python--spider验证码，pythonspider,目前，许多网站采取各

python--spider验证码，pythonspider,目前，许多网站采取各

目前，许多网站采取各种各样的措施来反爬虫，其中一个措施就是使用验证码。

验证码的花样也越来越多，几个数字组合的简单的图形验证码，英文字母和混淆曲线相结合的方式。大概包括：

接下里我们来具体了解一下。

1 图形验证码

图形验证码是最早出现也是最简单的一种验证码，一般由 4 位字母或者数字组成。

本节我们用OCR技术来识别图形验证码。（Optical Character Recognition，光学字符识别，将图片、照片上的文字内容，直接转换为可编辑文本）

安装 tesserocr 库

1.1 获取验证码

我们找一张验证码图片，为方便测试，我们保存到本地。（注册知网的时候可以看到需要输入验证码：http://my.cnki.net/elibregister/）

打开开发者工具,找到验证码元素。它是一张图片，它的 src 属性是CheckCode.aspx。可通过(http://my.cnki.net/elibregister/CheckCode.aspx),直接看到验证码，右键保存即可。

1.2 识别测试

import tesserocrfrom PIL import Imageimage = Image.open(‘E:\spider\ocr_image_1.png‘)result = tesserocr.image_to_text(image)print(result)#import tesserocr#print(tesserocr.file_to_text(‘E:\spider\ocr_image_1.png‘)) #将图片文件直接转为字符串，这种方法识别效果不如上面第一种方法

结果：

这也太简单了吧！！！ NO NO NO ,这才是开始！请看下面这个例子

import tesserocrfrom PIL import Imageimage = Image.open(‘E:\spider\ocr_image_2.png‘)result = tesserocr.image_to_text(image)print(result)

结果：

呀哈！咋。。。。别急！ 要放大招了！！！

对于上面这种情况，识别结果出现偏差，我们需要做一下额外的处理，如转灰度和二值化等。

import tesserocrfrom PIL import Imageimage = Image.open(‘E:\spider\ocr_image_2.jpg‘)image = image.convert(‘L‘)  #convert()方法传入参数 L ，可以将图片转化为灰度图像image = image.convert(‘1‘)  #convert()方法传入参数 1 ，可以将图片进行二值化处理#image.show()result = tesserocr.image_to_text(image)print(result)

也可以指定二值化的阈值，但是不能直接转化原图，首先将原图转化为灰度图像，然后再指定二值化阈值。阈值不同，效果不一样啊

import tesserocrfrom PIL import Imageimage = Image.open(‘E:\spider\ocr_image_2.jpg‘)image = image.convert(‘L‘)threshold = 80#threshold = 180  table = []for i in range(256):    if i < threshold:        table.append(0)    else:        table.append(1)image = image.point(table, ‘1‘)image.show()#result = tesserocr.image_to_text(image)#print(result)

结果：

阈值为180： 阈值为80

2. 极验滑动验证码

极验滑动验证码是近几年出现的新型验证码，比图形验证码上升了好几个难度。

使用Selenium 库，以及Chrome 和 ChromeDriver。

2.1 什么是极验验证码

极验验证码官网：http://www.geetest.com. 是一个专注于提供验证安全的系统。

2.2 极验验证码特点

见其官网https://www.geetest.com 或者极验博客https://blog.geetest.com/

2.3 识别思路

Selenium 模拟点击按钮

边缘检测算法

极验验证码增加了机器轨迹识别，（匀速，随机速度都不行）

2.4 初始化

# Selenium 对象的初始化以及一些参数的配置EMAIL = ‘[email protected]‘   #用户名PASSWORD = ‘123456‘     #登录密码class CrackGeetest():    def __init__(self):        self.url = ‘https://account.geetest.com/login‘        self.browser = webdriver.Chrome()        self.wait = WebDriverWait(self.browser, 20)        self.email = EMAIL        self.password = PASSWORD

2.5 模拟点击

def get_geetest_button(self):    """    获取初始验证按钮    return 按钮对象    """    button = self.wait.until(EC.element_to_clickable((By.CLASS_NAME, ‘geetest_radar_tip‘)))  #显式等待    return button       #点击验证按钮button = self.get_geetest_button()  获取一个WebElement对象，调用它的click（）方法模拟点击button.click()

2.6 识别缺口

获取前后两张比对图片，二者不一致的地方即为缺口。

#获取不带缺口的图片，利用Selenium 选取图片元素，得到其所在位置和宽高，然后获取整个网页的截图，图片裁切出来即可。def get_position(self):    """    获取验证码位置    :return: 验证码位置元组    """    img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, ‘geetest_canvas_img‘)))    time.sleep(2)    location = img.location    size = img.size    top, bottom, left, right = location[‘y‘], location[‘y‘] + size[‘height‘], location[‘x‘], location[‘x‘] + size[                ‘width‘]    return (top, bottom, left, right)def get_geetest_image(self, name=‘captcha.png‘):    """    获取验证码图片    :return: 图片对象    """    top, bottom, left, right = self.get_position()    print(‘验证码位置‘, top, bottom, left, right)    screenshot = self.get_screenshot()    captcha = screenshot.crop((left, top, right, bottom))    captcha.save(name)    return captcha

#获取带缺口的图片，要使图片出现缺口，只需要点击下方的滑块即可。def get_slider(self):    """    获取滑块    :return: 滑块对象    """    slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, ‘geetest_slider_button‘)))    return slider#点按呼出缺口slider = self.get_slider()slider.click()#调用get_geetest_image() 获取第二张图片#将获取的两张图片命名为image1和image2.#遍历图片队形像素点的RGB数据，如RGB数据差距在一定范围内，代表两个像素相同，如RGB数据差距超过一定范围，代表两个像素点不同，当前位置即为缺口位置。def is_pixel_equal(self, image1, image2, x, y):    """    判断两个像素是否相同    :param image1: 图片1    :param image2: 图片2    :param x: 位置x    :param y: 位置y    :return: 像素是否相同    """    # 取两个图片的像素点    pixel1 = image1.load()[x, y]    pixel2 = image2.load()[x, y]    threshold = 60    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 Falsedef get_gap(self, image1, image2):    """    获取缺口偏移量    :param image1: 不带缺口图片    :param image2: 带缺口图片    :return:    """    left = 60    for i in range(left, image1.size[0]):        for j in range(image1.size[1]):            if not self.is_pixel_equal(image1, image2, i, j):                left = i                return left    return left

2.7 模拟拖动

 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        def move_to_gap(self, slider, track):    """    拖动滑块到缺口处    :param slider: 滑块    :param track: 轨迹    :return:    """    ActionChains(self.browser).click_and_hold(slider).perform()    for x in track:        ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()    time.sleep(0.5)    ActionChains(self.browser).release().perform()


代码来源于大神博客：https://github.com/Python3WebSpider/CrackGeetest

3.点触验证码

    12306用的就是典型的点触验证码，有一个专门提供点触验证码服务的站点： TouClick(https://www.touclick.com/)
     
    使用Selenium 库，以及Chrome 和 ChromeDriver。

3.1 分析

     用OCR技术效果不好，网上有很多验证码服务平台：超级鹰（https://www.chaojiying.com）等.

     具体代码可见别人的博客：https://github.com/Python3WebSpider/CrackTouClick

4.微博宫格验证码

大家感兴趣可以自己查找其他博客：如

https://github.com/Python3WebSpider/CrackWeiboSlide

python--spider验证码