镀金天空- 验证码1

2024-03-04 14:05:11

前言：

②网页结构的变化较多，代码的可用周期较短，仅作学习分享思路

③如有侵权，请联系我删除！！谢谢

正文：

普天同庆，就在年前我终于把镀金天空上的13道题写完了。从我做镀金天空开始，飘飘散散也有三四个月了，期间找工作、忙毕业也耽误了不少时间，最后还是坚持下来写完啦。在镀金天空学到了很多反爬知识，在此感谢群主大大~~。本来是打算过年的时候就把镀金天空系列的解题思路写下来，但是我欢乐的6天春节biu的一下就没了，呜呜呜

言归正传，今天就来讲一讲验证码-1的解题思路吧。这道题和前面的题一样，需要将1000页的数字和加起来。进入页面就是一个验证码，需要将滑块拖到指定位置才可以看到页面的数字。

因此这道题主要的难点也就是完成滑块的验证，有两个解决办法：①使用JavaScript自动化渲染库去模拟人的动作滑动滑块完成验证，②分析滑动滑块后的请求，逆向破解验证码的文本内容加密，通过验证码的轨迹验证获取参数（ ticket ）完成验证。
第二钟方法当然是最好的了，但是博主太菜了，所以采用的是selenium。使用selenium的话可以分为五个各部分

登录
进入待爬取页面获取验证码背景图片和滑块图片
用滑块图片匹配背景图片的缺口位置
模拟人的滑动
解析页面，获取数字累加和

第一步可以直接将cookies注入到浏览器实现登录，当然你也可以从登录页面开始输入账号密码进行登录，这样做的好处是在日后的使用中可以不用自己去赋值cookies，坏处是又慢一点。代码如下：

def getABrower():
    # 实例化出一个 浏览器
    # options.add_argument("--headless")
    window = webdriver.Chrome(chrome_options=options)
    # window = webdriver.Chrome()

    with open('JS/stealth.min.js') as f:
        js = f.read()

    window.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
        "source": js
    })

    # 设置浏览器窗口的位置和大小
    window.maximize_window()

    # 打开一个登录页
    window.get("http://glidedsky.com/login")

    # 输入账号
    input_account = window.find_element_by_id('email')
    input_account.send_keys('Your Mail')
    # 输入密码
    input_password = window.find_element_by_id('password')
    input_password.send_keys('Your Passwor')
    # login
    login_button = window.find_elements_by_xpath('//button[@type="submit"]')[0]
    login_button.click()

    return window

第二步进入到带爬取页面后可以直接使用find_element_by_xpath或者其他的element匹配手段匹配到之后获取src属性就好了,代码如下：

# 大图 url
bk_block = window.find_element_by_xpath(
    '//img[@id="slideBg"]').get_attribute('src')
# 小滑块 图片url
slide_block = window.find_element_by_xpath(
    '//img[@id="slideBlock"]').get_attribute('src')

第三步可以使用第三库 cv2 的matchTemplate去匹配缺口位置，我发现这个库对腾讯防水墙（本题验证码出处）有着极高的匹配度，hh（差不多有80%+）代码如下：

def getPostion(chunk, canves):
    """
    判断缺口位置
    :param chunk: 验证码背景图
    :param canves:  验证码缺口图
    :return: 缺口匹配位置 x, y
    """
    otemp = chunk
    oblk = canves
    target = cv2.imread(otemp, 0)
    template = cv2.imread(oblk, 0)
    # w, h = target.shape[::-1]
    temp = 'temp.jpg'
    targ = 'targ.jpg'
    cv2.imwrite(temp, template)
    cv2.imwrite(targ, target)
    target = cv2.imread(targ)
    target = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY)
    target = abs(255 - target)
    cv2.imwrite(targ, target)
    target = cv2.imread(targ)
    template = cv2.imread(temp)
    result = cv2.matchTemplate(target, template, cv2.TM_CCOEFF_NORMED)
    x, y = np.unravel_index(result.argmax(), result.shape)
    return x, y

第四步模拟人为去滑动滑块，腾讯防水墙是有行为验证的，如果滑动的轨迹过于“工整”是会被怀疑为机器滑动的，无论如何都过不去的。因此轨迹必须拟人或者随机一点，我起初是使用了网上的一个加速度划过缺口之后划回来的方案，后来自己又写了一个真瞎随机的。。。代码如下：

def getTrack3(distance):
    """
    返回一个随机滑动轨迹
    :param distance: 滑动长度
    :return: 滑动轨迹  tracks
    """
    length = random.choice(np.arange(15, 25))
    avge = int(distance / length)

    difference = int(distance - avge * length)

    tracks = [avge] * length
    # print(distance, sum(tracks)+difference,difference)
    ranndomFlag = 0
    for i in range(length):
        if ranndomFlag:
            tracks[random.randint(0, length - 1)] += ranndomFlag
            ranndomFlag = 0
        if random.choice([False, True]):
            if tracks[i] > 1:
                ranndomFlag = random.randint(1, tracks[i])
            else:
                ranndomFlag = random.randint(tracks[i], 1)

            tracks[i] -= ranndomFlag
    if ranndomFlag:
        tracks[random.randint(0, length - 1)] += ranndomFlag
    luck = random.randint(0, length - 1)
    # 补全损失值
    tracks[luck] = tracks[luck] + difference

    return tracks

第五步解析文本就不多说了可以使用find_element_by_class_name定位到元素位置获取texj就可以了。我这边使用的是etree.xpath

#用于判断是否验证成功，比较cs2.matchTemplate匹配也有失败的时候
window.find_element_by_class_name('row')
Html = window.page_source
tree = etree.HTML(Html.encode('gbk', 'ignore'))
numList = tree.xpath('//div[@class="row"]/div/text()')
numList = [int(x.replace('\n', '').replace(' ', ''))
for x in numList]
res += sum(numList)
print(pageNum, res, numList)

代码说到这就基本结束了，但是你以为这就完了吗？不不不，远不能如此，如果你按照我上面所说的去写跑了十几分钟之后你就会来骂我，什么坑爹博主啊？按照你的思路写代码跑了20页怎么也划不过去（就算你缺口对的整整齐齐，甚至还很快），你的题不会是抄的吧？

先前我说过一句腾讯防水墙是有行为验证的诸位是否还记得hh，当你使用selenium多次滑动通过验证时，在腾讯防水墙处就会留下指纹，当你滑到大概第20页时就会被定义为机器模拟，我刚开始时怀疑为轨迹不够拟人被发现了，但是当我将window（window = webdriver.Chrome(chrome_options=options)）关闭再次开启后发现浏览器的再次滑动就可以通过验证了。

因此当遇到滑块匹配5次还是无法获取到页面的数字时，我们将浏览器重启就可以了。

但是事情并没有就此结束，又又又发生了转折，当你滑动到200页的样子你会发现，当你重启window也没有用了。这个时候我们不要着急，这是你在这段时间验证的太频繁了，腾讯防水墙给你的IP设限了，这个时候你可以更换IP（换Wifi）或者休眠20-30min就又可以一战了。

到这里这道题算是完完整整的解完了，博主跑了7，8个小时。。。。害

码农公寓

前言：

正文：

相关文章