0


[Python自动化]selenium之验证码识别

这一专栏,将以目的为导向,以简化或自动化完成工作任务为目标,将Python运用于实践中,解决实际问题,以激发读者对这门脚本语言的学习兴趣。在开始Python自动化相关实战的学习前,建议对 Python语言本身 以及 Python 爬虫 的相关知识展开一定的学习与了解。对此博客已开设相关专栏,可直达。


往期内容提要:

  • 【Python基础】 动态HTML处理之Selenium与PhantomJS
  • 【Python基础】 机器视觉与机器图像识别之Tesseract
  • 【Python自动化】 selenium之网课学习自动化
  • 【Python自动化】 selenium之验证码识别(本文)
  • 【Python实战】疫情期间每日健康报送任务的自动化处理
  • 【Python实战】教务管理系统:成绩、课表查询接口设计及抢课、监控功能实现

“验证码的识别”无论是在网络爬虫,还是自动化领域,都是无法绕开的话题。此前作者曾在 [Python爬虫] 九、机器视觉与机器图像识别之Tesseract 一文中,对验证码的识别进行过初步介绍。在 教务管理系统:成绩、课表查询接口设计及抢课、监控功能实现 一文中,对图形验证码的识别进行了实战展示。在这一篇文章中,将对验证码的识别作出一个相对系统的概括与总结。

一般而言,在自动化工作中,如遇到验证码问题,我们一般通过三个方式解决。其一,手动解决;其二, 打码平台解决;三,代码解决。

针对第一种方法,如在入门篇【Python自动化】 selenium之网课学习自动化 一文中,在登录环节,为节省学习成本,我们便是采用的手动输入的方式处理验证码,通过图像识别。

在这里插入图片描述

defLogin():print('***************正在加载必要元素,请耐心等待***************')
        browser.get('https://www.******.cn/home/')
        browser.find_element_by_xpath('//*[@id="accountFrom"]/label[1]/input').send_keys(username)
        browser.find_element_by_xpath('//*[@id="accountFrom"]/label[3]/input').send_keys(pwd)input("请输入验证码登陆后回车确认:")

针对第二种方法,正所谓利用“钞能力”解决问题,仅需足够预算,简单高效。在这里便不再多述。本文将主要讲述如何通过代码,实现验证码的识别。鉴于当前验证码形式的多样性,这里选用字符识别和滑动拼图两种最常见的验证方式,展开介绍。


验证码识别基本步骤梳理:
  1. 定位识别元素
  2. 获取识别(完整)图片
  3. 编写识别方法
  4. 通过识别验证

一、字符验证码识别

在这里插入图片描述

  1. 获取并保存验证码:

这一步的基本逻辑是:访问网页,保存验证码。但值得注意的是,每次页面刷新后验证码的值也将改变,因此请求验证码时候的cookie值应当与访问网页时的cookie值保持一致。

(1)访问网页
url1 ='手动打码/Login.aspx'defget_cookie():
        headers1 ={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:74.0) Gecko/20100101 Firefox/74.0","Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8","Accept-Language":"zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2","Accept-Encoding":"gzip, deflate","Content-Type":"application/x-www-form-urlencoded","Origin":"手动打码","Connection":"keep-alive","Referer":"手动打码","Upgrade-Insecure-Requests":"1"}
        main = session.get(url1, headers=headers1)
        gb_headers = main.headers
        return gb_headers
(2)储存验证码
test = get_cookie()
url2 ='手动打码/Image.aspx'defget_pic():# 验证码请求头
    headers2 ={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:74.0) Gecko/20100101 Firefox/74.0","cookie":"varPartNewsManage.aspx=10"+ test["Set-Cookie"]}

    re_pic = requests.get(url2, headers=headers2)
    response = re_pic.content

    file="C:\\Users\\john\\Desktop\\1\\"+".png"
    playFile =open(file,'wb')
    playFile.write(response)
    playFile.close()
  1. 识别验证码:
defrecognize_captcha(img_path):
    im = Image.open(img_path)
    num = pytesseract.image_to_string(im)return num

get_pic()
pic_res = recognize_captcha("C:\\Users\\john\\Desktop\\1\\"+".png")#print(pic_res)  # 验证码识别结果
  1. 登陆
defpost_login():
    headers3 ={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:74.0) Gecko/20100101 Firefox/74.0","Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8","Accept-Language":"zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2","Accept-Encoding":"gzip, deflate","Content-Type":"application/x-www-form-urlencoded","Origin":"手动打码","Connection":"keep-alive","Referer":"手动打码","Upgrade-Insecure-Requests":"1","cookie":"varPartNewsManage.aspx=10;"+ test["Set-Cookie"]}
    data ={"Flag":"Login","username":"手动打码","password":"手动打码","ddlUserClass":"1","code1": pic_res,"ImageButton2.x":"64","ImageButton2.y":"10"}
    res = session.post(url=url,data=data,headers=headers3)#print(res.request.headers)  #核验cookie是否有效带上#print(res.text)

post_login()

二、滑动拼图验证码识别

在这里插入图片描述

  1. 获取验证按钮与验证码的位置
defget_geetest_button(self):"""
    获取初始验证按钮
    :return:
    """# 验证按钮
    button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'geetest_radar_tip')))return button

defget_position(self):"""
    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_canvas_img')))print('img')
    location = img.location
    size = img.size
    top, bottom, left, right = location['y'], location['y']+ size['height'], location['x'], location['x']+ size['width']

进入验证页面,获取验证按钮与验证码的位置

  1. 获取完整图片在这里插入图片描述在这里插入图片描述
defget_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))return screenshot
defget_geetest_image(self, name='captcha.png'):"""
    获取验证码图片
    :return: 图片对象
    """
    top, bottom, left, right = self.get_position()print('验证码位置', top, bottom, left, right)
    screenshot = self.get_screenshot()
    captcha = screenshot.crop((left, top, right, bottom))
    captcha.save(name)return captcha
defdelete_style(self):'''
    执行js脚本,获取无滑块图
    :return None
    '''
    js ='document.querySelectorAll("canvas")[2].style=""'
    self.browser.execute_script(js)defget_gap(self, image1, image2):"""
    获取缺口偏移量
    :param image1: 带缺口图片
    :param image2: 不带缺口图片
    :return:
    """
    left =60print(image1.size[0])print(image1.size[1])for i inrange(left, image1.size[0]):for j inrange(image1.size[1]):ifnot self.is_pixel_equal(image1, image2, i, j):
                left = i
                return left
    return left

defis_pixel_equal(self, image1, image2, x, y):"""
    判断两个像素是否相同
    :param image1: 图片1
    :param image2: 图片2
    :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 =60ifabs(pixel1[0]- pixel2[0])< threshold andabs(pixel1[1]- pixel2[1])< threshold andabs(
            pixel1[2]- pixel2[2])< threshold:returnTrueelse:returnFalse

通过调整css样式,获取完整图片。同时获取带缺口的图片加入带缺口图片进行对比,获取偏移量!(PIL)

  1. 验证

根据偏移量获取移动轨迹,控制滑块,填补缺口!

defget_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# 计算间隔
    t =0.2# 初速度
    v =0while current < distance:if current < mid:# 加速度为正2
            a =2else:# 加速度为负3
            a =-1# 初速度v0
        v0 = v
        # 当前速度v = v0 + at
        v = v0 + a * t
        # 移动距离x = v0t + 1/2 * a * t^2
        move = v0 * t +1/2* a * t * t
        # 当前位移
        current += move
        # 加入轨迹
        track.append(round(move))return track

defmove_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()for x in track:
        ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
    time.sleep(0.5)
    ActionChains(self.browser).release().perform()

这里值得注意的是,由于验证码的特殊性,我们是不能控制滑块匀速滑过去的(人类是做不到的),极验在此也是做了验证的!所以我们按照人操作,先加速后减速做个优化!

此外,不管是电脑设置还是浏览器设置的缩放都要改成100%。否则将会影响图片的截取与偏移量的错误计算。


至此,本文也就进入尾声了。本文的撰写来自于开发中的一点心得体会,主要目的在于通过实践提高读者Python学习兴趣,解决实际问题。供对这一领域感兴趣的读者以参考借鉴。希望本文能够起到抛砖引玉之效,也欢迎大家的批评交流。


如果您有任何疑问或者好的建议,期待你的留言、评论与关注!


本文转载自: https://blog.csdn.net/deng_xj/article/details/119912564
版权归原作者 邓大帅 所有, 如有侵权,请联系我们删除。

“[Python自动化]selenium之验证码识别”的评论:

还没有评论