Python Selenium破解滑塊驗證碼最新版(GEETEST95%以上通過率)

一、滑塊驗證碼簡述

       有爬蟲,自然就有反爬蟲,就像病毒和殺毒軟件一樣,有攻就有防,兩者彼此推進發展。而目前最流行的反爬技術驗證碼,為瞭防止爬蟲自動註冊,批量生成垃圾賬號,幾乎所有網站的註冊頁面都會用到驗證碼技術。其實驗證碼的英文為 CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart),翻譯成中文就是全自動區分計算機和人類的公開圖靈測試,它是一種可以區分用戶是計算機還是人的測試,隻要能通過 CAPTCHA 測試,該用戶就可以被認為是人類。由此也可知道破解滑塊驗證碼的關鍵即是讓計算機更好的模擬人的行為,這也是破解的難點所在。

二、環境配置

1.安裝

selenium 支持 python2.7 以及 python3.5 等主流 python 版本,其安裝較為簡單,有網的環境下,打開cmd輸入即可自動安裝:

pip install selenium

2.webdriver

selenium 安裝完成後,下載所選瀏覽器的 webdriver,本文以 ChromeDriver為例,下載解壓後切記將.exe文件放入對應Python應用程序的同級目錄下,以確保將 webdriver 的路徑添加至系統 PATH 變量中。同時還需將.exe文件放入Chrome應用程序的同級目錄下,註意下載的ChromeDriver版本需與Chrome瀏覽器版本對應才可使用。ChromeDriver下載地址

3.相關庫與模板

#圖像處理標準庫
from PIL import Image  
#web測試
from selenium import webdriver
#鼠標操作
from selenium.webdriver.common.action_chains import ActionChains
#等待時間 產生隨機數 
import time,random

三、破解步驟

本文以春秋官網為例:

  • 保存滑塊驗證碼原圖到本地。
  • 利用selenium進入滑塊驗證碼頁面,截取所需頁面圖片。
  • 通過圖片像素對比分析獲取缺口位置與滑塊移動距離。
  • 機器模擬人工滑動軌跡。

四、代碼實現

首先通過selenium對網頁元素爬取進入滑塊驗證碼頁面

#打開頁面至屏幕最大尺寸
driver = webdriver.Chrome()
driver.get('https://account.ch.com/NonRegistrations-Regist')
driver.maximize_window()
#獲取輸入手機號碼的表單
input1 = driver.find_element_by_name('phoneNumberInput')
# 輸入註冊號碼
input1.send_keys(phoneNumber)
time.sleep(0.2)
#獲取打開滑塊驗證碼頁面的元素
getcheck=driver.find_element_by_id('getDynamicPwd')
#點擊進入滑塊驗證碼頁面
getcheck.click()

如圖1

上周國內最大的驗證碼平臺極驗(GEETEST)進行瞭滑塊驗證碼更新,向反爬蟲又邁進瞭一步,新浪、鬥魚等使用極驗驗證碼的各大網站頁也隨之更新,當然春秋也不例外,此次更新顯然是針對瞭破解滑塊驗證碼的關鍵痛點,在此之前點擊獲取驗證碼,出現滑塊驗證碼界面之後並不會直接出現滑塊,此時可對屏幕進行截圖,當點擊滑動圓球之後才會出現滑塊與缺口,此時再次進行截圖,即可根據兩次截圖的像素RGB值逐一遍歷,找到缺口位置。但更新之後點擊獲取驗證碼,直接會出現滑塊與缺口,如圖1所見。問題來瞭,現在沒有原圖作為參照,怎麼找到缺口位置呢???仔細一想,其實這個問題並不難,無非就是需要一張原圖作為參照,經過觀察發現每個網站的驗證碼背景圖片不過區區幾張,那麼我們可以考慮通過人工滑動滑塊,在成功拼圖後出現完整原圖的那一瞬間進行屏幕截圖,將原圖逐一截圖保存至本地,再通過缺口圖片與本地保存的原圖進行像素RGB值匹配,原圖豈不速速現出原形,缺口圖圓球需滑至最右再進行截圖,下文詳細解釋。

# 獲取拖拽的圓球
slideblock = driver.find_element_by_class_name('geetest_slider_button')
# 鼠標點擊圓球不松開
ActionChains(driver).click_and_hold(slideblock).perform()
# 將圓球滑至相對起點位置的最右邊
ActionChains(driver).move_by_offset(xoffset=250, yoffset=0).perform()
time.sleep(0.4)
# 保存包含滑塊及缺口的頁面截圖
driver.save_screenshot('D:\quekou.png')
# 放開圓球
ActionChains(driver).release(slideblock).perform()
#打開保存至本地的缺口頁面截圖
quekouimg=Image.open('d://quekou.png')
# 匹配本地對應原圖
sourceimg=match_source(quekouimg)
def match_source(image):
  imagea=Image.open('d://source1.png')
  imageb=Image.open('d://source2.png')
  imagec=Image.open('d://source3.png')
  imaged=Image.open('d://source4.png')
  list=[imagea,imageb,imagec,imaged]
  #通過像素差遍歷匹配本地原圖
  for i in list:
    #本人電腦原圖與缺口圖對應滑塊圖片橫坐標相同,縱坐標原圖比缺口圖大88px,可根據實際情況修改
    pixel1=image.getpixel((868,340))
    pixel2=i.getpixel((868,428))
    #pixel[0]代表R值,pixel[1]代表G值,pixel[2]代表B值
    if abs(pixel1[0]-pixel2[0])<5:
      return i
  return image

為瞭更快捷獲取滑塊移動距離,我們可以考慮將滑塊先滑至最右端再進行截圖,因為采用從左往右對比遍歷的方式,采用這種方式能保證第一次獲取到的便是缺口位置,由於滑塊起點相同,此種方法可減少計算滑塊大小這一步(畢竟滑塊大小計算也是通過像素遍歷,沒必要再計算一次)。

# 獲取缺口位置
visualstack=get_diff_location(sourceimg,quekouimg)
# 獲取移動距離loc,827為滑塊起點位置
loc=visualstack-827
# 計算滑塊位移距離
def get_diff_location(image1,image2):
  #(825,1082)(335,463)為滑塊圖片區域,可根據實際情況修改
  for i in range(825,1082):
    for j in range(335,463):
      #遍歷原圖與缺口圖像素值尋找缺口位置
      if is_similar(image1,image2,i,j)==False:
        return i
  return -1
# 對比RGB值得到缺口位置
def is_similar(image1,image2,x,y):
  pixel1=image1.getpixel((x, y+88))
  pixel2=image2.getpixel((x, y))
  # 截圖像素也許存在誤差,50作為容差范圍
  if abs(pixel1[0]-pixel2[0])>=50 and abs(pixel1[1]-pixel2[1])>=50 and abs(pixel1[2]-pixel2[2])>=50:
    return False
  return True

接下來,破解滑塊驗證碼最關鍵也最難的一步來瞭,機器模擬人工滑動軌跡,或許你可以精準滑動到缺口位置,但還是會被識別為機器被怪物吃掉拼圖,本人在測試的時候也是一把辛酸淚,最後經過不斷調試學習,得到一種通過率還OK的滑動軌跡算法,即采用物理加速度位移相關公式按照先快後慢的人工滑動規律進行軌跡計算,同時還采用瞭模擬人滑動超過瞭缺口位置再滑回至缺口的情況以使軌跡更契合人工滑動軌跡。由於項目時間有限,本人就沒花過多時間研究瞭,如果想要99%通過率可以嘗試機器學習,采集人工滑動軌跡進行曲線擬合的方法獲取軌跡。

#滑塊移動軌跡
def get_track(self,distance):
  track=[]
  current=0
  mid=distance*3/4
  t=random.randint(2,3)/10
  v=0
  while current<distance:
     if current<mid:
       a=2
     else:
       a=-3
     v0=v
     v=v0+a*t
     move=v0*t+1/2*a*t*t
     current+=move
     track.append(round(move))
  return track
# 生成拖拽移動軌跡,加3是為瞭模擬滑過缺口位置後返回缺口的情況
track_list=get_track(loc+3)
time.sleep(2)
ActionChains(driver).click_and_hold(slideblock).perform()
time.sleep(0.2)
# 根據軌跡拖拽圓球
for track in track_list:
  ActionChains(driver).move_by_offset(xoffset=track,yoffset=0).perform()
# 模擬人工滑動超過缺口位置返回至缺口的情況,數據來源於人工滑動軌跡,同時還加入瞭隨機數,都是為瞭更貼近人工滑動軌跡
imitate=ActionChains(driver).move_by_offset(xoffset=-1, yoffset=0)
time.sleep(0.015)
imitate.perform()
time.sleep(random.randint(6,10)/10)
imitate.perform()
time.sleep(0.04)
imitate.perform()
time.sleep(0.012)
imitate.perform()
time.sleep(0.019)
imitate.perform()
time.sleep(0.033)
ActionChains(driver).move_by_offset(xoffset=1, yoffset=0).perform()
# 放開圓球
ActionChains(driver).pause(random.randint(6,14)/10).release(slideblock).perform()
time.sleep(2)
#務必記得加入quit()或close()結束進程,不斷測試電腦隻會卡卡西
driver.close()

至此,小白破解滑塊驗證碼就算基本瞭結,整個步驟看起來挺簡單的,但其中的坑大概隻有實踐才會知道,出BUG之後第一件事請認真檢查你的代碼,不要放過任何一個地方,參數、范圍、返回值、取值等等,甚至可能是你最覺得沒問題的地方,往往是問題所在……over

到此這篇關於Python Selenium破解滑塊驗證碼最新版(GEETEST95%以上通過率)的文章就介紹到這瞭,更多相關Python Selenium破解滑塊驗證碼內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!