测试网站
测试网站:https://www.geetest.com/demo/slide-float.html
我的giteer:秦老大大 (qin-laoda) - Gitee.com里面有我写的代码
作者备注:由于我个人原因,文章写得感觉太长,后面我会把一个知识分成多部文章,这样可以简单明了的看到了
验证码的思路有两种:一种是通过selenium来操作,这种操作简单但是运行过程速度慢,二是用js去做,这种做法比较麻烦,但是速度快
下面我来讲解一下selenium的做法 :
第一步,先在网页定位到我们要操作的地方,html的标签canvas
思路1:要拿到两张图片,一张有缺口的图片,一张没有缺口的图片,后面我们可以通过比例来获取滑块需要滑动的距离(因为网页上的图片大小和实际的图片大小不一样,因为那是按比例缩小或者放大的)
思路2:获取缺口图片和滑块图片,来做对比得到滑块滑动的距离
如果细心的小可爱就会发现,滑块图片没有链接下载
下面我们来一一解决,首先我们要获取图片
我们要个改一下页面的html代码如上图所示:
而实际发送回来的却是没有改的,我们需要用python代码更改一下:
代码:
# 修改css的样式 def get_css(self): time.sleep(2) # js语句执行 改变css self.driver.execute_script("document.querySelectorAll('canvas')[2].style=''")# canvas标签的个数下标从0开始,更改第三个的style
结果:
获取图片代码如下:
def crop_image(self,img_name): # 获取该图片的大小,可以通过div的框的大小进行 img=self.driver.find_element_by_xpath('//div[@class="geetest_canvas_img geetest_absolute"]') # 把页面全屏化 # self.driver.maximize_window() # 框的左上角的位置(x,y) img_left_up=img.location print(img_left_up) # 获取div框的大小(一个字典) print(img.size) # 获取图片右下角的坐标 img_x,img_y=img_left_up["x"],img_left_up["y"] img_right_below_x,img_right_below_y=img_x + img.size["width"],img_y + img.size["height"] # 截屏(二进制) screen_shot=self.driver.get_screenshot_as_png() # 读取这个图片(读取内存中的二进制) by_io=BytesIO(screen_shot) # 打开图片 op_img=Image.open(by_io) # 截取图片(截取下来的宽高),一个元组(a,b) cap_img=op_img.crop((int(img_x),int(img_y),int(img_right_below_x),int(img_right_below_y))) # 保存图片到文件中 cap_img.save(img_name) return cap_img
下面我来一一讲解
我们要先清楚,因为我们没有链接下载图片,就只能截取图片,截图要清楚截图哪个地方 ,
首先我们要截图div的框的大小
img=self.driver.find_element_by_xpath('//div[@class="geetest_canvas_img geetest_absolute"]')
我是定位了这个div框
img_left_up=img.location
这行代码比较重要,location返回一个坐标,返回哪个坐标,嘿嘿,我来告诉你们,
返回的是我们定位框的左上角的坐标(因为框和图片重合了,可以理解为图片的左上角坐标),
可是,我们要截图给光靠一个坐标还不行,我们还需得到右下角的坐标,怎么获取?我们可以获取框的大小,通过数学算法来得出
print(img.size)打印的是一个字典,返回了框的大小,
img_x,img_y=img_left_up["x"],img_left_up["y"]
img_right_below_x,img_right_below_y=img_x + img.size["width"],img_y + img.size["height"]
这两行代码就得出了右下角的坐标了
那我们就来截取图片吧
screen_shot=self.driver.get_screenshot_as_png()
可以看出这个截图方法和我们之前的截图方法有点不一样
driver.save_screenshot("百度.png")
可以看出这个是有保存在文件里的,所以get_screenshot_as_png()是保存在内存里的(二进制)
那我们需要读取这个图片(二进制)就需要我们导入from io import BytesIO
BytesIO(二进制)
读取过后,我们还需要打开图片,
我们就需要下载模块了pip install pillow
导入模块:
from PIL import Image
打开图片
Image.open(by_io)
下面我们就要截取图片l:
cap_img=crop((x1,y1,x2,y2))
保存图片
cap_img.save("文件路径")
因为我们要保存两张图片一张原图,一张是有滑块的
原图:
滑块图:
图片的对比:
我们要比较无滑块的部分(利用RGB三色比较色差)
下面两张图可以让你们理解一下页面的坐标轴
代码如下:
# 像素的对比 def compare_pixel(self,img1,img2,i,j): pixel1=img1.load()[i,j]# 加载img1需要对比的像素并转换为RGB pixel2=img2.load()[i,j]# 加载img2需要对比的像素并转换为RGB # 对比误差范围 threshold=60 #RGB三颜色 if(pixel1[0]-pixel2[0])<=threshold and (pixel1[1]-pixel2[1])<=threshold and(pixel1[2]-pixel2[2])<=threshold: return True return False def pixel(self,img1,img2): left=60#从像素60的位置开始 has_find=False #没有发现那个凹槽 #图片的大小(截取下来的宽高),一个元组(a,b) print(img1.size) # 一个个像素对比 for i in range(left,img1.size[0]):#宽 if has_find: break for j in range(img2.size[1]): if not self.compare_pixel(img1,img2,i,j):#img1对应的像素点(i,j)和img2对应的像素点(i,j)做对比(一个个的对比) distance=i print(distance) has_find=True # 只要碰到就立刻停止 break return distance
我先来讲解一下第二个实例方法:
left=60从像素50开始对比
has_find=False是用于判断循环的在碰见凹槽时就停止循环,
return返回遇见有凹槽第一个像素的坐标的x,(这个只是大概的后面还需要微调)
第一个实例方法:
pixel1=img1.load()[i,j]# 加载img1需要对比的像素并转换为RGB
pixel2=img2.load()[i,j]# 加载img2需要对比的像素并转换为RGB
load()加载 [i,j]对应的像素位置
threshold=60
色差
RGB有三色,三色比较,每一种色差不超过600
由于我们得到了移动的大概距离,因为有检测,我们就要躲过检测,模拟人来滑动
模拟人工滑动轨迹
代码如下:
#移动的轨迹 def trajectory(self,distance): # d=vt+1/2at**2==>位移=初速度*时间+1/2加速度*时间的平方 # v1=v+at # 思路:先加速,然后加速 # 移动轨迹 distance-=6 track=[] # 当前移动的距离 current=0 # 移动到某个地方开始减速 mid=distance*3/4 # 间隔时间(加速时间) t=0.1 # 初速度 v=0 pass while current<distance: if(current<mid): a=random.randint(2,3) else: a=random.randint(4,5) v0=v v=v0+a*t move=v0*t+1/2*a*t**2 current+=move track.append(round(move)) return track
我们可以借用物理的位移公式
d=vt+1/2at**2==>位移=初速度*时间+1/2加速度*时间的平方
我们需要自定义初速度,加速时间,加速度
思路:如果位移小于要移动的距离,继续移动
我们还要设计一个加速度在哪个地方加大
最后我们通过位移公式来计算每加速t秒移动的距离,设计成运动轨迹
selenium操作移动
代码如下:
def selenium(self,track): # js过检 js = "Object.defineProperty(navigator, 'webdriver', {get: () => undefined})" self.driver.execute_script(js) #运用行为链 ac=ActionChains(self.driver) #定位 div=self.driver.find_element_by_class_name("geetest_slider_button") # 按住不松 ac.click_and_hold(div) # 移动 for i in track: ac.move_by_offset(xoffset=i,yoffset=0) time.sleep(0.1) # 松开 ac.release() # 提交行为 ac.perform()
前面看过我写过的selenium的文章就会知道思路来,
我还是一一来解释一下:
利用行为链来操作
导入
from selenium.webdriver.common.action_chains import ActionChainsc
创建行为链对象
ac=ActionChains(self.driver)
进行操作:
定位
div=self.driver.find_element_by_class_name("geetest_slider_button")
# 按住不松
ac.click_and_hold(div)
# 移动
for i in track:
ac.move_by_offset(xoffset=i,yoffset=0)
time.sleep(0.1)
# 松开
ac.release()
注意ac.move_by_offset(xoffset=i,yoffset=0)是每次移动多少距离,
全部代码如下:
from selenium import webdriver import time from PIL import Image from io import BytesIO import random from selenium.webdriver.common.action_chains import ActionChains class Radar(object): def __init__(self): self.url="https://www.geetest.com/demo/slide-float.html" # 创建一个浏览器 self.driver=webdriver.Chrome() # 打开网页 self.driver.get(self.url) # 隐式等待 self.driver.implicitly_wait(5) # 定位 def gps(self): return self.driver.find_element_by_xpath('//span[@class="geetest_radar_tip_content"]') # 点击 def click1(self): self.gps().click() # 修改css的样式 def get_css(self): # 加个休息时间,让页面加载出来 time.sleep(2) # js语句执行 改变css(把有缺口的图片隐藏起来) self.driver.execute_script("document.querySelectorAll('canvas')[2].style=''")# canvas标签的个数下标从0开始,更改第三个的style # 恢复有缺口的图片 def restore_img(self): # 加个休息时间,让页面加载出来 time.sleep(2) # 显示出有缺口的图片 self.driver.execute_script("document.querySelectorAll('canvas')[2].style='display:none'") # 截取验证码 def crop_image(self,img_name): # 获取该图片的大小,可以通过div的框的大小进行 img=self.driver.find_element_by_xpath('//div[@class="geetest_canvas_img geetest_absolute"]') # 把页面全屏化 # self.driver.maximize_window() # 框的左上角的位置(x,y) img_left_up=img.location print(img_left_up) # 获取div框的大小(一个字典) print(img.size) # 获取图片右下角的坐标 img_x,img_y=img_left_up["x"],img_left_up["y"] img_right_below_x,img_right_below_y=img_x + img.size["width"],img_y + img.size["height"] # 截屏(二进制) screen_shot=self.driver.get_screenshot_as_png() # 读取这个图片(读取内存中的二进制) by_io=BytesIO(screen_shot) # 打开图片 op_img=Image.open(by_io) # 截取图片(截取下来的宽高),一个元组(a,b) cap_img=op_img.crop((int(img_x),int(img_y),int(img_right_below_x),int(img_right_below_y))) # 保存图片到文件中 cap_img.save(img_name) return cap_img # 像素的对比 def compare_pixel(self,img1,img2,i,j): pixel1=img1.load()[i,j]# 加载img1需要对比的像素并转换为RGB pixel2=img2.load()[i,j]# 加载img2需要对比的像素并转换为RGB # 对比误差范围 threshold=60 #RGB三颜色 if(pixel1[0]-pixel2[0])<=threshold and (pixel1[1]-pixel2[1])<=threshold and(pixel1[2]-pixel2[2])<=threshold: return True return False def pixel(self,img1,img2): left=60#从像素60的位置开始 has_find=False #没有发现那个凹槽 #图片的大小(截取下来的宽高),一个元组(a,b) print(img1.size) # 一个个像素对比 for i in range(left,img1.size[0]):#宽 if has_find: break for j in range(img2.size[1]): if not self.compare_pixel(img1,img2,i,j):#img1对应的像素点(i,j)和img2对应的像素点(i,j)做对比(一个个的对比) distance=i print(distance) has_find=True # 只要碰到就立刻停止 break return distance #移动的轨迹 def trajectory(self,distance): # d=vt+1/2at**2==>位移=初速度*时间+1/2加速度*时间的平方 # v1=v+at # 思路:先加速,然后加速 # 移动轨迹 distance-=6 track=[] # 当前移动的距离 current=0 # 移动到某个地方开始减速 mid=distance*3/4 # 间隔时间(加速时间) t=0.1 # 初速度 v=0 pass while current<distance: if(current<mid): a=random.randint(2,3) else: a=random.randint(4,5) v0=v v=v0+a*t move=v0*t+1/2*a*t**2 current+=move track.append(round(move)) return track def selenium(self,track): # js过检 js = "Object.defineProperty(navigator, 'webdriver', {get: () => undefined})" self.driver.execute_script(js) #运用行为链 ac=ActionChains(self.driver) #定位 div=self.driver.find_element_by_class_name("geetest_slider_button") # 按住不松 ac.click_and_hold(div) # 移动 for i in track: ac.move_by_offset(xoffset=i,yoffset=0) time.sleep(0.1) # 松开 ac.release() # 提交行为 ac.perform() def main(radar): radar.gps() radar.click1() #下载无缺口图片 radar.get_css() img1=radar.crop_image("./截图.png") # 下载有缺口的图片 radar.restore_img() img2=radar.crop_image("./截图1.png") # 获取距离 distance=radar.pixel(img1,img2) # 人工模拟滑动轨迹 track=radar.trajectory(distance) print(track) #selenium滑动 radar.selenium(track) if __name__ == '__main__': radar=Radar() main(radar)
总结:滑块验证码最重要的思路就是能算出移动距离,selenium移动只是一个辅助,着重看计算距离的代码,因为现在很多能检测到selenium特征的反爬,后面我会写另一种,滑块验证,有兴趣的小可爱可以过来参观
