烂记性不如好笔头

0%

反爬必修课之----(4)点触验证码识别

发表于 更新于 分类于 Valine：
本文字数： 1.5k 阅读时长 ≈ 6 分钟

       验证码识别成为了对抗反爬虫的必修课之一，看了崔庆才著的《python3网络爬虫开发实战》后受益匪浅，本专题将着重学习记录不同的验证码识别方式：图像验证码、宫格验证码、极验滑动验证码、点触验证码。

s

点触验证码识别

先看看效果：

点触.gif

下图为12306的点触验证码，识别难点有两个:

  1. 文字识别，即首先要识别出“盘子”二字，但往往该文字经过了一系列的变换，如果借助第一节提到的OCR技术，基本上无法识别。

  2. 将图片转化为相应的文字。


另一种验证码：


（ 和上述验证码相比较而言，会简单一些，但是识别思路相同，本文就着重记录一下第一种验证码的识别过程。）

识别思路

       点触验证码难度较大，我们可以接触互联网上一些验证码服务平台，他们提供7×24小时的服务，并且识别准确率在90%以上。
       大致流程是将验证码图片按照字节流的形式传递给服务平台，平台几秒钟后将会返回一个带有坐标信息的字段，该坐标信息就是我们需要点击的位置。按照得到的坐标信息进行点击，便可以完成识别。
       验证码服务平台往往提供了多种类型的验证码识别，例如“超级鹰”网址：https://www.chaojiying.com/，其提供了数字、中英文、特殊字符、数学计算和坐标选择识别等多种验证码类型的识别。点触验证码识别就是坐标选择识别的一种。下面将利用该平台进行识别。

详细过程及代码

获取超级鹰python API

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
import requests
from hashlib import md5

class Chaojiying_Client(object):

    def __init__(self, username, password, soft_id):
        self.username = username
        self.password = md5(password.encode('utf-8')).hexdigest()
        self.soft_id = soft_id
        self.base_params = {
            'user': self.username,
            'pass2': self.password,
            'softid': self.soft_id,
        }
        self.headers = {
            'Connection': 'Keep-Alive',
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
        }

    def PostPic(self, im, codetype):
        """
        im: 图片字节
        codetype: 题目类型 参考 http://www.chaojiying.com/price.html
        """
        params = {
            'codetype': codetype,
        }
        params.update(self.base_params)
        files = {'userfile': ('ccc.jpg', im)}
        r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files, headers=self.headers)
        return r.json()

    def ReportError(self, im_id):
        """
        im_id:报错题目的图片ID
        """
        params = {
            'id': im_id,
        }
        params.update(self.base_params)
        r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)
        return r.json()


if __name__ == '__main__':
	chaojiying = Chaojiying_Client('超级鹰用户名', '超级鹰用户名的密码', '96001')	#用户中心>>软件ID 生成一个替换 96001
	im = open('a.jpg', 'rb').read()											#本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
	print(chaojiying.PostPic(im, 1902))										#1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()

       代码如上，其定义了一个Chaojiying_Client的类，内有三个参数，分别是超级鹰的用户名、密码、软件ID。内含两个函数 PostPic()、ReportError()。

       PostPic()需要传入图片对象和验证码的代号（验证码类型）。该方法会将图片对象发送给给超级鹰的后台进行识别，然后返回一个JSON。

       ReportError()发生错误时的回调。

验证过程

初始化、登录
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
import time
from io import BytesIO
from PIL import Image
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from chaojiying import Chaojiying_Client
#账号密码自行设定
EMAIL = '12306账号'
PASSWORD = '12306密码'
CHAOJIYING_USERNAME = '超级鹰账号'
CHAOJIYING_PASSWORD = '超级鹰密码'

CHAOJIYING_SOFT_ID = 898443
CHAOJIYING_KIND = 9202

class Crackclick():
    def __init__(self):
        self.url = 'https://kyfw.12306.cn/otn/resources/login.html'
        self.browser = webdriver.Chrome()
        self.wait = WebDriverWait(self.browser,20)
        self.email = EMAIL
        self.password = PASSWORD
        self.chaojiying = Chaojiying_Client(CHAOJIYING_USERNAME,CHAOJIYING_PASSWORD,CHAOJIYING_SOFT_ID)

    def open(self):
        '''
        打开网页,切换验证模式
        '''
        self.browser.get(self.url)
        account = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'login-hd-account')))
        account.click()
        email = self.wait.until(EC.presence_of_element_located((By.ID,'J-userName')))
        password = self.wait.until(EC.presence_of_element_located((By.ID,'J-password')))
        email.send_keys(self.email)
        password.send_keys(self.password)

    def refresh_code(self):
        '''
        刷新验证码
        '''
        button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'lgcode-refresh')))
        return button
获取验证码图片

       该截图操作在各类验证码识别中会经常使用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
def get_element(self):
    '''获取验证图片对象'''
    element = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME,'loginImg')))
    return element

def get_position(self):
    '''获取验证码位置'''
    element = self.get_element()
    time.sleep(2)
    location = element.location
    size = element.size
    top,bottom,left,right = location['y'],location['y']+size['height'],location['x'],location['x']+size['width']
    return (top,bottom,left,right)

def get_screenshot(self):
    '''获取网页截图'''
    screenshot = self.browser.get_screenshot_as_png()
    screenshot = Image.open(BytesIO(screenshot))
    return screenshot

def get_image(self,name='captcha.png'):
    '''获取验证码图片'''
    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))
    return captcha

解析识别信息
1
2
3
4
5
6
7
def get_points(self, captcha_result):
    '''
    解析识别信息
    '''
    groups = captcha_result.get('pic_str').split('|')
    locations = [[int(number) for number in group.split(',')] for group in groups]
    return locations

平台返回的JSON格式信息如下：

1
2
3
4
5
6
7
{
'err_no': 0, 
'err_str': 'OK', 
'pic_id': '8056217061965800013', 
'pic_str': '29,72|257,71',
'md5': '8de76ac4036ebab2b1e05375c1bf84b8'
}

       get_points()方法即是将’pic_str’中的坐标信息格式化为：[29, 72] [257, 71]

点击验证图片
1
2
3
4
5
6
7
8
9
def touch_click_words(self,locations):
    '''
    点击验证码
    '''
    for location in locations:
        print(location)
        ActionChains(self.browser).move_to_element_with_offset(self.get_element(),location[0],
                                                                 location[1]).click().perform()
    time.sleep(1)

       其中move_to_element_with_offset函数的参数及解释：

点击登录
1
2
3
4
5
6
7
def login(self):
    '''
    点击登录按钮
    '''
    button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'login-btn')))
    button.click()
    time.sleep(10)
控制流程

       首先打开12306网站，并刷新验证码(button)，然后将验证码图片对象按照字节流的格式传递给超级鹰平台，并将返回的locations信息传递给touch_click_words()函数，最后完成验证码识别。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
    def crack(self):
        '''入口'''
        self.open()
        button = self.refresh_code()
        button.click()
        image = self.get_image()
        bytes_array = BytesIO()
        image.save(bytes_array,format='PNG')
        #识别验证码
        result = self.chaojiying.PostPic(bytes_array.getvalue(),CHAOJIYING_KIND)
        print(result)
        locations = self.get_points(result)
        self.touch_click_words(locations)
        self.login()
    

if __name__ == "__main__":
    crack = Crackclick()
    crack.crack()

关键字总结

  1. 获取图片位置、截取图片
  2. 调用超级鹰API
  3. ActionChains
  4. 字节流处理


-------------本文结束感谢阅读-------------