b站这样的滑动验证码,用Python照样自动识别

大家应该都很熟悉

点击滑块然后移动到图片缺口进行验证

b站这样的滑动验证码,用Python照样自动识别

现在越来越多的网站使用这样的验证方式

为的是增加验证码识别的难度

哦对了,在分享这篇文字前,我先说一下,我这里有一份python学习资料,直接加我的python直播学习群:835017344,就能免费领取,长期真实有效。

b站这样的滑动验证码,用Python照样自动识别

b站这样的滑动验证码,用Python照样自动识别

那么

对于这种验证码

应该怎么破呢

接下来就是

b站这样的滑动验证码,用Python照样自动识别

打开 b 站的登录页面

https://passport.bilibili.com/login

b站这样的滑动验证码,用Python照样自动识别

image

可以看到登录的时候需要进行滑块验证

按下 F12

进入 Network

看下我们将滑块移到缺口松开之后做了什么提交

b站这样的滑动验证码,用Python照样自动识别

可以看到是一个 GET 请求

但是

这请求链接也太特么长了吧

我们来看看请求的参数是怎么样的

b站这样的滑动验证码,用Python照样自动识别

哇靠

gt?

challenge?

w?

这些都是什么鬼参数

还加密了

完全下不了手啊

b站这样的滑动验证码,用Python照样自动识别

既然以请求的方式不好弄

我们从它们的源代码入手

看看有什么突破口

b站这样的滑动验证码,用Python照样自动识别

回到 b 站的登录页

按下 F12

进入 Element

然后点击滑块出现了图片

定位一下

b站这样的滑动验证码,用Python照样自动识别

发现有两个 a 标签

一个 class 是 gt_bg gt_show

一个 class 是 gt_fullbg gt_show

和小帅b想的一样

这个验证码应该是有两张图片

一张是完全的背景图片

一张是缺口的图片

那把这两张图片下载下来对比一下不就行了

打开 a 标签一看

b站这样的滑动验证码,用Python照样自动识别

一张图片被切割成很多小块

原来这张图片是拼出来的

我们看看原始图片是怎么样的

b站这样的滑动验证码,用Python照样自动识别

什么乱七八糟的

再仔细看下源代码

原来是在同一张图片通过偏移量合成了一张完整的图片

background-position: -277px -58px;

看了一下缺口的图片也是如此

b站这样的滑动验证码,用Python照样自动识别

到这里

我们的第一个思路就是

下载这两张原始图片

然后通过偏移量合成两张真正的图片

背景图

b站这样的滑动验证码,用Python照样自动识别

b站这样的滑动验证码,用Python照样自动识别

image

缺口图

b站这样的滑动验证码,用Python照样自动识别

↓变身

b站这样的滑动验证码,用Python照样自动识别

那么怎么做呢?

因为我们还要模拟滑动滑块

所以呢

我们要用到selenium

打开b站的登录页

然后等到那个滑块显示出来

# 获取滑块按钮

接下来我们就获取页面的源码

driver.page_source

然后使用bs 获取两张原始背景图片的 url

bs = BeautifulSoup(driver.page_source,'lxml')

拿到了图片地址之后

将图片下载下来

# 将图片格式存为 jpg 格式

ok

b站这样的滑动验证码,用Python照样自动识别

b站这样的滑动验证码,用Python照样自动识别

我们已经把两张原始图片下载下来了

b站这样的滑动验证码,用Python照样自动识别

那么接下来就是要合成图片了

我们要根据图片的位置来合成

也就是源码中的 background-position

b站这样的滑动验证码,用Python照样自动识别

获取每一个小图片的位置

我们可以通过字典的形式来表示这些位置

然后将数据放到列表中

# 存放每个合成缺口背景图片的位置

那么

现在我们已经有了原始图片

还知道了每个位置应该显示原始图片的什么部分

接下来我们就写一个方法

用来合成图片

# 写入图片

那么问题又来了

怎么合成啊

我们再看看一开始分析的图片

b站这样的滑动验证码,用Python照样自动识别

这里图片被分割成的每一个小图片的尺寸是

10 * 58

所以我们也要将我们刚刚下载的原始图片切割成相应的尺寸大小

而且

这张图片是由上半部分的小图片和下半部分的小图片合成的

所以我们定义两个 list 来装这些小图片

# 存放上下部分的各个小块

然后将原始的图片切割好放进去

image = Image.open(image_file)

至此

我们这两个 list 就分别放好了各个切割的图片了

那么接下来就创建一张空白的图片

然后将小图片一张一张(间距为10)的粘贴到空白图片里

这样我们就可以得到一张合成好的图片了

b站这样的滑动验证码,用Python照样自动识别

# 创建一张大小一样的图片

那么到现在

我们可以得到网页上显示的那两张图片了

一张完全的图片

b站这样的滑动验证码,用Python照样自动识别

一张带缺口的图片

b站这样的滑动验证码,用Python照样自动识别

接下来我们就要通过对比这两张图

看看我们要滑动的距离是多远

# 合成图片

可以通过图片的 RGB 来计算

我们设定一个阈值

如果 r、g、b 大于这个阈值

我们就返回距离

def get_distance(bg_Image, fullbg_Image):

现在

我们知道了关键的滑动距离了

激动人心的时刻到了

我们使用 selenium

拿到滑块的元素

然后根据这个距离拖动到缺口位置不就好了么

马上打开 selenium 的文档

看到了这个函数

b站这样的滑动验证码,用Python照样自动识别

它可以使用左键点击元素

然后拖动到指定距离

最后释放鼠标左键

knob =  WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))

运行一下试试看吧

b站这样的滑动验证码,用Python照样自动识别

妖怪吃了拼图了

b站这样的滑动验证码,用Python照样自动识别

看来直接拖拽是不行的

试着拖完滑块让它睡一下再释放

ActionChains(driver).click_and_hold(knob).perform()

发现拼图还是特么的被妖怪吃了

b站这样的滑动验证码,用Python照样自动识别

有个叫匀速直线运动的东西

什么 加速度

什么 v = v0 + at

什么 s = ½at²

b站这样的滑动验证码,用Python照样自动识别

什么鬼

回到正题

我们可以使用它来构造一个运动路径

该加速时加速

该减速的时候减速

这样的话就更像人类在滑动滑块了

这次

这次

我们使用这个轨迹来滑动

knob = WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))

好了好了

我们再来运行一下吧

b站这样的滑动验证码,用Python照样自动识别

哈哈哈

成功识别了

b站这样的滑动验证码,用Python照样自动识别

当然了

成功率不是 100%

可以多调戏它几次

ok

以上就是识别滑动验证码的具体过程了

对于其它大部分的滑动验证码

也是可以使用这招搞定的

python专业技术分享

完整代码:

进口时间
导入请求
来自 PIL  导入图片
来自 selenium import webdriver
来自 selenium.webdriver 导入 ActionChains
从 selenium.webdriver.common.by 进口通过
来自 selenium.webdriver.support.ui 导入 WebDriverWait
从 selenium.webdriver.support 导入 expected_conditions 作为 EC
来自 bs4 进口 BeautifulSoup
进口重新
来自 io import BytesIO

driver = webdriver.Chrome(' / usr / lib / chromium-browser / chromedriver ')
WAIT  = WebDriverWait(驱动程序,10)
url =  ' https://passport.bilibili.com/login '


def  mergy_Image(image_file,location_list):
    “””
    将原始图片进行合成
    :param image_file:图片文件
    :param location_list:图片位置
    :return:合成新的图片
    “””

    #存放上下部分的各个小块
    upper_half_list = []
    down_half_list = []

    image = Image.open(image_file)

    #通过y的位置来判断是上半部分还是下半部分,然后切割
    在 location_list 中的位置:
        如果 location [ ' y ' ] ==  - 58:
            #间距为10,Y:58-116
            IM = image.crop((ABS(位置[ ' X ' ]),58,ABS(位置[ ' X ' ])+ 10,116))
            upper_half_list.append(IM)
        如果 location [ ' y ' ] ==  0:
            #间距为10,Y:0-58
            IM = image.crop((ABS(位置[ ' X ' ]),0,ABS(位置[ ' X ' ])+  10,58))
            down_half_list.append(IM)

    #创建一张大小一样的图片
    new_image = Image.new(' RGB ',(260,116))

    #粘贴好上半部分y坐标是从上到下(0-116)
    offset =  0
    对于 IM 在 upper_half_list:
        new_image.paste(im,(offset,0))
        偏移+ =  10

    #粘贴好下半部分
    offset =  0
    对于 IM 在 down_half_list:
        new_image.paste(im,(offset,58))
        偏移+ =  10

    返回 new_image


def  get_distance(bg_Image,fullbg_Image):

    #阈值
    阈值=  200

    print(bg_Image.size [ 0 ])
    print(bg_Image.size [ 1 ])


    对于我在 范围(60,bg_Image.size [ 0 ]):
        为 Ĵ 在 范围(bg_Image.size [ 1 ]):
            bg_pix = bg_Image.getpixel((i,j))
            fullbg_pix = fullbg_Image.getpixel((i,j))
            r =  abs(bg_pix [ 0 ] - fullbg_pix [ 0 ])
            g =  abs(bg_pix [ 1 ] - fullbg_pix [ 1 ])
            b =  abs(bg_pix [ 2 ] - fullbg_pix [ 2 ])

            如果 r + g + b >阈值:
               回来我




def  get_path(距离):
        result = []
        current =  0
        中期=距离*  4  /  5
        t =  0.2
        v =  0
        而当前<(距离-  10):
            如果当前< mid:
                a =  2
            否则:
                a =  - 3
            v0 = v
            v = v0 + a * t
            s = v0 * t +  0.5  * a * t * t
            当前+ = s
            result.append(round(s))
        返回结果


def  start_drag(driver,distance):

    #被妖怪吃掉了
    #旋钮= WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, “#GC-箱> DIV> div.gt_slider> div.gt_slider_knob.gt_show”)))
    # ActionChains(司机).click_and_hold(旋钮).perform()
    # ActionChains(驱动程序).move_by_offset(X偏移=距离,Y偏移= 0.1).perform()
    # time.sleep(0.5)
    # ActionChains(司机).release(旋钮).perform()

    #被妖怪吃掉了
    # ActionChains(驱动程序).drag_and_drop_by_offset(旋钮,距离10,0).perform()

    knob =  WAIT .until(EC .presence_of_element_located((。CSS_SELECTOR,“#gc-box> div> div.gt_slider> div.gt_slider_knob.gt_show ”)))
    result = get_path(距离)
    ActionChains(司机).click_and_hold(旋钮).perform()

    for x in result:
        ActionChains(驱动程序).move_by_offset(xoffset = x,yoffset = 0).perform()

    time.sleep(0.5)
    ActionChains(司机).release(旋钮).perform()


高清 recognize_code(司机):
    “””
    识别滑动验证码
    :param driver:selenium驱动
    :返回:
    “””

    bs = BeautifulSoup(driver.page_source,' lxml ')
    #找到背景图片和缺口图片的DIV
    bg_div = bs.find_all(class_ = ' gt_cut_bg_slice ')
    fullbg_div = bs.find_all(class_ = ' gt_cut_fullbg_slice ')

    #获取缺口背景图片网址
    bg_url = re.findall(' background-image:\ surl \(“(。*?)”\)',bg_div [ 0 ] .get(' style '))
    #获取背景图片的URL
    fullbg_url = re.findall(' background-image:\ surl \(“(。*?)”\)',fullbg_div [ 0 ] .get(' style '))

    #存放每个合成缺口背景图片的位置
    bg_location_list = []
    #存放每个合成背景图片的位置
    fullbg_location_list = []

    为 BG 在 bg_div:
        location = {}
        location [ ' x ' ] =  int(re.findall(' background-position:\ s(。*?)px \ s(。*?)px; ',bg.get(' style '))[ 0 ] [ 0 ])
        location [ ' y ' ] =  int(re.findall(' background-position:\ s(。*?)px \ s(。*?)px; ',bg.get(' style '))[ 0 ] [ 1 ])
        bg_location_list.append(位置)

    for fullbg in fullbg_div:
        location = {}
        location [ ' x ' ] =  int(re.findall(' background-position:\ s(。*?)px \ s(。*?)px; ',fullbg.get(' style '))[ 0 ] [ 0 ])
        location [ ' y ' ] =  int(re.findall(' background-position:\ s(。*?)px \ s(。*?)px; ',fullbg.get(' style '))[ 0 ] [ 1 ])
        fullbg_location_list.append(位置)

    print(bg_location_list)
    print(fullbg_location_list)

    #将图片格式存为jpg格式
    bg_url = bg_url [ 0 ] .replace(' webp ',' jpg ')
    fullbg_url = fullbg_url [ 0 ] .replace(' webp ',' jpg ')
    #打印(bg_url)
    #打印(fullbg_url)

    #下载图片
    bg_image = requests.get(bg_url).content
    fullbg_image = requests.get(fullbg_url).content
    print('完成图片下载')

    #写入图片
    bg_image_file = BytesIO(bg_image)
    fullbg_image_file = BytesIO(fullbg_image)

    #合成图片
    bg_Image = mergy_Image(bg_image_file,bg_location_list)
    fullbg_Image = mergy_Image(fullbg_image_file,fullbg_location_list)
    # bg_Image.show()
    # fullbg_Image.show()

    #计算缺口偏移距离
    distance = get_distance(bg_Image,fullbg_Image)
    print('得到 距离:%s '% str(距离))

    start_drag(司机,距离)




如果 __name__  ==  ' __main__ ':

    #获取滑块按钮
    driver.get(URL)
    slider =  WAIT .until(EC .element_to_be_clickable(
        (通过.CSS_SELECTOR,“#gc-box> div> div.gt_slider> div.gt_slider_knob.gt_show ”)))

    recognize_code(驱动器)


    # driver.close()
上一篇:python爬虫21 | 对于b站这样的滑动验证码,不好意思,照样自动识别


下一篇:c# – 带构造函数的ServiceStack Service类