【Python爬虫】【2020最新哔哩哔哩验证码识别实战】【滑块验证码】【附源码】
哔哩哔哩实战----验证码识别
利用Selenium来模拟B站登录，并实现线极验验证码的识别。
初步分析
B站的登录界面如下：
登录需要完成：1、账户输入；2、密码输入；3、登录后需要通过滑块来进行验证；
难点就是如何去实现滑块验证并且模仿人的操作。
导入包：
import 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 import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
初始化
建立实现类，设置账号、密码、浏览器对象、等待对象、url参数，进行初始化：
class bilibili():
def __init__(self, phone, password):
"""
初始化
:param phone: 账号
:param password: 密码
"""
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('start-fullscreen')
self.browser = webdriver.Chrome(options=chrome_options)
self.wait = WebDriverWait(self.browser, 15)
self.url = 'https://passport.bilibili.com/login'
self.phone = phone
self.password = password
打开B站进行登录
-
打开B站：
browser.get()； -
查找输入账号、密码、登录节点；
-
输入账号、密码：
send_keys()； -
点击登录：
click()；
def open(self):
"""
打开网页，输入账号、密码，点击
"""
self.browser.get(self.url)
phone = self.wait.until(EC.presence_of_element_located((By.ID, 'login-username')))
password = self.wait.until(EC.presence_of_element_located((By.ID, 'login-passwd')))
button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'btn.btn-login')))
phone.send_keys(self.phone)
password.send_keys(self.password)
button.click()
完成上述后，就会出现验证图片。
滑块验证图片分析
实现滑动验证，首先是需要找到移动的位置，这是关键。
思路是：找到残缺图和原图，进行像素的比较，找到不同的位置（相差大于某个阈值）
1、如何显示残缺图（不带）和原图？
我们通过谷歌，检查，找到验证图片，分析它内部结构，结果我们发现：
若我们将以下的display属性改为none，则会消失：
效果：
若将以下的display属性改为none，则会得到原图：
效果：
实现上述属性的更改，我们可以通过执行JS语句进行实现：
self.browser.execute_script("document.getElementsByClassName('geetest_canvas_slice geetest_absolute')[0].style.display='none'")
self.browser.execute_script("document.getElementsByClassName('geetest_canvas_fullbg geetest_fade geetest_absolute')[0].style['display'] = 'block'")
2、如何正确捕捉到两张图呢？
我们可以通过Selenium工具来对当前页面进行截图，再去找到图片对应的位置，进行切割，即可完成图片的获取，下面将详细说明。
页面截图
截图函数：get_screenshot_as_png()，得到的是二进制数据；通过BytesIO进行转换为Image可接受的格式；
因为最初的得到的形式如下：
为RGBA格式（四维），我们将其转为最常用的RGB格式；
def get_screenshot(self):
"""
获取网页截图
:return: 截图对象
"""
screenshot = self.browser.get_screenshot_as_png()
screenshot = Image.open(BytesIO(screenshot))
screenshot = screenshot.convert('RGB')
return screenshot
截取页与浏览器页大小问题
最初未考虑到这点，每次截取的图片全为白色，还以为截图函数出了错误，但后来发现，截取页和浏览器页本身大小不一样；
通过：self.browser.get_window_size()获取浏览器页面大小；
通过：self.get_screenshot().size获取截图大小；
结果如下：
{'width': 1440, 'height': 900}
(2880, 1554)
发现确实大小不同，给我们定位图片位置带来了困扰；
我们得到的是浏览器中图片的位置，我们需要将其转化为截图上的位置，进行切割下来，最后滑块移动的位置又需要转化到浏览器的距离
所以我们需要一个方法来得到比例：经过实践，发现宽和高都是和宽的比例有关，不懂为什么。
def get_scale(self):
"""
截取页与浏览器的宽比例
:return: 比例
"""
screenshot = self.get_screenshot()
size1 = screenshot.size
size2 = self.browser.get_window_size()
# 网页与截图比例，主要是宽的影响（不知道为什么）
scale = size1[0]/size2['width']
return scale
获取验证图位置信息
获取对应图片节点，得到该节点的位置（左上角坐标），再获取该图片节点的大小，通过两个条件和上述所说的比例，计算图片的上下左右边界；
def get_position(self, scale):
"""
获取验证码位置
:return: 验证码位置元组
"""
img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'geetest_slicebg.geetest_absolute')))
location = img.location
size = img.size
top, bottom, left, right = location['y'] * scale, (location['y'] + size['height']) * scale,\
location['x'] * scale, (location['x'] + size['width']) * scale
return top, bottom, left, right
切割图片
得到整张浏览器截图，和图片位置，我们可以从截图中继续截取我们需要的部分。
通过Image模块中的crop方法进行截取；
def get_geetest_image(self):
"""
获取验证码图片
:return: 图片对象
"""
screenshot = self.get_screenshot()
scale = self.get_scale()
top, bottom, left, right = self.get_position(scale)
image = screenshot.crop((left, top, right, bottom))
return image
获取残缺图（不带）和原图
整合上述方法，我们来获取两张图片。
设置等待⌛️时长2秒，是因为需要图片进行刷新得到。（当然可以通过延时等待条件进行判断）
def get_two_images(self):
"""
获得两张图片
:return: 两个Image对象
"""
time.sleep(2)
self.browser.execute_script("document.getElementsByClassName('geetest_canvas_slice geetest_absolute')[0].style.display='none'")
image1 = self.get_geetest_image()
self.browser.execute_script("document.getElementsByClassName('geetest_canvas_fullbg geetest_fade geetest_absolute')[0].style['display'] = 'block'")
image2 = self.get_geetest_image()
return image1, image2
结果：
移动位置分析
完成了图片的获取，接下来关键的是滑块该移动到哪个位置。
上述我们说到，通过两张图片的差异，具体来说就是通过每个点的RGB值的比较，若总和大于某个阈值，则判断为需要移动到的位置；
这里我们不对图片进行处理，如灰度化、二值化等（虽然缺失地方是偏暗的）；
遍历问题：
起初我是一行一行遍历，并进行跳格（提高判别速度），但后来移动出错发现，我们需要找到最左的位置，有个地方是凸出来的），按上述遍历，并不能找到该位置，故改为一列一列遍历
单个元素判断
load()方法能获取[x, y]点的RGB值；
设置阈值为60
def is_pixel_equal(self, image1, image2, x, y):
"""
判断两个像素是否相同
:param image1: 带缺口图片
:param image2: 原图
:param x: 位置x
:param y: 位置y
:return: 像素是否相同
"""
# 取两个图片的像素点
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
获得移动位置
def get_gap(self, image1, image2):
"""
获取移动位置
:param image1: 带缺口图片
:param image2: 原图
:return:
"""
for i in range(0, image1.size[0]):
for j in range(image1.size[1]):
if not self.is_pixel_equal(image1, image2, i, j):
return i
return 0
当然得到移动位置后，需要转化为浏览器的相对位置
滑块移动分析
首先需要获取滑块对象；然后通过Selenium的动作链来拖动滑块移动到指定位置；
但如何不让浏览器认为是机器拖动呢，正常人为移动滑块是先加速后减速，我们需要模仿这个行为；
故我们只要去写一个加速运动再减速运动的函数就行了，记录每次移动的位置；
构造移动轨迹
设置减速位置为：距离的4/5处。
时间间隔进行随机化（重要）
**注意：**或移动位置+当前位置大于目标位置时，需要修正移动位置。
def get_track(self, distance):
"""
根据偏移量获取移动轨迹
:param distance: 偏移量
:return: 移动轨迹
"""
# 移动轨迹
track = []
# 当前位移
current = 0
# 减速阈值
mid = distance * 4 / 5
# 初速度
v0 = 5
while current < distance:
if current < mid:
a = 5
else:
a = -4
# 间隔
t = random.randint(3, 6) / 10
# 移动距离
move = v0 * t + 0.5 * t * t
# 当前速度
v0 = v0 + a * t
if current + move >= distance:
move = distance - current
current += move
track.append(move)
return track
获取滑块对象
def get_slider(self):
"""
获取滑块
:return: 滑块对象
"""
slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_slider_button')))
return slide
移动滑块到指定位置
ActionChains这个模块的实现的核心思想就是，当你调用ActionChains的方法时，不会立即执行，而是会将所有的操作按顺序存放在一个List里，当你调用perform()方法时，队列中的时间会依次执行
click_and_hold：点击并按住当前模块；
move_by_offset：移动当前模块；
release：释放模块；
def move_to_gap(self, slider, track):
"""
拖动滑块到缺口处
:param slider: 滑块
:param track: 轨迹
:return:
"""
ActionChains(self.browser).click_and_hold(slider).perform()
time.sleep(0.02)
for x in track:
ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
time.sleep(0.01)
time.sleep(0.017)
# 后退，更符合人为操作
ActionChains(self.browser).move_by_offset(xoffset=-1, yoffset=0).perform()
time.sleep(0.028)
ActionChains(self.browser).release().perform()
主函数
def start(self):
"""
开始
"""
# 打开网页
self.open()
# 获取残缺图与原图
image1, image2 = self.get_two_images()
# 计算需要向右移动的距离
distance = self.get_gap(image1, image2)
scale = self.get_scale()
# 转为浏览器距离
distance = distance / scale
# 得到每次移动的距离
track = self.get_track(distance)
# 获取滑块
slider = self.get_slider()
# 恢复缺口
self.browser.execute_script("document.getElementsByClassName('geetest_canvas_slice geetest_absolute')[0].style.display='block'")
# 移动滑块
self.move_to_gap(slider, track)
结果
并不能保证每次成功，主要是在移动方面的参数进行调整，更符合人为。
要是对上文感兴趣的话，请给个关注好嘛，关注公众号“潜心的Python小屋”，Python-爬虫分析中，《哔哩哔哩实战》中有该项目的源码：github，感谢，并且也有分析爬虫资料《python3网络爬虫实战》
