再谈验证码识别技巧-解读贴吧杀手3.0增强版源代码

 再谈验证码识别技巧-解读贴吧杀手3.0增强版源代码

写这篇文章的目的纯为研究模拟机器人编写技术，
严禁用本文介绍的方法、代码滥发垃圾信息，否则后果自负、概与本站无关。

前些时候我写了篇《教你轻松识别验证码》以百度贴吧为例讲解了如何编写能识别验证码的机器人。
原文见：http://www.yhhe.net/bbs/dispbbs.asp?boardID=4&ID=67&page=1

这个程序使用的人太多。百度这几天再次更换了新的验证码，添加了大量的干扰点。
我看了一下，大致的把新的识别方法在这里写一下，下面的方法比前的速度快了几倍
呵呵，[模拟精灵2005] 是一个遇强愈强的软件 :) 。

当然公开了这个方法以后百度应当会再次更改验证码，所以不保证下面的代码与程序长期有效。
但是掌握下面的方法，可以很轻松的破解几乎所有社区的验证码了，如果不是自已拥有服务器的话很难再做出更变态的验证码。

运行下面的程序,需要 模拟精灵2005 v4.32 以上版本

---

以下内容只有回复后才可以浏览


贴吧验证码上的字符是黑色的，而杂点却是彩色的（真不知道他们怎么想的，呵呵。。。。）
这样程序很复杂，破解反而很容易了，只要把彩色去掉，基本上干扰点就去除了大半。如下：
img:bpp(1); -- 把颜色位数转换到1位，也就是黑白图片了
img:bpp(24); -- 再把 颜色位数转换还原到24位(jpg需要24位)
经过上面的转换，彩色的干扰点已全部消失.这个速度很快，可以忽略不记。

然后再把图片用 img:split()分割图片，image.corp（）把图片裁剪的尽可能小
为什么要剪小呢？大家想一下，出现干扰点最多的地方并不是字符的部位，反而是周围空白的部位。
这样尽可能不要周围的空白，就可以去除大量的干扰点

然后使用 img:median(2) 进行中值滤波，这是降噪的作用，即去除杂点
使用 img:median()以后图片可能被破坏一点，这个没有关系，只要能保留大半特征即可。

经过以上的处理，杂点基本已经不存在。
最后，我们使用LAScript中的 imgX:testXX() 函数识别验证码。
（这种验证码用 imgX:testX() 或 imgX:test() 识别效果就不好了 ）

一、下载验证码样本

打开c:/test文件夹，选“查看缩略图”，
然后重复运行下面的LAScript脚本(每次更换验证码的网址,可以通过刷新贴吧得到不同的验证码网址,右键点验证码,然后点属性就可以看到网址了)，

每运行一次,就查看c:/test下自动生成的图片,把图片上的字符改为文件名.
例如图片上面显示5,就把文件名改为5.jpg

img = image.new();
--下载图像，没有后缀名要显示指定*.bmp格式
img:getURL("http://post-js.baidu.com/cgi-bin/c?1381747384&876744693","*.jpg")
--附注：image库也有抓屏函数，可以直接在屏幕上截取验证码。
image.corp(img, 9 ,0 , 41 , 20 )
img:save("c://test//test.jpg") --保存到硬盘

--折分图片，指定一行四列
img2,img3,img4,img5 = img:split(1,4);

img2:save("c://test//0001.jpg")
img3:save("c://test//0002.jpg")
img4:save("c://test//0003.jpg")
img5:save("c://test//0004.jpg")

image.del(img);

三、生成验证码样本数据库

运行下面的脚本，把所有的验证码样本保存到ApeML数据岛

codeKey ={};
--添加所有数字键
for i =0,9,1 do
codeKey[""..i] = 0; --这里我们用字符串连接的方法把数字转换为字符串
end;

--k参数为键,v参数表示值 一个典型的table迭代器回调函数
loadCodeKey = function(k,v)
    local img = image.new();
    img:load("C://test//"..k..".jpg")

    img:bpp(1);
    img:bpp(24);
    img:corp( 1 , 0 , 9 , 10)
    img:median(2)

    --img:save("C://test2//"..k..".jpg")
     codeKey[k]= string.encode( img:getBytes("*.jpg") , ""); --因为转换到字符串还是二进制，所以用base64进行编码
     image.del(img);
end;

--遍历表codekey的所有元素，调用loadcodekey加载图片文件
table.foreach (codeKey, loadCodeKey);

--把所有图片保存到数据岛，
ape:saveTable(codeKey,"验证码样本")

     复制上面的代码到"源码编辑器"内,点击"编译生成模拟程序"
     然后点击"回放运行" .最后点击"读取源代码"
  
     然后你可以在源代码最后面的"数据区块"看到生成的验证码样本了

四、识别验证码 源程序下载

全部程序下载(内附源代码，没有加密): http://www.yhhe.net/ape/post/post2005080123.exe

1.问题：不能识别web窗体（如贴吧群发不输入关键字)
原因：你用其他的浏览器打开了贴吧，因为同时ＩＥ窗体，标题也相同，导至ＷＥＢ窗体无法识别．
解决：关闭其他浏览器

2 问题：不能识别web窗体
原因：你在其他网站下载了模拟精灵，主程序的名字不是Fairy_Ape.exe，或者你改了名字.
解决：确决源代码里的Fairy_Ape.exe与模拟精灵主程序的实际名字相符

3问题：不能正常运行模拟程序、不输入关键字
原因：因为浏览器默认字体大小与录制的时候不相符，导致网页元素移动了位置
解决：设置字体与录制的时候相同，如贴吧群发字体大小应为中号

4问题：不能正常运行、不输入关键字
原因：您使用的桌面主题与我录制的时候不一样，导致控件坐标有轻微的误差
解决：把XP桌面主题设为"windows经典"以后解决

5问题：不能打开贴吧
原因：您没有把http://post.baidu.com加入IE信任站点
解决：把http://post.baidu.com加入IE信任站点

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=465164