python 使用opencv处理selenium的图片滑块验证码问题

一、获取图片地址:

 

1.方法一:使用selenium通过获取接口返回请求获取图片地址:

#获取背景图和缺口图地址;此方法比较复杂,需要知道验证图片接口的请求地址;通过接口响应获取验证码图片地址:  此方法使用时,需要大家将接口相关信息改为自己产品的接口及json数据信息。

此方法为通过selenium获取到页面访问的网络请求,在所以网络请求中获取到对应图片验证码接口的请求,获取到该请求的的requestid,在通过requestid获取到对应接口的响应结果;

使用json数据过滤获取出图片的地址;

python 使用opencv处理selenium的图片滑块验证码问题_第1张图片代码如下: 

def getpicpath():
    request_log = browser.get_log('performance')
    print(request_log)
    for i in range(len(request_log)):
        message = json.loads(request_log[i]['message'])
        message = message['message']['params']
        # .get() 方式获取是了避免字段不存在时报错
        request = message.get('request')
        if (request is None):
            continue
        url = request.get('url')
        if ("https://c.dun.163.com/api/v2/get?referer" in url):
            # 得到requestId
            print(message['requestId'])
            # 通过requestId获取接口内容
            content = browser.execute_cdp_cmd('Network.getResponseBody', {'requestId': message['requestId']})
            # print(content)
            data = json.loads(content['body'][18:-2])
            # print(data)
            url1 = data['data']['bg'][0]
            url2 = data['data']['front'][0]
            print(url1)#1为背景图
            print(url2)#2为缺口图
            break
    return url1,url2

2.方法二:通过selenium获取元素属性获取图片地址:获取后将图片存储;

# 获取验证码中的图片

python 使用opencv处理selenium的图片滑块验证码问题_第2张图片

def get_image(driver):
    # 获取背景图url
    block_img_url = driver.find_element_by_xpath('/html/body/XXXXXXXXXXXX/div/div[1]/img[1]').get_attribute('src')
    print(block_img_url)
    # 获取移动块url
    target_img_url = driver.find_element_by_xpath('/html/body/XXXXXXXXXXXX/div/div[1]/div/div[1]/img[2]').get_attribute('src')
    print(target_img_url)
    try:
        img_b = requests.get(block_img_url).content
        with open('background.png', "wb") as f_b:
            f_b.write(img_b)
        img_t = requests.get(target_img_url).content
        with open('target.png', "wb") as f_t:
            f_t.write(img_t)
        return True
    except:
        return False

二、图片存储:

def save_img(block_img_url,target_img_url):
    """
    保存图片
    :param block_img_url: 图片url
    :return:
    """
    try:
        img_b = requests.get(block_img_url).content
        with open('background.png', "wb") as f_b:
            f_b.write(img_b)
        img_t = requests.get(target_img_url).content
        with open('target.png', "wb") as f_t:
            f_t.write(img_t)
        return True
    except:
        return False

三、计算图片滑动像素距离:重点功能,这里是通过OpenCV实现的。

#计算图片滑动像素点


def show(name):
    '''展示圈出来的位置'''
    cv2.imshow('Show', name)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def _tran_canny(image):
    """消除噪声"""
    image = cv2.GaussianBlur(image, (3, 3), 0)
    return cv2.Canny(image, 50, 150)


def detect_displacement(img_slider_path, image_background_path):
    """detect displacement"""
    # # 参数0是灰度模式
    image = cv2.imread(img_slider_path, 0)
    template = cv2.imread(image_background_path, 0)
    # 寻找最佳匹配
    res = cv2.matchTemplate(_tran_canny(image), _tran_canny(template), cv2.TM_CCOEFF_NORMED)
    # 最小值,最大值,并得到最小值, 最大值的索引
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    top_left = max_loc[0]  # 横坐标
    # 展示圈出来的区域
    x, y = max_loc  # 获取x,y位置坐标
    w, h = image.shape[::-1]  # 宽高
    cv2.rectangle(template, (x, y), (x + w, y + h), (7, 249, 151), 2)
    # show(template)
    return top_left

四、拖动滑块移动:

1.匀速滑动;

def drag_btn(distance):
    # 拖动按钮的div, 得到滑块的初始位置,并进行异常处理
    try:
        dragBtn = browser.find_element_by_xpath("/html/body/div[4]/div[2]/div/div/div[2]/div/div[2]/div[2]/span")
        print('开始拖动滑块。')
    except Exception as e:
        print("get button failed: ", e)
    ActionChains(browser).move_to_element(dragBtn).perform()
    ActionChains(browser).click_and_hold(dragBtn).perform()
    while distance > 5:
        ActionChains(browser).move_by_offset(5, 0).perform()
        time.sleep(10 / 1000)
        distance -= 5
    ActionChains(browser).release().perform()

2.模拟人员操作滑动:

计算人为滑动的移动速率;每0.01秒的移动像素距离list;

# 这个是用来模拟人为拖动滑块行为,快到缺口位置时,减缓拖动的速度,服务器就是根据这个来判断是否是人为登录的。

# 这个是用来模拟人为拖动滑块行为,快到缺口位置时,减缓拖动的速度,服务器就是根据这个来判断是否是人为登录的。
def get_tracks(dis):
    v = 0
    m = 0.3
    # 保存0.3内的位移
    tracks = []
    current = 0
    mid = dis * 4 / 5
    while current <= dis:
        if current < mid:
            a = 2
        else:
            a = -3
        v0 = v
        s = v0 * m + 0.5 * a * (m ** 2)
        current += s
        tracks.append(round(s))
        v = v0 + a * m
    return tracks


def drag_btn_personify(distance):
    # 原图的像素是276*172,而网页的是340*212,图像放大了。  340/276 = 1.231884058
    double_distance = int(distance+10)
    tracks = get_tracks(double_distance)
    # 由于计算机计算的误差,导致模拟人类行为时,会出现分布移动总和大于真实距离,这里就把这个差添加到tracks中,也就是最后进行一步左移。
    tracks.append(-(sum(tracks) - double_distance))
    # 拖动按钮的div, 得到滑块的初始位置,并进行异常处理
    try:
        dragBtn = browser.find_element_by_xpath("/html/body/div[4]/div[2]/div/div/div[2]/div/div[2]/div[2]/span")
        print('开始拖动滑块。')
    except Exception as e:
        print("get button failed: ", e)
    ActionChains(browser).move_to_element(dragBtn).perform()
    ActionChains(browser).click_and_hold(dragBtn).perform()
    for track in tracks:
        ActionChains(browser).move_by_offset(track, 0).perform()
        time.sleep(10 / 1000)
    ActionChains(browser).release().perform()

python 使用opencv处理selenium的图片滑块验证码问题_第3张图片

如有问题可联系QQ:334650037

你可能感兴趣的:(airtest自动化测试,python)