NO IMAGE

一 介紹

    一些網站會在正常的賬號密碼認證之外加一些驗證碼,以此來明確地區分人/機行為,從一定程度上達到反爬的效果,對於簡單的校驗碼Tesserocr就可以搞定,如下

    但一些網站加入了滑動驗證碼,最典型的要屬於極驗滑動認證了,極驗官網:http://www.geetest.com/,下圖是極驗的登入介面

    現在極驗驗證碼已經更新到了 3.0 版本,截至 2017 年 7 月全球已有十六萬家企業正在使用極驗,每天服務響應超過四億次,廣泛應用於直播視訊、金融服務、電子商務、遊戲娛樂、政府企業等各大型別網站

對於這類驗證,如果我們直接模擬表單請求,繁瑣的認證引數與認證流程會讓你蛋碎一地,我們可以用selenium驅動瀏覽器來解決這個問題,大致分為以下幾個步驟

#步驟一:點選按鈕,彈出沒有缺口的圖片
#步驟二:獲取步驟一的圖片
#步驟三:點選滑動按鈕,彈出帶缺口的圖片
#步驟四:獲取帶缺口的圖片
#步驟五:對比兩張圖片的所有RBG畫素點,得到不一樣畫素點的x值,即要移動的距離
#步驟六:模擬人的行為習慣(先勻加速拖動後勻減速拖動),把需要拖動的總距離分成一段一段小的軌跡
#步驟七:按照軌跡拖動,完全驗證
#步驟八:完成登入

二 實現

#安裝:selenium chrome/phantomjs
#安裝:Pillow
Pillow:基於PIL,處理python 3.x的圖形影象庫.因為PIL只能處理到python 2.x,而這個模組能處理Python3.x,目前用它做圖形的很多.
http://www.cnblogs.com/apexchu/p/4231041.html
C:\Users\Administrator>pip3 install pillow
C:\Users\Administrator>python3
Python 3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from PIL import Image
>>>

from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from PIL import Image
import time
def get_snap():
'''
對整個網頁截圖,儲存成圖片,然後用PIL.Image拿到圖片物件
:return: 圖片物件
'''
driver.save_screenshot('snap.png')
page_snap_obj=Image.open('snap.png')
return page_snap_obj
def get_image():
'''
從網頁的網站截圖中,擷取驗證碼圖片
:return: 驗證碼圖片
'''
img=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_canvas_img')))
time.sleep(2) #保證圖片重新整理出來
localtion=img.location
size=img.size
top=localtion['y']
bottom=localtion['y'] size['height']
left=localtion['x']
right=localtion['x'] size['width']
page_snap_obj=get_snap()
crop_imag_obj=page_snap_obj.crop((left,top,right,bottom))
return crop_imag_obj
def get_distance(image1,image2):
'''
拿到滑動驗證碼需要移動的距離
:param image1:沒有缺口的圖片物件
:param image2:帶缺口的圖片物件
:return:需要移動的距離
'''
threshold=60
left=57
for i in range(left,image1.size[0]):
for j in range(image1.size[1]):
rgb1=image1.load()[i,j]
rgb2=image2.load()[i,j]
res1=abs(rgb1[0]-rgb2[0])
res2=abs(rgb1[1]-rgb2[1])
res3=abs(rgb1[2]-rgb2[2])
if not (res1 < threshold and res2 < threshold and res3 < threshold):
return i-7 #經過測試,誤差為大概為7
return i-7 #經過測試,誤差為大概為7
def get_tracks(distance):
'''
拿到移動軌跡,模仿人的滑動行為,先勻加速後勻減速
勻變速運動基本公式:
①v=v0 at
②s=v0t ½at²
③v²-v0²=2as
:param distance: 需要移動的距離
:return: 存放每0.3秒移動的距離
'''
#初速度
v=0
#單位時間為0.2s來統計軌跡,軌跡即0.2內的位移
t=0.3
#位移/軌跡列表,列表內的一個元素代表0.2s的位移
tracks=[]
#當前的位移
current=0
#到達mid值開始減速
mid=distance*4/5
while current < distance:
if current < mid:
# 加速度越小,單位時間的位移越小,模擬的軌跡就越多越詳細
a= 2
else:
a=-3
#初速度
v0=v
#0.2秒時間內的位移
s=v0*t 0.5*a*(t**2)
#當前的位置
current =s
#新增到軌跡列表
tracks.append(round(s))
#速度已經達到v,該速度作為下次的初速度
v=v0 a*t
return tracks
try:
driver=webdriver.Chrome()
driver.get('https://account.geetest.com/login')
wait=WebDriverWait(driver,10)
#步驟一:先點選按鈕,彈出沒有缺口的圖片
button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_radar_tip')))
button.click()
#步驟二:拿到沒有缺口的圖片
image1=get_image()
#步驟三:點選拖動按鈕,彈出有缺口的圖片
button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_slider_button')))
button.click()
#步驟四:拿到有缺口的圖片
image2=get_image()
# print(image1,image1.size)
# print(image2,image2.size)
#步驟五:對比兩張圖片的所有RBG畫素點,得到不一樣畫素點的x值,即要移動的距離
distance=get_distance(image1,image2)
#步驟六:模擬人的行為習慣(先勻加速拖動後勻減速拖動),把需要拖動的總距離分成一段一段小的軌跡
tracks=get_tracks(distance)
print(tracks)
print(image1.size)
print(distance,sum(tracks))
#步驟七:按照軌跡拖動,完全驗證
button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,'geetest_slider_button')))
ActionChains(driver).click_and_hold(button).perform()
for track in tracks:
ActionChains(driver).move_by_offset(xoffset=track,yoffset=0).perform()
else:
ActionChains(driver).move_by_offset(xoffset=3,yoffset=0).perform() #先移過一點
ActionChains(driver).move_by_offset(xoffset=-3,yoffset=0).perform() #再退回來,是不是更像人了
time.sleep(0.5) #0.5秒後釋放滑鼠
ActionChains(driver).release().perform()
#步驟八:完成登入
input_email=driver.find_element_by_id('email')
input_password=driver.find_element_by_id('password')
button=wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'login-btn')))
input_email.send_keys('[email protected]')
input_password.send_keys('linhaifeng123')
# button.send_keys(Keys.ENTER)
button.click()
import time
time.sleep(200)
finally:
driver.close()

案例:

破解部落格園後臺登入
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from PIL import Image
import time
def get_snap():
driver.save_screenshot('full_snap.png')
page_snap_obj=Image.open('full_snap.png')
return page_snap_obj
def get_image():
img=driver.find_element_by_class_name('geetest_canvas_img')
time.sleep(2)
location=img.location
size=img.size
left=location['x']
top=location['y']
right=left size['width']
bottom=top size['height']
page_snap_obj=get_snap()
image_obj=page_snap_obj.crop((left,top,right,bottom))
# image_obj.show()
return image_obj
def get_distance(image1,image2):
start=57
threhold=60
for i in range(start,image1.size[0]):
for j in range(image1.size[1]):
rgb1=image1.load()[i,j]
rgb2=image2.load()[i,j]
res1=abs(rgb1[0]-rgb2[0])
res2=abs(rgb1[1]-rgb2[1])
res3=abs(rgb1[2]-rgb2[2])
# print(res1,res2,res3)
if not (res1 < threhold and res2 < threhold and res3 < threhold):
return i-7
return i-7
def get_tracks(distance):
distance =20 #先滑過一點,最後再反著滑動回來
v=0
t=0.2
forward_tracks=[]
current=0
mid=distance*3/5
while current < distance:
if current < mid:
a=2
else:
a=-3
s=v*t 0.5*a*(t**2)
v=v a*t
current =s
forward_tracks.append(round(s))
#反著滑動到準確位置
back_tracks=[-3,-3,-2,-2,-2,-2,-2,-1,-1,-1] #總共等於-20
return {'forward_tracks':forward_tracks,'back_tracks':back_tracks}
try:
# 1、輸入賬號密碼回車
driver = webdriver.Chrome()
driver.implicitly_wait(3)
driver.get('https://passport.cnblogs.com/user/signin')
username = driver.find_element_by_id('input1')
pwd = driver.find_element_by_id('input2')
signin = driver.find_element_by_id('signin')
username.send_keys('linhaifeng')
pwd.send_keys('xxxxx')
signin.click()
# 2、點選按鈕,得到沒有缺口的圖片
button = driver.find_element_by_class_name('geetest_radar_tip')
button.click()
# 3、獲取沒有缺口的圖片
image1 = get_image()
# 4、點選滑動按鈕,得到有缺口的圖片
button = driver.find_element_by_class_name('geetest_slider_button')
button.click()
# 5、獲取有缺口的圖片
image2 = get_image()
# 6、對比兩種圖片的畫素點,找出位移
distance = get_distance(image1, image2)
# 7、模擬人的行為習慣,根據總位移得到行為軌跡
tracks = get_tracks(distance)
print(tracks)
# 8、按照行動軌跡先正向滑動,後反滑動
button = driver.find_element_by_class_name('geetest_slider_button')
ActionChains(driver).click_and_hold(button).perform()
# 正常人類總是自信滿滿地開始正向滑動,自信地表現是瘋狂加速
for track in tracks['forward_tracks']:
ActionChains(driver).move_by_offset(xoffset=track, yoffset=0).perform()
# 結果傻逼了,正常的人類停頓了一下,回過神來發現,臥槽,滑過了,然後開始反向滑動
time.sleep(0.5)
for back_track in tracks['back_tracks']:
ActionChains(driver).move_by_offset(xoffset=back_track, yoffset=0).perform()
# 小範圍震盪一下,進一步迷惑極驗後臺,這一步可以極大地提高成功率
ActionChains(driver).move_by_offset(xoffset=-3, yoffset=0).perform()
ActionChains(driver).move_by_offset(xoffset=3, yoffset=0).perform()
# 成功後,騷包人類總喜歡默默地欣賞一下自己拼圖的成果,然後戀戀不捨地鬆開那隻髒手
time.sleep(0.5)
ActionChains(driver).release().perform()
time.sleep(10)  # 睡時間長一點,確定登入成功
finally:
driver.close()

修訂版
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from PIL import Image
import time
def get_snap(driver):
driver.save_screenshot('full_snap.png')
page_snap_obj=Image.open('full_snap.png')
return page_snap_obj
def get_image(driver):
img=driver.find_element_by_class_name('geetest_canvas_img')
time.sleep(2)
location=img.location
size=img.size
left=location['x']
top=location['y']
right=left size['width']
bottom=top size['height']
page_snap_obj=get_snap(driver)
image_obj=page_snap_obj.crop((left,top,right,bottom))
# image_obj.show()
return image_obj
def get_distance(image1,image2):
start=57
threhold=60
for i in range(start,image1.size[0]):
for j in range(image1.size[1]):
rgb1=image1.load()[i,j]
rgb2=image2.load()[i,j]
res1=abs(rgb1[0]-rgb2[0])
res2=abs(rgb1[1]-rgb2[1])
res3=abs(rgb1[2]-rgb2[2])
# print(res1,res2,res3)
if not (res1 < threhold and res2 < threhold and res3 < threhold):
return i-7
return i-7
def get_tracks(distance):
distance =20 #先滑過一點,最後再反著滑動回來
v=0
t=0.2
forward_tracks=[]
current=0
mid=distance*3/5
while current < distance:
if current < mid:
a=2
else:
a=-3
s=v*t 0.5*a*(t**2)
v=v a*t
current =s
forward_tracks.append(round(s))
#反著滑動到準確位置
back_tracks=[-3,-3,-2,-2,-2,-2,-2,-1,-1,-1] #總共等於-20
return {'forward_tracks':forward_tracks,'back_tracks':back_tracks}
def crack(driver): #破解滑動認證
# 1、點選按鈕,得到沒有缺口的圖片
button = driver.find_element_by_class_name('geetest_radar_tip')
button.click()
# 2、獲取沒有缺口的圖片
image1 = get_image(driver)
# 3、點選滑動按鈕,得到有缺口的圖片
button = driver.find_element_by_class_name('geetest_slider_button')
button.click()
# 4、獲取有缺口的圖片
image2 = get_image(driver)
# 5、對比兩種圖片的畫素點,找出位移
distance = get_distance(image1, image2)
# 6、模擬人的行為習慣,根據總位移得到行為軌跡
tracks = get_tracks(distance)
print(tracks)
# 7、按照行動軌跡先正向滑動,後反滑動
button = driver.find_element_by_class_name('geetest_slider_button')
ActionChains(driver).click_and_hold(button).perform()
# 正常人類總是自信滿滿地開始正向滑動,自信地表現是瘋狂加速
for track in tracks['forward_tracks']:
ActionChains(driver).move_by_offset(xoffset=track, yoffset=0).perform()
# 結果傻逼了,正常的人類停頓了一下,回過神來發現,臥槽,滑過了,然後開始反向滑動
time.sleep(0.5)
for back_track in tracks['back_tracks']:
ActionChains(driver).move_by_offset(xoffset=back_track, yoffset=0).perform()
# 小範圍震盪一下,進一步迷惑極驗後臺,這一步可以極大地提高成功率
ActionChains(driver).move_by_offset(xoffset=-3, yoffset=0).perform()
ActionChains(driver).move_by_offset(xoffset=3, yoffset=0).perform()
# 成功後,騷包人類總喜歡默默地欣賞一下自己拼圖的成果,然後戀戀不捨地鬆開那隻髒手
time.sleep(0.5)
ActionChains(driver).release().perform()
def login_cnblogs(username,password):
driver = webdriver.Chrome()
try:
# 1、輸入賬號密碼回車
driver.implicitly_wait(3)
driver.get('https://passport.cnblogs.com/user/signin')
input_username = driver.find_element_by_id('input1')
input_pwd = driver.find_element_by_id('input2')
signin = driver.find_element_by_id('signin')
input_username.send_keys(username)
input_pwd.send_keys(password)
signin.click()
# 2、破解滑動認證
crack(driver)
time.sleep(10)  # 睡時間長一點,確定登入成功
finally:
driver.close()
if __name__ == '__main__':
login_cnblogs(username='linhaifeng',password='xxxx')

三 說明

  面對簡單的滑動驗證碼,極驗其實是有更復雜版本的,如下所示

機器識別難度高了,大部分屌絲碼農搞不定了。然而人類也矇蔽了,易用性降到極低。

使用了上述驗證的網站常常會在使用者一片怨聲載道中,又將其恢復成易於破解的滑動驗證。

驗證過程,是個破解難度、使用者體驗之間的一個平衡點。體驗越好的,破解也越容易。 
嘲諷驗證碼無效,破解簡單,是很 LOW 的行為。

網站方、驗證碼平臺方,知道你能破解,你牛 B。。。更難的驗證碼他們也有,只是這會嚴重降低體驗,他們不用而已。