python滑块验证码的破解实现
破解滑块验证码的思路主要有2种:
- 获得一张完整的背景图和一张有缺口的图片,两张图片进行像素上的一一对比,找出不一样的坐标。
- 获得一张有缺口的图片和需要验证的小图,两张图片进行二极化以及归一化,确定小图在图片中间的坐标。
- 之后就要使用初中物理知识了,使用直线加速度模仿人手动操作
本次就使用第2种,第一种比较简单。废话不多说,直接上代码:
以下均利用无头浏览器进行获取
获得滑块验证的小图片
def get_image1(self,driver): """ 获取滑块验证缺口小图片 :param driver:chrome对象 :return:缺口小图片 """ canvas = driver.find_element_by_xpath("//div[@id='xy_img']").get_attribute("style") image_data=re.findall("data:image/jpg;base64,(.*?)\"\)",canvas)[0] # print(image_data) binary_image_data=base64.b64decode(image_data,'-_') file_like=BytesIO(binary_image_data) image=Image.open(file_like) return image
一般来说,这张小图片都是独立的,比较好获取,图片如下:
获得滑块验证的背景图片
!!!这个背景图片网页一般会返回乱序的图片,然后通过js对图片进行重新排序,要破解需要的时间较多,且每个js排序算法不一样,不具有复用性。这里就取了个巧,直接对当前浏览器截屏,然后在截取指定范围图片。
def get_image2(self,driver): """ 获取滑块验证码背景图片 :param driver:chrome对象 :return:背景图片 """ driver.save_screenshot('yanzhengma.png') # 通过图片元素节点获取坐标值 # element = driver.find_element_by_id("bgImg") # left = element.location['x'] # top = element.location['y'] # right = element.location['x'] + element.size['width'] # bottom = element.location['y'] + element.size['height'] # 通过画图软件直接获取相应图片的坐标值 left=359 top=238 right=658 bottom=437 # print((left, top, right, bottom)) im = Image.open('yanzhengma.png') im = im.crop((left, top, right, bottom)) return im
图片如下:
轨迹计算方法
def get_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 = 0 while current < distance: if current < mid: # 加速度为正2 a = 2 else: # 加速度为负3 a = -3 # 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
验证主程序
def slider_verification_code(self,driver,cnt): """ 破解滑块验证主程序 :param driver:chrome对象;cnt:已验证次数 :return:已验证次数 """ print("出现滑块验证,验证中") # 1、出现滑块验证,获取验证小图片 picture1 = self.get_image1(driver) picture1.save("./picture1.png") # 2、获取有缺口验证图片 picture2 = self.get_image2(driver) picture2.save("./picture2.png") #二值化图片,进行对比,输出匹配的坐标系 target_rgb=cv2.imread("./picture2.png") target_gray=cv2.cvtColor(target_rgb,cv2.COLOR_BGR2GRAY) template_rgb=cv2.imread("./picture1.png",0) res=cv2.matchTemplate(target_gray,template_rgb,cv2.TM_CCOEFF_NORMED) value=cv2.minMaxLoc(res) value = value[3][0] cnt += 1 print("需要位移的距离为:"+str(value)+",已验证"+str(cnt)+"次") #根据距离获取位移的轨迹路线 track=self.get_track(value) time.sleep(1) ActionChains(driver).click_and_hold(driver.find_element_by_class_name("handler.handler_bg")).perform() for x in track: ActionChains(driver).move_by_offset(xoffset=x, yoffset=0).perform() time.sleep(0.5) ActionChains(driver).release().perform() return cnt
看!有 飞 机:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
赞 (0)