Python_極驗滑動驗證碼識別

極驗滑動驗證碼

1、準備工作

• 安裝好Selenium庫，Chrome瀏覽器，配置ChromeDriver
• 目標：用程序來識別並通過極驗驗證碼的驗證，包括分析識別思路、識別缺口位置、生成滑塊拖動路徑、模擬實現滑塊拼合通過驗證等步驟
• 極驗驗證碼官網：https://www.geetest.com/Sensebot

2、識別思路

• 利用selenium來模擬人的行爲的方式來完成驗證

• 識別驗證需要完成三步：模擬點擊驗證按鈕，識別滑動缺口位置，模擬拖動滑塊

• a.模擬點擊按鈕：直接使用selenium模擬點擊按鈕

• b.識別缺口位置（關鍵）：需要用到圖像相關處理方法，利用邊緣檢測算法來找出缺口位置；

  • 利用有缺口圖片和無缺口圖片進行對比，找出缺口位置
  • 設定一個對比閾值，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；

• c.模擬拖動滑塊：極驗驗證碼增加了機器軌跡識別，勻速移動，隨機速度移動等方法都不能通過驗證，只有完全模擬人的移動軌跡纔可以通過驗證，人的移動軌跡一般是先加速後減速，我們需要模擬這個過程
  

2、主程序思路流程

• 選定鏈接 https://www.geetest.com/Sensebot/
• 完整代碼見如下鏈接

    def crack(self):
        self.browser.get(self.url)
        #1、點擊滑塊驗證
        button = self.get_button()
        button.click()
        #2、獲取有缺口的圖片image2
        image2 = self.get_image('image2.png')
        #3、關鍵步驟：執行js改變css樣式，顯示背景圖（即無缺口的圖片）
        self.browser.execute_script('document.querySelectorAll("canvas")[2].style=""')
        time.sleep(1)
        #4、獲取沒有缺口的圖片image1
        image1 = self.get_image('image1.png')
        #5、比較獲取image1和image2像素點差異，找出缺口位置
        gap = self.get_gap(image1, image2)
        print('缺口位置', gap)
        #6、滑塊原始位置距離圖片爲6，需減去缺口位移6，
        BORDER = 6
        gap -= BORDER
        #7、根據缺口位移gap，獲取移動軌跡
        track = self.get_track(gap)
        print('滑動軌跡', track)
        #8、拖動滑塊按照移動軌跡拖動
        slider = self.get_slider()
        self.move_to_gap(slider, track)
        #9、判斷是否驗證成功，如果出現哇，怪物喫掉了拼圖，請3秒後重試，失敗後重試
        # success = self.wait.until(EC.text_to_be_present_in_element((By.CLASS_NAME, 'geetest_success_radar_tip_content'), '驗證成功'))
        # if success == False:
        #     self.crack()
        # else:
        #     print("驗證成功")
        # # 10、關閉瀏覽器
        # self.browser.close()

3、注意點

• （1）先獲取有缺口圖片；然後更改頁面css樣式（刪掉style=“opacity: 1; display: none;”），再獲取無缺口圖片（即滑動驗證碼完整圖片）
  
  刪掉：style="opacity: 1; display: none;"後， 代碼中操作：browser.execute_script(‘document.querySelectorAll(“canvas”)[2].style=""’)
  
• （2）Chrome瀏覽器屏幕截圖不是完整的頁面長圖，而是屏幕定位當前能看到的圖片；
  
  captcha = picture.crop((left, 380, right, 540))截圖後
  
• （3）獲得缺口位置圖片後，需要減去6，纔是真正應該移動的距離；查找像素差異不同的位置是從滑塊右側開始查找的，代碼中設置查找開始位置爲60；
  

4、通用關鍵代碼

• （1） 獲取驗證碼圖片，關於location和size的用法可以參考這個鏈接 https://blog.csdn.net/weixin_41792971/article/details/88142828

    def get_image(self, name='image.png'):
        '''
        獲取驗證碼圖片
        :param name: 驗證碼圖片名稱
        :return: 圖片對象
        '''
        #這一行代碼不是通用的，需要根據網頁分析查找驗證碼圖片標籤
        img = self.wait.until(EC.presence_of_element_located((By.XPATH, '//canvas[@class="geetest_canvas_slice geetest_absolute"]')))
        time.sleep(2)
        location = img.location
        size = img.size
        left, top, right, bottom = location['x'],location['y'],location['x']+size['width'],location['y']+size['height']
        print('驗證碼位置：', left, top, right, bottom)
        # 截圖，截取當前屏幕圖片
        self.browser.save_screenshot('1'+ name)
        picture = Image.open('1'+ name)
        # 裁剪屏幕圖片，獲取驗證碼圖片，注意crop(left,top,right,bottom)四個參數相對於屏幕圖片的位置距離
        #這一行代碼也不是通用的，需要根據實際情況調整380和540這兩個參數
        captcha = picture.crop((left, 380, right, 540))
        captcha.save(name)
        return captcha

• （2）獲取缺口偏移量，即缺口在驗證碼圖片左側位置距離

	def is_pixel_equal(self, image1, image2, x, y):
        """
        判斷兩個像素是否相同
        :param image1: 有缺口圖片1
        :param image2: 無缺口圖片2
        :param x: 位置x
        :param y: 位置y
        :return: 判斷同一位置像素是否相同
        """
        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:返回缺口位置
        """
        left = 60
        print('驗證碼圖片寬度和高度:', image1.size)
        for i in range(left, image1.size[0]):
            for j in range(image1.size[1]):
                judge_value = self.is_pixel_equal(image1, image2, i, j)
                if judge_value == False:
                    left = i
                    return left

• （3）獲取滑塊移動軌跡

    def get_track(self, distance):
        """
        根據偏移量獲取移動軌跡
        :param distance: 偏移量，應該移動的距離
        :return: 移動軌跡列表
        """
        # 移動軌跡
        track = []
        # 當前位移
        current = 0
        # 減速閾值
        mid = distance * 7 / 10
        # 計算間隔
        t = 0.2
        # 初速度
        v = 0
        while current < distance:
            if current < mid:
                a = 2
            else:
                a = -3
            v0 = v
            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[:-1]

• （4）將滑塊拖到缺口處

 def move_to_gap(self, slider, track):
        """
        拖動滑塊到缺口處
        :param slider: 滑塊對象
        :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()