>

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from PIL import Image
import time

def get_snap():
    ‘‘‘
    對整個網頁截圖，保存成圖片，然後用PIL.Image拿到圖片對象
    :return: 圖片對象
    ‘‘‘
    driver.save_screenshot(‘snap.png‘)
    page_snap_obj=Image.open(‘snap.png‘)
    return page_snap_obj

def get_image():
    ‘‘‘
    從網頁的網站截圖中，截取驗證碼圖片
    :return: 驗證碼圖片
    ‘‘‘
    img=wait.until(EC.presence_of_element_located((By.CLASS_NAME,‘geetest_canvas_img‘)))
    time.sleep(2) #保證圖片刷新出來
    localtion=img.location
    size=img.size

    top=localtion[‘y‘]
    bottom=localtion[‘y‘]+size[‘height‘]
    left=localtion[‘x‘]
    right=localtion[‘x‘]+size[‘width‘]

    page_snap_obj=get_snap()
    crop_imag_obj=page_snap_obj.crop((left,top,right,bottom))
    return crop_imag_obj


def get_distance(image1,image2):
    ‘‘‘
    拿到滑動驗證碼需要移動的距離
    :param image1:沒有缺口的圖片對象
    :param image2:帶缺口的圖片對象
    :return:需要移動的距離
    ‘‘‘
    threshold=60
    left=57
    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 < threshold and res2 < threshold and res3 < threshold):
                return i-7 #經過測試，誤差為大概為7
    return i-7 #經過測試，誤差為大概為7


def get_tracks(distance):
    ‘‘‘
    拿到移動軌跡，模仿人的滑動行為，先勻加速後勻減速
    勻變速運動基本公式：
    ①v=v0+at
    ②s=v0t+?at2
    ③v2-v02=2as

    :param distance: 需要移動的距離
    :return: 存放每0.3秒移動的距離
    ‘‘‘
    #初速度
    v=0
    #單位時間為0.2s來統計軌跡，軌跡即0.2內的位移
    t=0.3
    #位移/軌跡列表，列表內的一個元素代表0.2s的位移
    tracks=[]
    #當前的位移
    current=0
    #到達mid值開始減速
    mid=distance*4/5

    while current < distance:
        if current < mid:
            # 加速度越小，單位時間的位移越小,模擬的軌跡就越多越詳細
            a= 2
        else:
            a=-3

        #初速度
        v0=v
        #0.2秒時間內的位移
        s=v0*t+0.5*a*(t**2)
        #當前的位置
        current+=s
        #添加到軌跡列表
        tracks.append(round(s))

        #速度已經達到v,該速度作為下次的初速度
        v=v0+a*t
    return tracks


try:
    driver=webdriver.Chrome()
    driver.get(‘https://account.geetest.com/login‘)
    wait=WebDriverWait(driver,10)

    #步驟一：先點擊按鈕，彈出沒有缺口的圖片
    button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,‘geetest_radar_tip‘)))
    button.click()

    #步驟二：拿到沒有缺口的圖片
    image1=get_image()

    #步驟三：點擊拖動按鈕，彈出有缺口的圖片
    button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,‘geetest_slider_button‘)))
    button.click()

    #步驟四：拿到有缺口的圖片
    image2=get_image()

    # print(image1,image1.size)
    # print(image2,image2.size)

    #步驟五：對比兩張圖片的所有RBG像素點，得到不一樣像素點的x值，即要移動的距離
    distance=get_distance(image1,image2)

    #步驟六：模擬人的行為習慣（先勻加速拖動後勻減速拖動），把需要拖動的總距離分成一段一段小的軌跡
    tracks=get_tracks(distance)
    print(tracks)
    print(image1.size)
    print(distance,sum(tracks))


    #步驟七：按照軌跡拖動，完全驗證
    button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,‘geetest_slider_button‘)))
    ActionChains(driver).click_and_hold(button).perform()
    for track in tracks:
        ActionChains(driver).move_by_offset(xoffset=track,yoffset=0).perform()
    else:
        ActionChains(driver).move_by_offset(xoffset=3,yoffset=0).perform() #先移過一點
        ActionChains(driver).move_by_offset(xoffset=-3,yoffset=0).perform() #再退回來，是不是更像人了

    time.sleep(0.5) #0.5秒後釋放鼠標
    ActionChains(driver).release().perform()


    #步驟八：完成登錄
    input_email=driver.find_element_by_id(‘email‘)
    input_password=driver.find_element_by_id(‘password‘)
    button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,‘login-btn‘)))

    input_email.send_keys(‘[email protected]‘)
    input_password.send_keys(‘linhaifeng123‘)
    # button.send_keys(Keys.ENTER)
    button.click()

    import time
    time.sleep(200)
finally:
    driver.close()

View Code

案例：

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from PIL import Image
import time

def get_snap():
    driver.save_screenshot(‘full_snap.png‘)
    page_snap_obj=Image.open(‘full_snap.png‘)
    return page_snap_obj

def get_image():
    img=driver.find_element_by_class_name(‘geetest_canvas_img‘)
    time.sleep(2)
    location=img.location
    size=img.size

    left=location[‘x‘]
    top=location[‘y‘]
    right=left+size[‘width‘]
    bottom=top+size[‘height‘]

    page_snap_obj=get_snap()
    image_obj=page_snap_obj.crop((left,top,right,bottom))
    # image_obj.show()
    return image_obj

def get_distance(image1,image2):
    start=57
    threhold=60

    for i in range(start,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])
            # print(res1,res2,res3)
            if not (res1 < threhold and res2 < threhold and res3 < threhold):
                return i-7
    return i-7

def get_tracks(distance):
    distance+=20 #先滑過一點，最後再反著滑動回來
    v=0
    t=0.2
    forward_tracks=[]

    current=0
    mid=distance*3/5
    while current < distance:
        if current < mid:
            a=2
        else:
            a=-3

        s=v*t+0.5*a*(t**2)
        v=v+a*t
        current+=s
        forward_tracks.append(round(s))

    #反著滑動到準確位置
    back_tracks=[-3,-3,-2,-2,-2,-2,-2,-1,-1,-1] #總共等於-20

    return {‘forward_tracks‘:forward_tracks,‘back_tracks‘:back_tracks}

try:
    # 1、輸入賬號密碼回車
    driver = webdriver.Chrome()
    driver.implicitly_wait(3)
    driver.get(‘https://passport.cnblogs.com/user/signin‘)

    username = driver.find_element_by_id(‘input1‘)
    pwd = driver.find_element_by_id(‘input2‘)
    signin = driver.find_element_by_id(‘signin‘)

    username.send_keys(‘linhaifeng‘)
    pwd.send_keys(‘xxxxx‘)
    signin.click()

    # 2、點擊按鈕，得到沒有缺口的圖片
    button = driver.find_element_by_class_name(‘geetest_radar_tip‘)
    button.click()

    # 3、獲取沒有缺口的圖片
    image1 = get_image()

    # 4、點擊滑動按鈕，得到有缺口的圖片
    button = driver.find_element_by_class_name(‘geetest_slider_button‘)
    button.click()

    # 5、獲取有缺口的圖片
    image2 = get_image()

    # 6、對比兩種圖片的像素點，找出位移
    distance = get_distance(image1, image2)

    # 7、模擬人的行為習慣，根據總位移得到行為軌跡
    tracks = get_tracks(distance)
    print(tracks)

    # 8、按照行動軌跡先正向滑動，後反滑動
    button = driver.find_element_by_class_name(‘geetest_slider_button‘)
    ActionChains(driver).click_and_hold(button).perform()

    # 正常人類總是自信滿滿地開始正向滑動，自信地表現是瘋狂加速
    for track in tracks[‘forward_tracks‘]:
        ActionChains(driver).move_by_offset(xoffset=track, yoffset=0).perform()

    # 結果傻逼了，正常的人類停頓了一下，回過神來發現，臥槽，滑過了,然後開始反向滑動
    time.sleep(0.5)
    for back_track in tracks[‘back_tracks‘]:
        ActionChains(driver).move_by_offset(xoffset=back_track, yoffset=0).perform()

    # 小範圍震蕩一下，進一步迷惑極驗後臺，這一步可以極大地提高成功率
    ActionChains(driver).move_by_offset(xoffset=-3, yoffset=0).perform()
    ActionChains(driver).move_by_offset(xoffset=3, yoffset=0).perform()

    # 成功後，騷包人類總喜歡默默地欣賞一下自己拼圖的成果，然後戀戀不舍地松開那只臟手
    time.sleep(0.5)
    ActionChains(driver).release().perform()

    time.sleep(10)  # 睡時間長一點，確定登錄成功
finally:
    driver.close()

破解博客園後臺登錄

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from PIL import Image
import time

def get_snap(driver):
    driver.save_screenshot(‘full_snap.png‘)
    page_snap_obj=Image.open(‘full_snap.png‘)
    return page_snap_obj

def get_image(driver):
    img=driver.find_element_by_class_name(‘geetest_canvas_img‘)
    time.sleep(2)
    location=img.location
    size=img.size

    left=location[‘x‘]
    top=location[‘y‘]
    right=left+size[‘width‘]
    bottom=top+size[‘height‘]

    page_snap_obj=get_snap(driver)
    image_obj=page_snap_obj.crop((left,top,right,bottom))
    # image_obj.show()
    return image_obj

def get_distance(image1,image2):
    start=57
    threhold=60

    for i in range(start,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])
            # print(res1,res2,res3)
            if not (res1 < threhold and res2 < threhold and res3 < threhold):
                return i-7
    return i-7

def get_tracks(distance):
    distance+=20 #先滑過一點，最後再反著滑動回來
    v=0
    t=0.2
    forward_tracks=[]

    current=0
    mid=distance*3/5
    while current < distance:
        if current < mid:
            a=2
        else:
            a=-3

        s=v*t+0.5*a*(t**2)
        v=v+a*t
        current+=s
        forward_tracks.append(round(s))

    #反著滑動到準確位置
    back_tracks=[-3,-3,-2,-2,-2,-2,-2,-1,-1,-1] #總共等於-20

    return {‘forward_tracks‘:forward_tracks,‘back_tracks‘:back_tracks}

def crack(driver): #破解滑動認證
    # 1、點擊按鈕，得到沒有缺口的圖片
    button = driver.find_element_by_class_name(‘geetest_radar_tip‘)
    button.click()

    # 2、獲取沒有缺口的圖片
    image1 = get_image(driver)

    # 3、點擊滑動按鈕，得到有缺口的圖片
    button = driver.find_element_by_class_name(‘geetest_slider_button‘)
    button.click()

    # 4、獲取有缺口的圖片
    image2 = get_image(driver)

    # 5、對比兩種圖片的像素點，找出位移
    distance = get_distance(image1, image2)

    # 6、模擬人的行為習慣，根據總位移得到行為軌跡
    tracks = get_tracks(distance)
    print(tracks)

    # 7、按照行動軌跡先正向滑動，後反滑動
    button = driver.find_element_by_class_name(‘geetest_slider_button‘)
    ActionChains(driver).click_and_hold(button).perform()

    # 正常人類總是自信滿滿地開始正向滑動，自信地表現是瘋狂加速
    for track in tracks[‘forward_tracks‘]:
        ActionChains(driver).move_by_offset(xoffset=track, yoffset=0).perform()

    # 結果傻逼了，正常的人類停頓了一下，回過神來發現，臥槽，滑過了,然後開始反向滑動
    time.sleep(0.5)
    for back_track in tracks[‘back_tracks‘]:
        ActionChains(driver).move_by_offset(xoffset=back_track, yoffset=0).perform()

    # 小範圍震蕩一下，進一步迷惑極驗後臺，這一步可以極大地提高成功率
    ActionChains(driver).move_by_offset(xoffset=-3, yoffset=0).perform()
    ActionChains(driver).move_by_offset(xoffset=3, yoffset=0).perform()

    # 成功後，騷包人類總喜歡默默地欣賞一下自己拼圖的成果，然後戀戀不舍地松開那只臟手
    time.sleep(0.5)
    ActionChains(driver).release().perform()

def login_cnblogs(username,password):
    driver = webdriver.Chrome()
    try:
        # 1、輸入賬號密碼回車
        driver.implicitly_wait(3)
        driver.get(‘https://passport.cnblogs.com/user/signin‘)

        input_username = driver.find_element_by_id(‘input1‘)
        input_pwd = driver.find_element_by_id(‘input2‘)
        signin = driver.find_element_by_id(‘signin‘)

        input_username.send_keys(username)
        input_pwd.send_keys(password)
        signin.click()

        # 2、破解滑動認證
        crack(driver)

        time.sleep(10)  # 睡時間長一點，確定登錄成功
    finally:
        driver.close()

if __name__ == ‘__main__‘:
    login_cnblogs(username=‘linhaifeng‘,password=‘xxxx‘)

修訂版

三說明

　　面對簡單的滑動驗證碼，極驗其實是有更復雜版本的，如下所示

技術分享圖片

機器識別難度高了，大部分屌絲碼農搞不定了。然而人類也蒙蔽了，易用性降到極低。

使用了上述驗證的網站常常會在用戶一片怨聲載道中，又將其恢復成易於破解的滑動驗證。

驗證過程，是個破解難度、用戶體驗之間的一個平衡點。體驗越好的，破解也越容易。
嘲諷驗證碼無效，破解簡單，是很 LOW 的行為。

網站方、驗證碼平臺方，知道你能破解，你牛 B。。。更難的驗證碼他們也有，只是這會嚴重降低體驗，他們不用而已。

破解極驗滑動驗證碼

ora 十六 rgb 遊戲 form 保存過程每天網頁截圖閱讀目錄一介紹二實現三說明一介紹一些網站會在正常的賬號密碼認證之外加一些驗證碼，以此來明確地區分人/機行為，從一定程度上達到反爬的效果，對於簡單的校驗碼Tesseroc

高階Python爬蟲實戰：破解極驗滑動驗證碼

今天給大家帶來的是極驗驗證碼的selenium破解之法，是不是有點小激動呢，小夥伴們等不及了，讓

95行代碼極驗滑動驗證碼？是遠遠不夠的！大牛石錘！

過程零基礎行處理 ima 挑戰卷積卷積神經網絡都在一場一直以來，極驗堅持的理念是：醉心技術，以不變之變以應萬變。通過不斷地鉆研技術，升級產品，每日叠代更新，全網聯動聯防。在攻防過程中，始終將對手甩在身後，我們團隊始終堅守著，因為我們相信行動才是最好的回應。

Python網路爬蟲之極驗滑動驗證碼識別

驗證碼分析使用程式碼完成極驗驗證碼的識別，需要了解一下幾點：通過該驗證碼的識別動作為：點選並拖拽滑塊 - 滑動滑塊至缺口處 - 釋放滑鼠該驗證碼增加了機器學習來識別拖動的軌跡，即：

295day（圖形驗證碼的識別，極驗滑動驗證碼識別原理）

《2018年7月24日》【連續295天】標題：圖形驗證碼的識別，極驗滑動驗證碼識別原理；內容：圖形驗證碼：測試： import tesserocr from PIL import Image image =Image.open('code.jpg')

破解極驗(geetest)驗證碼

最近在搞爬蟲的時候在好幾個網站都碰到了一種叫做geetest的滑動條驗證碼，一直沒有太好的辦法只能在觸發這個驗證碼後發個報警去手動處理一下。http://www.geetest.com/exp_embed是他們官網的樣例。後來研究了下覺得要破解這

thinkphp整合極驗滑動驗證碼原始碼演示下載

<!DOCTYPE html><html lang="en"><head><meta charset="UTF-8"><title>使用者1</title><meta http-equiv="Cache-Control" conte

爬蟲進階教程：極驗(GEETEST)驗證碼破解教程

摘要: 爬蟲最大的敵人之一是什麼？沒錯，驗證碼！Geetest作為提供驗證碼服務的行家，市場佔有率還是蠻高的。遇到Geetest提供的滑動驗證碼怎麼破？授人予魚不如授人予漁，接下來就為大家呈現本教程的精彩內容。一、前言爬蟲最大的敵人之一是什麼？沒錯，驗證碼！Ge

vue-cookies、極驗滑動驗證geetest、vue-router的導航守衛

一 . vue-cookies 　　參考文件簡書：https://www.jianshu.com/p/535b53989b39 　　參考文件npm：https://www.npmjs.com/package/vue-cook

【2018.12.14】java + selenium 破解騰訊滑動驗證碼

最近開始新專案web自動化，登入頁面有個驗證碼，很難受。經過百度、谷歌、若干大法，終於實現了登入。欽此。下面是個老哥用python寫的 https://www.jianshu.com/p/832b76dfe6a1?from=timeline package com.answ

破解滑動驗證碼(極驗)

from selenium.webdriver import ActionChains from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.support.ui im

極驗驗證的滑動驗證碼破解

題記——毛主席教導我們一切帝國主義都是紙老虎極驗驗證（http://www.geetest.com）是目前比較前沿新穎的一種驗證方式，相比傳統的字元型驗證碼更加人性化，使用者驗證的時間更短，更具互動

滑動驗證碼破解—python—以某東網站為例

目前很多網站的登入都需要採用驗證碼的方式進行登入，這一定程度上增大的爬蟲的難度。以極驗驗證碼為例，這家公司的驗證碼在國內的使用者很多，在業界也很出名。出於好奇心和學術研究的目的，我嘗試了破解某東的驗證碼，也查了很多別人的部落格和資料，最後算是成功了吧。一、破解過程分析

滑動驗證碼破解（selenium+PIL）-嗶哩嗶哩bilibili

#本文思路通過selenium模擬瀏覽器空值瀏覽器進行驗證碼的操作，利用PIL圖片處理工具進行對圖片處理，識別到圖片要滑動過去的陰影距離小知識點： 1、ActionChains方法是捕捉控制滑鼠進行操作，click_and_hold 點選不放，move_by_offset 按座

破解滑動驗證碼（selenium, opencv）

概述由於本人近期參加一個遊戲比賽，然後有個拉票的環節，票高者得人氣獎。又比較懶不想到處拉票麻煩別人。就想自己嘗試著破解驗證碼然後來達到刷票的目的。這個也純屬娛樂，最後發現是不可行的。最終目標：實現自動點選紅星，並且拖動完成驗證自動點選並且獲取

爬蟲模擬登入破解無原圖滑動驗證碼

模擬登入物件:部落格園驗證碼型別：無原圖滑動驗證碼使用工具與模組:python，selenium 瀏覽器：Chrome 大體思路:以前的滑動驗證碼多為有原圖的驗證碼，可以通過Image模組擷取兩張不同的圖，通過對比畫素得出移動的距離，無原圖驗證碼也是基於這個原理，只是多了一步找出原圖，

gsxt滑動驗證碼

list 驗證 class sha 包含模擬解答賦值 load 最後，談談滑動驗證碼。目前，工商網站已經全面改版，全部采用了滑動驗證碼，上面絕大多數思路都失效了。對於滑動驗證碼，網上能搜到的解決方案基本都是下載圖片，還原圖片，算出滑動距離，然後模擬js來進行拖動解決

聽說驗證碼戰場硝煙彌漫，你看滑動驗證碼這名小將如何？

有趣怎麽軌跡除了 term 機器學習 dba pre 不同聽說驗證碼戰場硝煙彌漫上一期我們簡單的介紹了圖形驗證碼這名小將。如今驗證碼的戰場怪相橫生。接下來，我們介紹一下滑動驗證碼吧！它是怎麽樣的呢？像手機解鎖一樣？爆照！如下為網易雲易盾的行為式驗證碼中的滑動驗證

1 如何引用第三方滑動驗證碼

login ... ajax pre else 網站 button val ssi 參考：極驗科技：https://docs.geetest.com/install/deploy/server/python 1 安裝requests 　　pip install reques

破解極驗滑動驗證碼

一 介紹

二 實現

三 說明

相關推薦

一介紹

二實現

三說明