Apprenez à python à déchiffrer le code de vérification du curseur ! N'oubliez pas de favori!

---

avant-propos

Certains amis ont signalé dans des messages privés que dans le processus d'automatisation Web, ils sont souvent bloqués par le code de vérification de connexion et qu'ils ne savent pas comment passer la vérification du code de vérification. Aujourd'hui, je vais vous parler du problème des codes de vérification. En général, nous pouvons demander aux développeurs d'aider à résoudre les codes de vérification, et de fermer les codes de vérification ! Avons-nous un moyen de gérer ces codes de vérification ? La réponse est bien sûr oui. Les codes de vérification courants sont généralement divisés en deux catégories, l'une est les codes de vérification graphiques et l'autre est les codes de vérification par curseur !

En ce qui concerne le code de vérification pour la reconnaissance image-texte, des solutions de reconnaissance connexes ont déjà été publiées, je n'en dirai donc pas trop aujourd'hui. Les partenaires intéressés peuvent obtenir les supports vidéo . Aujourd'hui, nous parlons principalement de la façon d'identifier et de déchiffrer le code de vérification glissant.

→→→Obtenez d'abord les informations, puis apprenez←←←

1. Idées de craquage de vérification coulissante

L'idée de casser le code de vérification glissant est généralement les deux étapes suivantes :

1. Obtenir la distance de glissement du curseur

2. Simulez le déplacement du curseur et passez la vérification.

Cela semble difficile, mais ce n'est en fait pas facile du tout. Mais pour obtenir la distance de glissement du curseur, la plupart des amis n'ont aucune idée et ne savent pas comment l'obtenir. En fait, il n'est pas difficile de l'obtenir. En ce qui concerne ce type de code de vérification glissant, le curseur et le fond de l'écart sont chacun une image indépendante. Nous pouvons télécharger ces deux images et utiliser la technologie de reconnaissance d'image pour les identifier. La position de l'écart dans l'image d'arrière-plan, puis soustrayez la position actuelle du curseur pour obtenir la distance de glissement. À ce moment, beaucoup d'amis penseront que je ne sais pas utiliser la technologie de reconnaissance d'image, ce n'est pas grave, je vous donnerai un module de reconnaissance de curseur packagé plus tard, tant que vous passez dans les nœuds d'élément du curseur et l'image d'arrière-plan de l'écart, il peut être calculé La position de l'encoche du curseur.

2. Explication du cas

Pas grand chose à dire, voyons d'abord un cas. Ici, j'ai utilisé un module de reconnaissance de distance coulissante slideVerfication packagé par moi-même. Les amis qui en ont besoin peuvent l'obtenir à partir de la carte de visite à la fin de l'article. Les étapes de mise en œuvre du cas de connexion sont les suivantes :

1. Créez un objet pilote et accédez à la page de connexion qq
2. Entrez le mot de passe du compte
3. Cliquez pour vous connecter
4. Simuler la vérification glissante

3. Mise en œuvre du code

import time
from selenium import webdriver
from slideVerfication import SlideVerificationCode
​
# 1、创建一个driver对象，访问qq登录页面
browser = webdriver.Chrome()
browser.get("https://qzone.qq.com/")
​
# 2、输入账号密码
# 2.0 点击切换到登录的iframe
browser.switch_to.frame('login_frame')
# 2.1 点击账号密码登录
browser.find_element_by_id('switcher_plogin').click()
# 2.2定位账号输入框，输入账号
browser.find_element_by_id("u").send_keys("123292678")
# 2.3定位密码输入输入密码
browser.find_element_by_id("p").send_keys("PYTHON01")
# 3、点击登录
browser.find_element_by_id('login_button').click()
time.sleep(3)
​
# 4、模拟滑动验证
# 4.1切换到滑动验证码的iframe中
tcaptcha = browser.find_element_by_id("tcaptcha_iframe")
browser.switch_to.frame(tcaptcha)
# 4.2 获取滑动相关的元素
# 选择拖动滑块的节点
slide_element = browser.find_element_by_id('tcaptcha_drag_thumb')
# 获取滑块图片的节点
slideBlock_ele = browser.find_element_by_id('slideBlock')
# 获取缺口背景图片节点
slideBg = browser.find_element_by_id('slideBg')
# 4.3计算滑动距离
sc = SlideVerificationCode(save_image=True)
distance = sc.get_element_slide_distance(slideBlock_ele,slideBg)
# 滑动距离误差校正，滑动距离*图片在网页上显示的缩放比-滑块相对的初始位置
distance = distance*(280/680) - 22
print("校正后的滑动距离",distance)
# 4.4、进行滑动
sc.slide_verification(browser,slide_element,distance=100)

Le problème d'identification du code de vérification glissant est ainsi résolu. Parlons ensuite du principe d'identification du module packagé slideVerfication. En effet, la reconnaissance d'image de ce module est également reconnue à l'aide d'un traitement d'image tiers module. Il existe de nombreuses bibliothèques prêtes à l'emploi en python pour le traitement des images. Ici, j'utilise opencv-python pour la reconnaissance. Certains codes de référence des deux méthodes utilisées dans le module slideVerfication sont les suivants :

def get_element_slide_distance(self, slider_ele, background_ele, correct=0):

En fonction du curseur entrant et du nœud d'arrière-plan, calculez la distance du curseur. Cette méthode ne peut calculer que la scène où le curseur et l'image d'arrière-plan forment une image complète. Si l'image d'arrière-plan est une image d'arrière-plan collée par plusieurs petites images, cette méthode Non applicable, veuillez utiliser la méthode get_image_slide_distance

:param slider_ele: 滑块图片的节点
:type slider_ele: WebElement
:param background_ele: 背景图的节点
:type background_ele:WebElement
:param correct:滑块缺口截图的修正值，默认为0,调试截图是否正确的情况下才会用
:type: int
:return: 背景图缺口位置的X轴坐标位置（缺口图片左边界位置）

# 获取验证码的图片
slider_url = slider_ele.get_attribute("src")
background_url = background_ele.get_attribute("src")
# 下载验证码背景图,滑动图片
slider = "slider.jpg"
background = "background.jpg"
self.onload_save_img(slider_url, slider)
self.onload_save_img(background_url, background)
# 读取进行色度图片，转换为numpy中的数组类型数据，
slider_pic = cv2.imread(slider, 0)
background_pic = cv2.imread(background, 0)
# 获取缺口图数组的形状 -->缺口图的宽和高
width, height = slider_pic.shape[::-1]
# 将处理之后的图片另存
slider01 = "slider01.jpg"
background_01 = "background01.jpg"
cv2.imwrite(background_01, background_pic)
cv2.imwrite(slider01, slider_pic)
# 读取另存的滑块图
slider_pic = cv2.imread(slider01)
# 进行色彩转换
slider_pic = cv2.cvtColor(slider_pic, cv2.COLOR_BGR2GRAY)
# 获取色差的绝对值
slider_pic = abs(255 - slider_pic)
# 保存图片
cv2.imwrite(slider01, slider_pic)
# 读取滑块
slider_pic = cv2.imread(slider01)
# 读取背景图
background_pic = cv2.imread(background_01)
# 比较两张图的重叠区域
result = cv2.matchTemplate(slider_pic, background_pic, cv2.TM_CCOEFF_NORMED)
# 获取图片的缺口位置
top, left = np.unravel_index(result.argmax(), result.shape)
# 背景图中的图片缺口坐标位置
print("当前滑块的缺口位置：", (left, top, left + width, top + height))
return left
def slide_verification(self, driver, slide_element, distance):

Faites glisser le curseur pour vérifier

:param driver: driver对象
:type driver:webdriver.Chrome
:param slide_element: 滑块的元组
:type slider_ele: WebElement
:param distance: 滑动的距离
:type: int
:return:

# 获取滑动前页面的url地址
start_url = driver.current_url
print("需要滑动的距离为：", distance)
# 根据滑动距离生成滑动轨迹
locus = self.get_slide_locus(distance)
print("生成的滑动轨迹为:{}，轨迹的距离之和为{}".format(locus, distance))
# 按下鼠标左键
ActionChains(driver).click_and_hold(slide_element).perform()
time.sleep(0.5)
# 遍历轨迹进行滑动
for loc in locus:
time.sleep(0.01)
ActionChains(driver).move_by_offset(loc, random.randint(-5, 5)).perform()
ActionChains(driver).context_click(slide_element)
# 释放鼠标
ActionChains(driver).release(on_element=slide_element).perform()

Eh bien, je vais partager avec vous la reconnaissance du code de vérification coulissant ici. Les solutions ci-dessus ont également des vidéos explicatives correspondantes. Si vous en avez besoin, obtenez la carte de visite ci-dessous !

↓ ↓ ↓ Ajouter la carte de visite ci-dessous pour me trouver, obtenir directement le code source et les cas ↓ ↓ ↓