爬虫(十二)：图形验证码的识别、滑动验证码的识(3)

当前位置:

self.driver.find_element_by_class_name("btn-login")

login_btn.click()

sleep(3)

第一步的工作就完成了。

接下来识别缺口的位置，首先获取前后两张比对图片，二者不一致的地方即为缺口。看到网上那些案例，接收到乱序的两张图片，然后用代码拼接起来，麻烦的要死，而且我试了几个，绝大部分是不能运行的，就一个能截图出来的，截出来的图如下：

我只想登录一下，还要我干这么多事，我哭了。

所以我就换了种方法，这个版本的极验验证码应该都可以这样做，代码如下：

def get_geetest_image(self): # 获取验证码图片
gapimg = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'geetest_canvas_bg')))
sleep(2)
gapimg.screenshot(r'./captcha1.png')
# 通过js代码修改标签样式显示图片2
js = 'var change = document.getElementsByClassName("geetest_canvas_fullbg");change[0].style = "display:block;"'
self.driver.execute_script(js)
sleep(2)
fullimg = self.wait.until(
EC.presence_of_element_located((By.CLASS_NAME, 'geetest_canvas_slice')))
fullimg.screenshot(r'./captcha2.png')
def is_similar(self, image1, image2, x, y):
'''判断两张图片各个位置的像素是否相同
#image1:带缺口的图片
:param image2: 不带缺口的图片
:param x: 位置x
:param y: 位置y
:return: (x,y)位置的像素是否相同
'''
# 获取两张图片指定位置的像素点
pixel1 = image1.load()[x, y]
pixel2 = image2.load()[x, y]
# 设置一个阈值允许有误差
threshold = 60
# 彩色图每个位置的像素点有三个通道
if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(
　　　　pixel1[2] - pixel2[2]) < threshold:
　　　　return True
else:
　　　　return False

截取到的图如下：

比乱序乱序的图舒服多了，而且代码量也少。

模拟拖动过程不复杂，但其中的坑比较多。现在我们只需要调用拖功的相关函数将滑块拖动到对应位置。如果是匀速拖动，极验必然会识别出它是程序的操作，因为人无法做到完全匀速拖动。极验验证码利用机器学习模型，筛选此类数据为机器操作，验证码识别失败。

我们尝试分段模拟将拖动过程划分几段，前段滑块做匀加速运动，后段滑块做匀减速运动，利用物理学的加速度公式即可完成验证。

滑块滑动的加速度用a来表示，当前速度用表示，初速度用v0表示，位移用x表示，所需时间用t表示，它们满足如下关系：

x = v0 * t +0.5 * a * t * t

v = v0 + a * t

利用这两个公式可以构造轨迹移动算法，计算出先加速后减速的运动轨迹，代码实现如下：

栏目列表