验证码_像素缺口识别原理

极验滑动验证码缺口识别

 

感谢崔大佬的《python3网络爬虫开发实战》这本书让我开了眼界。最近学习到验证码识别这一块，发现随着网站防爬手段的不断更新，要填的坑真是越来越多，这篇文章就分享一下近段时间的填坑之旅。

首先来说一下书上的缺口识别函数，大概原理是通过两张图片的像素对比，识别像素不同的点确定缺口位置。然而这种识别方法的前提条件是必须要有两张图，一张图是不含缺口的图片，另一张则是带缺口的图片。

但由于时间原因，我接触书上的代码时，极验证网站的滑动识别机制已经更新。对的，网站上截不到第一张不带缺口的图片了，所以在我手动copy崔大佬的代码运行时结果必然是失败的。

所以我自己写了两种解决滑动验证码的方法与大家分享，希望能擦出思想的火花。

第一种方法大概不算识别方法吧，因为里面有些投机取巧的地方。

投机就投机在我偶然发现了绕过验证码可以直接登录的地方。

偶然间发现极验证那个智能验证按钮，按钮左边的小圆圈里的指针，会随着鼠标的坐标而转动，然后我就发现这个小圈圈其实就是所谓智能验证的核心。也就是只要在这个按钮加载出来后，有鼠标在周围移动时，就会被视为是人为操作；而如果是按钮加载出来后代码直接点击就会被视为爬虫，然后就会有滑动验证码来作为反爬虫的一道大坎。

所以要解决这个问题其实很简单，我能想到的就是用代码在按钮附近移动鼠标，巧妙地绕过验证。

所以我导入了py的pyautogui 模块，在确认了按钮坐标后根据坐标位置让鼠标在其周围稍微移动。

核心代码是：pyautogui.moveTo(x,y,duration=0.1)

pyautogui.moveTo(x+20,y+20,duration=5)

其中x，y为按钮的坐标，duration为移动延时。延时尽量调整在5秒左右，因为移动速度过快那个小圈圈不买账。

上面代码执行后再点击按钮就会出现如下情况（嘿嘿）：

第一种解决方法真的是绝妙，绕过了复杂的缺口识别，轻而易举就完事了。

但，这似乎有点胜之不武，是男人就应该正面解决问题（钢），在别人背后偷偷插一刀不是男人的作风。所以，重点来了，第二种方法就是正面解决问题的正路！

先讲讲思路吧。

在经过一番观察后，我发现我想要找到那个缺口的位置似乎是黑乎乎的，这个黑，就成为了解决问题的切入点。

是的，基本思路就是通过像素的rgb值找出那块黑乎乎的目标位置的x坐标。

然后我展开了我的一系列仔细的观察，还能发现，那个滑块的周围的颜色似乎是固定的，

固定的橙色系（瞎说）。

下面是研究对象：

 

然后我就开始寻找这个橙色系的rgb值的浮动范围。

下面是经过一系列计算后的结果：

上面的计算包括rgb三个值的浮动范围，三个值两两相减的绝对值的浮动范围以及rgb值的比率。

后来我就把这个橙色系的rgb范围大概计算出来了：

r区间：[159,247]

g区间：[154,249]

b区间：[102,231]

abs(r-g)区间：[0,10]

abs(g-b)区间：[18,117]

计算三个值的比例我是通过rgb各值除以r值，然后取的g值和b值之和，浮动区间为：

[1.4,1.9]

有了这些数据之后就很容易能识别出滑块周围的那一圈橙色系（似乎不是很专业，嘿嘿）。

接下来就是发现滑块的位置的y坐标的那条直线必定经过缺口。

能够定位滑块边缘坐标之后，为了减少其他因素的影响，通过减少识别范围提高识别率，对上面的图进行范围缩小处理（截图）。

接下来要处理的就是如何识别出上面红框框里面的缺口的x坐标。

黑是识别的关键，也就是上面红线标注旁边的那条竖线像素rgb三值之和是图像中以x坐标为直线所有像素点rgb三个值和的最小值。

解决方法来了，也就是以x坐标划竖线，遍历计算出rgb三值之和最小的那条，然后确定x坐标，x坐标即为缺口位置。

 

如下为截取的图片：

 

 

在ps上放大分析：

 

 

大功告成！！！

from io import BytesIO
from PIL import Image
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time
url = 'https://account.geetest.com/login'
EMAIL = '*********'
PASSWORD = '*********'
def open_firefox(url,email,password):
    '''
    :param url: 极验证登录页面地址
    :param email: 登录账号
    :param password: 密码
    :return:
    '''
    browers=webdriver.Firefox()
    browers.get(url)
    wait=WebDriverWait(browers,10)
    email_block=wait.until(EC.presence_of_element_located((By.ID, 'email')))
    password_block=wait.until((EC.presence_of_element_located((By.ID, 'password'))))
    email_block.send_keys(email)
    password_block.send_keys(password)
    button =wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_radar_tip')))
    button.click()
    return browers,wait
def identify_gap(browers,wait):
    '''
    :param browers: 浏览器对象
    :param wait: wait对象
    :return: 缺口位置x坐标
    '''
    #定位验证码图片
    small_img=wait.until(EC.presence_of_element_located((By.XPATH, '//canvas[@class="geetest_canvas_bg geetest_absolute"]')))
    location=small_img.location  #获取图片位置，及大小
    size=small_img.size
    top, bottom, left, right = location['y'], location['y'] + size['height'], location['x'], location['x'] + size[
            'width']    #确定截图位置
    time.sleep(5)
    screenshot=browers.get_screenshot_as_png()
    screenshot = Image.open(BytesIO(screenshot))
 
    captcha = screenshot.crop((left, top, right, bottom))
    captcha.save(r'first.png')  #保存图片
    first=Image.open(r'first.png')
    xsize,ysize=first.size
    pool=[]        #保存符合条件的像素点的坐标信息的数据池
    pix=first.load()
    for i in range(xsize):            #颜色识别区域
        for j in range(ysize):
            if 159<=(pix[i,j])[0]<=247 and 154<=(pix[i,j])[1] <=249 and 102 <=(pix[i,j])[2]<=231:
                if 0<=abs((pix[i,j])[0]-(pix[i,j])[1])<=10:
                    if  18<=abs((pix[i,j])[1]-(pix[i,j])[2])<=117  :
                        if 1.4<=(pix[i,j])[1]/(pix[i,j])[0]+(pix[i,j])[2]/(pix[i,j])[0]<=1.97:
                            pool.append((i,j))
    #print(pool)
    x,y=(pool[0])[0],(pool[0])[1]     #获取第一个符合条件的像素点的位置
    captcha1=screenshot.crop((left+x,top+y,right,top+y+5))    #进行截图
    captcha1.save(r'second.png')
    Pool=[]         # 第二张截图根据x坐标的每一条竖线的rgb值和的数据池
    second=Image.open(r'second.png')
    Xsize,Ysize=second.size
    pix1=second.load()
    for i in range(Xsize):
        sum=0
        for j in range(Ysize):
             sum+=(pix1[i,j])[0]+(pix1[i,j])[1]+(pix1[i,j])[1]
        Pool.append((i,sum))
    Pool=sorted(Pool,key=lambda x:x[1])      #排序，找出rgb值得和的最低竖线的x坐标
    #print(Pool)
    return (Pool[0])[0]+x   #返回偏移值
 
 
 
if __name__=='__main__':
    browers,wait=open_firefox(url=url,email=EMAIL,password=PASSWORD)
 
    print(identify_gap(browers,wait))
 

转自：https://zhuanlan.zhihu.com/p/52705053