Class 18 - 1 圖形驗證碼的識別
1、圖形驗證碼的識別php
- 先將驗證碼的圖片保存到本。
- 打開開發者工具，找到驗證碼元素。驗證碼元素是一張圖片，src 屬性是 CheckCode.aspx。打開連接 http://my.cnki.net/elibregister/CheckCode.aspx，保存並命名爲 code.jpg。
- 識別測試
- 新建一個項目，將驗證碼圖片放到項目根目錄下，用 tesserocr 庫識別驗證碼，示例：
import tesserocr from PIL import Image image = Image.open('code.jpg') result = tesserocr.image_to_text(image) print(result)
這裏新建了一個 Image 對象，調用 tesserocr 的 image_to_ text（）方法。傳入該 Image 對象 便可完成識別。css
-
tesserocr 還有一個更加簡單的方法，這個方法可直接將圖片文件轉爲字符串，代碼：html
import tesserocr print(tesserocr.file_to_text('image.png'))
此方法的識別效果不如上一種方法好。python
- 新建一個項目，將驗證碼圖片放到項目根目錄下，用 tesserocr 庫識別驗證碼，示例：
-
驗證碼處理web
-
換一個驗證碼帶有多線條，命名爲 code2.jpg。從新識別和實際結果有誤差。算法
-
對於有線條幹擾狀況，還須要作額外處理，如轉灰度、二值化等操做。 能夠利用 Image 對象的 convert（）方法參數傳人 L，便可將圖片轉化爲灰度圖像，示例：json
image = image.convert('L') image.show()
傳入1 便可將圖片進行二值化處理：canvas
image = image.convert('1') image.show()
還能夠指定二值化的閾值，上面的方法採用的是默認閾(yù)值。以上方法採用默認闊值 127。不能直接轉化原圖，要將原圖先轉爲灰度圖像，再指定二值化闊值，代碼：api
import tesserocr from PIL import Image image = Image.open('code.jpg') image = image.convert('L') threshold = 80 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) image = image.point(table,'1') image.show()
變量 threshold 表明二值化閾值，閾值設置爲 80。原來驗證碼中的線條已經去除，整個驗證碼將會變得黑向分明。這時再從新識別驗證碼，代碼：瀏覽器
import tesserocr from PIL import Image image = Image.open('code2.jpg') image = image.convert('L') threshold = 127 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) image = image.point(table,'1') result = tesserocr.image_to_text(image) print(result)
針對一些有干擾的圖片，作一些灰度和二值化處理，會提升圖片識別的正確率。
- 閾值：繼續遍歷圖片。若是圖片灰度值大於閾值說明是背景圖片，將之顏色設置爲白色，不然是文字，顏色設置爲黑色
-
大概邏輯:
-
(計次循環首(圖片.取寬度(),x)
計次循環首(圖片.取高度(),y)
‘遍歷每個像素點
‘取出遍歷到的當前像素點顏色
顏色值=到字節集(圖片.取某點顏色值(x-1,y-1))
‘計算灰度值
灰度值=(顏色值[1]+顏色值[2]+顏色值[3])/3
‘將灰度值放回圖片
連續賦值(灰度值,顏色值[1],顏色值[2],顏色值[3])
圖片.寫某點顏色值(x-1,y-1,灰度值)
計次循環尾()
計次循環尾()
圖片.取圖片數據()
-
-
2、極驗滑動驗證碼的識別
- 識別思路
- 首先找到一個帶有極驗驗證的網站，如極驗官方後臺，連接:https://account.geetest.com/login。
-
可使用Selenium來徹底模擬人的行爲的方式來完成驗證。(通常，驗證須要三步：)
- 模擬點擊驗證按鈕： 能夠直接用Selenium 模擬點擊按鈕
- 識別滑動缺口的位置：
- 模擬拖動滑塊
- 識別滑動缺口的位置的操做比較關鍵，須要用到圖像相關處理方法
- 首先觀察圖像：缺口的四周邊緣有明顯的斷裂邊緣，邊緣和邊緣周圍有明顯的區別。能夠實現一個邊緣檢測算法來找出缺口的位置。對於極驗驗證碼來講，能夠利用和原圖對比檢測的方式來識別缺口的位置，由於在沒有滑動滑塊以前， 缺口並無呈現。
-
能夠同時獲取兩張圖片。設定一個對比閾值，而後遍歷兩張圖片，找出相同位置像素 RGB 差距超過此閾值的像素點，那麼此像素點的位置就是缺口的位置。
- 模擬拖動滑塊中須要走注意：極驗驗證碼增長了機器軌跡識別，勻速移動、 隨機速度移動等方法都不能經過驗證，只有徹底模擬人的移動軌跡才能夠經過驗證。 人的移動軌跡通常是先加速後減速，須要模擬這個過程才能成功。
- 識別滑動缺口的位置的操做比較關鍵，須要用到圖像相關處理方法
- 初始化
- 選定連接：https://account.geetest.com/login，極驗的管理後臺登陸頁面。首先初始化一些配置，如 Selenium 對象的初始化及一些參數的配置，示例：
from selenium import webdriver from selenium.webdriver.support.wait import WebDriverWait EMAIL = 'test@test.com' PASSWORD = '123456' class CrackGeetest(): def __init__(self): self.url = 'https://account.geetest.com/login' self.browser = webdriver.Chrome() self.wait = WebDriverWait(self.browser,20) self.email = EMAIL self.password = PASSWORD
其中， EMAIL 和 PASSWORD 就是登陸極驗須要的用戶名和密碼，若是沒有需先註冊。
- 選定連接：https://account.geetest.com/login，極驗的管理後臺登陸頁面。首先初始化一些配置，如 Selenium 對象的初始化及一些參數的配置，示例：
-
模擬點擊
-
實現第一步的操做，也就是模擬點擊初始的驗證按鈕
-
定義一個方法來獲取這個按鈕，利用顯式等待的方法來實現，示例：
def get_geetest_button(self): "獲取初始驗證按鈕：return:按鈕對象" button = self.wait.unil(EC.element_to_be_clickable((By.CLASS_NAME,'geetest_radar_tip'))) return button
獲取一個WebElement對象，調用它的click（）方法便可模擬點擊，示例：
#點擊驗證按鈕 button = get_geetest_button() button.click()
完成第一步模擬點擊驗證按鈕
-
-
-
識別缺口
-
識別缺口的位置。
-
首先獲取先後兩張比對圖片，兩者不一致的地方即爲缺口 。獲取不帶缺口圖片，利用 Selenium選取圖片元素，獲得其所在位置和寬高，而後獲取整個網頁的截圖，圖片裁切出來便可，代碼：
def get_position(self): """獲取驗證碼位置：return：驗證碼位置元組""" img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_canvas_img'))) time.sleep(2) location =img.location size = img.size top, bottom, left, right = location['y'],location['y']+size['weight'],location['x'],location['x']+size['width'] return(top, bottom, left, right) def get_geetest_image(self,name='captcha.png'): """獲取驗證碼圖片：return：圖片對象""" top,bottom,left,right = self.get_position() print('驗證碼位置', top, bottom, left, right) screenshot = self.get_screenshot() captcha = screenshot.crop((left, top, right, bottom)) return captcha
這裏 get_position（）函數首先獲取圖片對象，獲取它的位置和寬高，隨後返回其左上角和右下角的座標 get_geetest_image（）方法獲取網頁截圖，調用 crop（）方法將圖片裁切出來，返回的是 Image 對象
- 接下來須要獲取第二張圖片，也就是帶缺口的圖片。要使得圖片出現缺口，只須要點擊下方的滑塊便可。這個動做觸發以後，圖片中的缺口就會顯現，代碼：
def get_slider(self): """獲取滑塊：return：滑塊對象""" slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'greetest_slider_button'))) return slider
利用 get_slider（）方法獲取滑塊對象，調用 click（）方法便可觸發點擊，缺口圖片便可呈現，代碼：
#點按呼出缺口 slider = self.get_slider() slider.click()
調用 get_geetest_image()方法將第二張圖片獲取下來便可。
- 如今已經獲得兩張圖片對象，分別賦值給變量 image1 和 image2。再對比圖片獲取缺口。這裏遍歷圖片的每一個座標點，獲取兩張圖片對應像素點的 RGB 數據。若是兩者 RGB 數據差距距在必定範圍內，那就表明兩個像素相同，繼續比對下一個像素點 若是差距超過必定範圍，則表明像素點不一樣，當前位置即爲缺口位置，代碼：
def is_pixel_equal(self, image1, image2, x, y): """判斷兩個像素是否相同 ：param image1：圖片1 ：param image1：圖片1 ：param x：位置x ：param y：位置y ：return：像素是否相同""" #取兩個圖片的像素點 pixel1 = image1.load()[x, y] pixel2 = image2.load()[x, y] threshold = 60 if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(pixel1[2] -pixel2[2])<threshold: return True else: return False def get_gap(self, image1, image2): """獲取缺口偏移量 ：param image1：不帶缺口圖片 ：param image2：帶缺口圖片 ：return：""" left = 60 for i in range(left,image1.size[0]): for j in range(image1.size[1]): if not self.is_pixel_equal(image1, image2, i, j): left = i return left return left
get_gap（）方法即獲取缺口位置的方法。此方法的參數是兩張圖片， 一張爲帶缺口圖片，另外一張爲不帶缺口圖片。遍歷兩張圖片的每一個像素，利用 is_pixel_equal（）方法判斷兩張圖片同一位置的 像素是杏相同。比較兩張圖 RGB 的絕對值是否均小於定義的閾值 threshold。若是絕對值均在闊值之 內，則表明像素點相同，繼續遍歷。不然表明不相同的像素點，即缺口的位置。
- 滑塊的位置會出如今左邊位置，缺口會出如今與滑塊同一水平線的位置，因此缺口通常會在滑塊的右側。若是要尋找缺口，直接從滑塊右側尋找便可。直接設置遍歷的起始橫座標爲 60，也就是從滑塊的右側開始識別，這樣識別出的結果就是缺口的位置。
-
-
- 模擬拖動
- 徹底模擬加速減速的過程也就是人拖動滑塊的操做經過驗證。前段滑塊作勻加速運動，後段滑塊作勻減速運動，利用加速度公式便可完成驗證。
- 滑塊滑動的加速度用 a 表示, 當前速度用 v 表示，初速用 v0 表示，位移用 x 表示，所需時間用t 表示，知足關係：
- x = v0*t + 0.5*a*t*t
- v = v0 + a*t
- 利用這兩個公式能夠構造軌跡移動算法，計算出先加速後減速的運動軌跡，代碼：
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: a = 2 else: a = -3 #初速度 V0 v0 = v v = v0 + a*t move = v0 *t +1/2 *a *t *t current += move #加入軌跡 track.append(round(move)) return track
定義 get_ rack（）方法，傳人的參數爲移動的總距離，返回的是運動軌跡。運動軌跡用 track 表示，是一個列表，列表的每一個元素表明每次移動多少距離。
-
定義變量 mid，即減速的闊值，也就是加速到什麼位置開始減速。這裏 mid 值爲 4/5，即模擬前 4/5 路程是加速過程，後 1/5 路程是減速過程。
- 接着定義當前位移的距離變量 current，初始爲 0，而後進入 while 循環，循環的條件是當前位移小於總距離。在循環裏咱們分段定義了加速度，其中加速過程的加速度定義爲 2，減速過程的加速度定義爲 -3。以後套用位移公式計算出某個時間段內的位移，將當前位移更新並記錄到軌跡裏便可。
- 直到運動軌跡達到總距離時，循環終止。最後獲得的 track 記錄了每一個時間間隔移動了多少位移， 這樣滑塊的運動軌跡就獲得了。
- 最後按照該運動軌跡拖動滑塊便可，方法實現代碼：
def move_to_gap(self, slider,tracks): """拖動滑塊到缺口處 ：params slider：滑塊 ：params tracks：軌跡 ：return：""" ActionChains(self,browser).click_and_hold(slider).perform() for x in tracks: ActionChains(self,browser).move_by_offset(xoffset=x,yoffset=0).perform() time.sleep(0.5) ActionChains(self.browser).release().perform()
傳人的參數爲滑塊對象和運動軌跡。首先調用 ActionChains 的 click_and_ hold（）方法按住拖動底部滑塊，遍歷運動軌跡獲取每小段位移距離，調用 move_by_offset（）方法移動此位移，最後調用 release（）方法鬆開鼠標便可。
-
- 滑塊滑動的加速度用 a 表示, 當前速度用 v 表示，初速用 v0 表示，位移用 x 表示，所需時間用t 表示，知足關係：
- 徹底模擬加速減速的過程也就是人拖動滑塊的操做經過驗證。前段滑塊作勻加速運動，後段滑塊作勻減速運動，利用加速度公式便可完成驗證。
-
完整代碼（需適當修改參數）：
View Codeimport time from io import BytesIO from PIL import Image from selenium import webdriver from selenium.webdriver import ActionChains from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC EMAIL = 'cqc@cuiqingcai.com' PASSWORD = '' BORDER = 6 INIT_LEFT = 60 class CrackGeetest(): def __init__(self): self.url = 'https://account.geetest.com/login' self.browser = webdriver.Chrome() self.wait = WebDriverWait(self.browser, 20) self.email = EMAIL self.password = PASSWORD def __del__(self): self.browser.close() def get_geetest_button(self): """ 獲取初始驗證按鈕 :return: """ button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_radar_tip'))) return button def get_position(self): """ 獲取驗證碼位置 :return: 驗證碼位置元組 """ img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'geetest_canvas_img'))) time.sleep(2) location = img.location size = img.size top, bottom, left, right = location['y'], location['y'] + size['height'], location['x'], location['x'] + size[ 'width'] return (top, bottom, left, right) def get_screenshot(self): """ 獲取網頁截圖 :return: 截圖對象 """ screenshot = self.browser.get_screenshot_as_png() screenshot = Image.open(BytesIO(screenshot)) return screenshot def get_slider(self): """ 獲取滑塊 :return: 滑塊對象 """ slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_slider_button'))) return slider def get_geetest_image(self, name='captcha.png'): """ 獲取驗證碼圖片 :return: 圖片對象 """ top, bottom, left, right = self.get_position() print('驗證碼位置', top, bottom, left, right) screenshot = self.get_screenshot() captcha = screenshot.crop((left, top, right, bottom)) captcha.save(name) return captcha def open(self): """ 打開網頁輸入用戶名密碼 :return: None """ self.browser.get(self.url) email = self.wait.until(EC.presence_of_element_located((By.ID, 'email'))) password = self.wait.until(EC.presence_of_element_located((By.ID, 'password'))) email.send_keys(self.email) password.send_keys(self.password) def get_gap(self, image1, image2): """ 獲取缺口偏移量 :param image1: 不帶缺口圖片 :param image2: 帶缺口圖片 :return: """ left = 60 for i in range(left, image1.size[0]): for j in range(image1.size[1]): if not self.is_pixel_equal(image1, image2, i, j): left = i return left return left def is_pixel_equal(self, image1, image2, x, y): """ 判斷兩個像素是否相同 :param image1: 圖片1 :param image2: 圖片2 :param x: 位置x :param y: 位置y :return: 像素是否相同 """ # 取兩個圖片的像素點 pixel1 = image1.load()[x, y] pixel2 = image2.load()[x, y] threshold = 60 if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs( pixel1[2] - pixel2[2]) < threshold: return True else: return False 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: # 加速度爲正2 a = 2 else: # 加速度爲負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 def move_to_gap(self, slider, track): """ 拖動滑塊到缺口處 :param slider: 滑塊 :param track: 軌跡 :return: """ ActionChains(self.browser).click_and_hold(slider).perform() for x in track: ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform() time.sleep(0.5) ActionChains(self.browser).release().perform() def login(self): """ 登陸 :return: None """ submit = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'login-btn'))) submit.click() time.sleep(10) print('登陸成功') def crack(self): # 輸入用戶名密碼 self.open() # 點擊驗證按鈕 button = self.get_geetest_button() button.click() # 獲取驗證碼圖片 image1 = self.get_geetest_image('captcha1.png') # 點按呼出缺口 slider = self.get_slider() slider.click() # 獲取帶缺口的驗證碼圖片 image2 = self.get_geetest_image('captcha2.png') # 獲取缺口位置 gap = self.get_gap(image1, image2) print('缺口位置', gap) # 減去缺口位移 gap -= BORDER # 獲取移動軌跡 track = self.get_track(gap) print('滑動軌跡', track) # 拖動滑塊 self.move_to_gap(slider, track) success = self.wait.until( EC.text_to_be_present_in_element((By.CLASS_NAME, 'geetest_success_radar_tip_content'), '驗證成功')) print(success) # 失敗後重試 if not success: self.crack() else: self.login() if __name__ == '__main__': crack = CrackGeetest() crack.crack()
3、點觸驗證碼的識別
- 利用在線付費平臺（推薦超級鷹https://www.chaojiying.com）
- 獲取API
- 在官網下載對應 Python API，連接：https://www.chaojiying.com/api-14.html。使用requests庫來實現。
- 修改後的python3版本的API:
import requests from hashlib import md5 class Chaojiying(object): def __init__(self, username, password, soft_id): self.username = username self.password = md5(password.encode('utf-8')).hexdigest() self.soft_id = soft_id self.base_params = { 'user':self.username, 'pass2':self.password, 'softid':self.soft_id, } self.headers = { 'Connection':'Keep_Alive', 'User-Agent':'Mozilla/4.0(compatible;MSIE 8.0; Windows NT 5.1; Trident/4.0)', } def post_pic(self, im, codetype): """ im: 圖片字節 codetype: 題目類型參考 http://www.chaojiying.com/price.html """ params = { 'codetype':codetype, } params.update(self.base_params) files = {'userfile':('ccc.jpg',im)} r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files, headers=self.headers) return r.json() def report_error(self,im_id): """ im_id:報錯題目的圖片ID """ params = { 'id':im_id, } params.update(self.base_params) r = requests.post('http://Upload.chaojiying.net/Upload/ReportError.php',data=params, headers= self.headers) return r.json()
這裏定義一個chaojiying類，構造函數接收三個參數，分別是超級鷹用戶名、密碼以及軟件ID，保存以備使用。最重要的一個方法：post_pic(),須要傳入圖片對象和驗證碼的代號，該方法會將圖片對象和相關信息發給超級鷹後臺進行識別，而後將識別成功的JSON返回
- 初始化
- 首先初始化一些變量，如WebDriver、chaojiying對象等，代碼實現以下：
EMAIL = 'Mack01' PASSWORD = '超級鷹密碼' #超級鷹用戶名、密碼、軟件ID、驗證碼類型 CHAOJIYING_USERNAME = 'Germey' CHAOJIYING_PASSWORD = '' CHAOJIYING_SOFT_ID = 893590 CHAOJIYING_KIND = 9102 class CrackTouClick(): def __init__(self): self.url = 'http://admin.touclick.com/login.html' self.browser = webdriver.Chrome() self.wait = WebDriverWait(self.browser,20) self.email = EMAIL self.password =PASSWORD self.chaojiying = Chaojiying(CHAOJIYING_USERNAME, CHAOJIYING_PASSWORD, CHAOJIYING_SOFT_ID)
- 首先初始化一些變量，如WebDriver、chaojiying對象等，代碼實現以下：
-
獲取驗證碼
-
完善表單，模擬點擊呼出驗證碼，代碼：
def open(self): """ 打開網頁輸入用戶名密碼 return: None """ self.browser.get(self.url) email =self.wait.until(EC.present_of_element_located((By.ID,'email'))) password = self.wait.until(EC.present_of_element_located((By.ID,'password'))) email.send_keys(self.email) password.send_keys(self.password) def get_touclick_button(self): """ 獲取初始驗證按鈕 return: """ button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'touclick-hod-wrap'))) return button
open（）方法負責填寫表單，get_touclick_button（）方法獲取驗證碼按鈕，以後觸發點擊便可。
接下來，相似極驗驗證碼圖像獲取同樣，獲取驗證碼圖片的位置和大小，從網頁截圖裏截取相應 的驗證碼圖片，代碼實現以下所示：def get_touclick_element(self): """ 獲取驗證圖片對象 return: 圖片對象 """ element = self.wait.until(EC.present_of_element_located((By.CLASS_NAME,'touclick-pub-content'))) return element def get_position(self): """ 獲取驗證碼位置 return: 驗證碼位置元組 """ element =self.get_touclick_element() time.sleep(2) location = element.location size = element.size top, bottom, left, right = location['y'],location['y']+size['height'],location['x'],location['x']+size['width'] return (top, bottom, left, right) def get_screenshot(self): """ 獲取網頁截圖 return: 截圖對象 """ screenshot = self.browser.get_screenshot_as_png() screenshot = Image.open(BytesIO(screenshot)) return screenshot def get_touclick_image(self, name='captcha.png'): """ 獲取驗證碼圖片 return: 圖片對象 """ top,bottom,left,right =self.get_position() print('驗證碼位置',top,bottom, left ,right) screenshot = self.get_screenshot() captcha = screenshot.crop((left,top,right,bottom)) return captcha
get_ touclick_image（）方法即爲從網頁截圖中截取對應的驗證碼圖片，其中驗證碼圖片的相對位 置座標由 get position（）方法返回獲得。 最後咱們獲得的是 Image 對象
-
-
識別驗證碼
-
調用 Chaojiying 對象的 post_pic（）方法，便可把圖片發送給超級鷹後臺，這裏發送的圖像是字節 流格式，代碼實現以下所示：
image = self.get_touclick_image() bytes_array = BytesIO() image.save(bytes_array, format='PNG') #識別驗證碼 result = self.chaojiying.post_pic(bytes_array.getvalue(),CHAOJIYING_KIND) print(result)
運行以後， result 變量就是超級鷹後臺的識別結果。 運行須要等待幾秒。
返回的結果是一個 JSON。 若是識別成功，典型的返回結果以下所示 ：
｛’ err_no’：0, 'err_str’: 'OK', 'pic_id’: ’6002001380949200001', 'pic_str' ：'132,127|56, 77 '，'md5'： '1f8e1d4bef8b11484cb1f1f34299865b'}
其中，pic_str 就是識別的文字的座標，是以字符串形式返回的，每一個座標都以｜分隔。接下來只須要將其解析，而後模擬點擊，代碼:def get_points(self, captcha_result): """ 解析識別結果 param captcha_result: 識別結果 return: 轉化後的結果 """ groups = captcha_result.get('pic_str').split('|') locations = [[int(number) for number in group.split(',')] for group in groups] return locations def touch_click_words(self,locations): """ 點擊驗證圖片 param locations:點擊位置 return: None """ for location in locations: print(location) ActionChains(self.browser).move_to_element_with_offset(self.get_touclick_element(),location[0],location[1]).click().perform() time.sleep(1)
這裏用 get_points（）方法將識別結果變成列表的形式。touch_click_words（）方法則經過調用 move_to_element_with_offset（）方法依次傳入解析後的座標，點擊便可。
這樣就模擬完成座標的點選，最後點擊提交驗證的按鈕， 等待驗證經過，再點擊登陸按鈕便可成功登陸。
-
- 獲取API
4、微博宮格驗證碼的識別
-
通常選用全圖匹配的方式來進行識別。找到匹配的模板以後，就能夠獲得事先爲模板定義的拖動順序，而後模擬拖動便可。
- 獲取模板
- 須要作一下準備工做，先保存全部的 24 張驗證碼全圖。由於驗證碼是隨機的，一共有 4！= 24 種。能夠寫一段程序來批量保存驗證碼圖片，而後從中篩選出須要的圖片，代碼所示：
import time from io import BytesIO from PIL import Image from selenium import webdriver from selenium.common.exceptions import TimeoutException from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC USERNAME = '' PASSWORD = '' class CrackWeiboSlide(): def __init__(self): self.url = 'https://passport.weibo.cn/signin/login' self.browser = webdriver.Chrome() self.wait = WebDriverWait(self.browser,20) self.username = USERNAME self.password = PASSWORD def __del__(self): self.browser.close() def open(self): """ 打開網頁輸入用戶名密碼並點擊 return: None """ self.browser.get(self.url) username = self.wait.until(EC.presence_of_element_located((By.ID,'loginName'))) password = self.wait.until(EC.presence_of_element_located((By.ID,'loginPassword'))) submit = self.wait.until(EC.element_to_be_clickable((By.ID,'loginAction'))) username.send_keys(self.username) password.send_keys(self.password) submit.click() def get_position(self): """ 獲取驗證碼位置 return: 驗證碼位置元組 """ global img try: img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME,'Patt-shadow'))) except TimeoutException: print('未出現驗證碼') self.open() time.sleep(2) location = img.location size = img.size top,bottom, left, right = location['y'],location['y']+size['height'],location['x'],location['x']+size['width'] return (top, bottom, left, right) def get_screenshot(self): """ 獲取網頁截圖 return: 截圖對象 """ screenshot = self.browser.get_screenshot_as_png() screenshot = Image.open(BytesIO(screenshot)) return screenshot def get_image(self, name='captcha.png'): """ 獲取驗證碼嗎圖片 return: 圖片對象 """ top, bottom, left, right = self.get_position() print('驗證碼位置', top, bottom,left, right) screenshot = self.get_screenshot() captcha = screenshot.crop((left, top, right, bottom)) captcha.save(name) return captcha def main(self): """ 批量獲取驗證碼 return: 圖片對象 """ count = 0 while True: self.open() self.get_image(str(count)+'.png') count +=1 if __name__ =='__main__': crack = CrackWeiboSlide() crack.main()
只須要挑選出不一樣的 24 張驗證碼圖片並命名保存。 名稱能夠直接取做宮格的滑動的順序，識別過程只須要遍歷模板進行匹配。
- 須要作一下準備工做，先保存全部的 24 張驗證碼全圖。由於驗證碼是隨機的，一共有 4！= 24 種。能夠寫一段程序來批量保存驗證碼圖片，而後從中篩選出須要的圖片，代碼所示：
- 模板匹配
-
調用 get_image（）方法，獲得驗證碼圖片對象。而後，對驗證碼圖片對象進行模板匹配，定義以下方法：
from os import listdir def detect_image(self,image): """ 匹配圖片 param image: 圖片 return: 拖動順序 """ for template_name in listdir(TEMPLATES_FOLDER): print('正在匹配', template_name) template = Image.open(TEMPLATES_FOLDER + template_name) if self.same_image(image, template): #返回順序 numbers = [int(number) for number in list(template_name.split('.')[0])] print('拖動順序',numbers) return numbers
TEMPLATES_FOLDER 就是模板所在的文件夾。 經過 listdir（）方法獲取全部模板的文件名稱，而後對其進行遍歷，經過 same_image（）方法對驗證碼和模板進行比對。 若是匹配成功，就將匹配到的模板文件名轉換爲列表。例：模板文件 3124.png匹配到，返回結果爲[3,1,2,4].
-
對比的方法實現以下：
def is_pixel_equal(self, image1, image2, x, y): """ 判斷兩個像素是否相同 :param image1: 圖片1 :param image2: 圖片2 :param x: 位置x :param y: 位置y :return: 像素是否相同 """ # 獲取兩個圖片的像素點 pixel1 = image1.load()[x, y] pixel2 = image2.load()[x, y] threshold = 20 if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs( pixel1[2] - pixel2[2]) < threshold: return True else: return False def same_image(self, image, template): """ 識別類似驗證碼 param image: 待識別驗證碼 param template: 模板 return: """ # 相識度閾值 threshold = 0.99 count = 0 for x in range(image.width): for y in range(image.height): # 判斷像素是否相同 if self.is_pixel_equal(image, template, x, y): count += 1 result = float(count) / (image.width * image.height) if result > threshold: print('功能匹配') return True return False
在這裏比對圖片也利用了遍歷像素的方法。 same_image（）方法接收兩個參數，image 爲待檢測的驗證碼圖片對象，template 是模板對象。因爲兩者大小是徹底一致的，因此在這裏遍歷了圖片的全部像素點。比對兩者同一位置的像素點，若是像素點相同，計數就加 1。最後計算相同的像素點佔總像素的比例。若是該比例超過必定閾值，那就斷定圖片徹底相同，則匹配成功。這裏闊值設定爲 0.99, 即若是兩者有 0.99 以上的類似比，則表明匹配成功。 依次匹配 24 個模板。 若是驗證碼圖片正常，咱們總能找到一個匹配的模板， 這樣就能夠獲得宮格的滑動順序了。
-
-
模擬拖動
-
根據滑動順序拖動鼠標，鏈接各個宮格，方法實現以下所示：
def move(self, numbers): """ 根據順序拖動 """ #得到四個按點 circles = self.browser.find_elements_by_css_selector('.patt-wrap. patt-circ') dx = dy =0 for index in range(4): circle = circles[numbers[index]-1] #若是是第一次循環 if index == 0: # 點擊第一個按點 ActionChains(self.browser)\.move_to_element_with_offset(circle, circle.size['width']/2, circle.size['height']/2 )\.click_and_hold().perform() else: #小幅移動次數 times = 30 #拖動 for i in range(times): ActionChains(self.browser).move_by_offset(dx/times, dy/times).perform() time.sleep(1/times) # 若是是最後一次循環 if index == 3: #鬆開鼠標 ActionChains(slef.browser).release().perform() else: #計算下一次偏移 dx = circles[numbers[index +1]-1].location['x'] - circle.location['x'] dy = circles[numbers[index +1]-1].location['y'] - circle.location['y']
這裏方法接收的參數就是宮格的點按順序，如 [3,1,2,4]。首先利用 find_elements_by_css_selector（）方法獲取到 4 個宮格元素，它是一個列表形式，每一個元素表明一個宮格。接下來遍歷宮格的點按順序，作一系列對應操做。
其中若是當前遍歷的是第一個宮格，那就直接鼠標點擊並保持動做，不然移動到下一個宮格。若是當前遍歷的是最後一個宮格，那就鬆開鼠標，若是不是最後一個宮格，則計算移動到下一個宮格的偏移盤。
經過 4 次循環，即可以成功操做瀏覽器完成宮格驗證碼的拖拽填充，鬆開鼠標以後便可識別成功。 鼠標會慢慢從起始位置移動到終止位置。 最後一個宮格鬆開以後，驗證碼的識別便完成了。
-
相關文章
- 1. 圖形驗證碼的識別
- 2. 爬蟲-識別圖形驗證碼-tesserocr
- 3. 自動識別圖形驗證碼
- 4. python3爬蟲之驗證碼的識別——圖形驗證碼
- 5. 簡單圖形驗證碼識別
- 6. Python圖形驗證碼識別
- 7. verifyreader圖形驗證碼識別爆破
- 8. java驗證碼識別--1
- 9. 驗證碼圖片識別
- 10. 圖片驗證碼識別
- 更多相關文章...
- • XML 驗證 - XML 教程
- • DTD 驗證 - DTD 教程
- • Scala 中文亂碼解決
- • IntelliJ IDEA代碼格式化設置
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 圖形驗證碼的識別
- 2. 爬蟲-識別圖形驗證碼-tesserocr
- 3. 自動識別圖形驗證碼
- 4. python3爬蟲之驗證碼的識別——圖形驗證碼
- 5. 簡單圖形驗證碼識別
- 6. Python圖形驗證碼識別
- 7. verifyreader圖形驗證碼識別爆破
- 8. java驗證碼識別--1
- 9. 驗證碼圖片識別
- 10. 圖片驗證碼識別