Python解决反爬机制_滑块解锁的思路以及踩的坑+心得_一蓑烟雨任平生

前言

网上的的滑块解锁图形,五花八门,十个里面九个瘫,步步都是坑

目标

目标很简单,就是把滑块放进缺少的图片中

滑块解锁分三种

1.每次验证的第一个图都是定死的

也就是说,访问第一次之后,直接F12算出面积,直接把长度放入代码中即可

2.验证滑块不通过图片不变

这种的话,比较第一种较难点,思路很简单,就是设置一个长度,不断的递增就可以了,比如第一个图可能要求拉15cm也可能是拉33cm才可以,但是我就从3cm开始测试就可以了,3cm不行6cm,6cm不行9cm,反正没刷新图片15cm永远都在那里等着我

3.无论你验证成功失败,你拉一次图片位置变一次

这就是今天的反爬虫机制最高的境界,时时刻刻变位置,前两种的思路都不可以用了,只能计算出长度进行拉取,这也就是这篇博客要讲解的重头戏

一、下载滑块与背景图

1.利用canvas标签下载图片(此路不通)

这是大佬地址,我看了他的博客,只感觉在纸上谈兵,还对骂了一番

附上大佬的代码

def download_yzm(self):js = '''return document.getElementById('puzzle-lost').toDataURL()'''base64str = self.driver.execute_script(js)resultstr = base64str.strip("data:image/png;base64")resultstr = resultstr[1:]imagedata = base64.b64decode(resultstr)file = open('./bg.png', "wb")file.write(imagedata)file.close()

首先,不看别的,只看到js里面有return 我就知道会报错了,我很纳闷他试了没

在console里面执行js不知道哪个前端加过return才会有数据显示??

他没有实践,所以没有考虑很多问题,比如canvas下载图片地址toDataURL是存在跨域问题的,又比如每次图片滑动的距离并不是写死的,背景图会时时刻刻变化的,所以写代码还是多动手比较好

2.利用selenium的电脑截图下载图片(此路不通)

#移动前获取滑块那部分页面上的图片用selenium截图的形式
driver.find_elements_by_xpath('//*[@class="yidun_bg-img"]')[1].screenshot('0.png')
bg_act = cv.imread('0.png')
bg_act_height, bg_act_width = bg_act.shape[0],bg_act.shape[1]
bg = cv.imread('bg_img.png')
bg_height, bg_width = bg.shape[0],bg.shape[1]
block = cv.imread('img.png', -1)
scale = bg_act_height * 1.0 / bg_height
scale1 = bg_act_width * 1.0 / bg_width
block_act = cv.resize(block, (0,0), fx = scale, fy=scale)print('scale: ', scale, scale1)
x1,x2 =get_image_deviation(bg, block)
x1 = int(x1*scale)
print("x1x2=", x1, x2)#部分代码
ActionChains(滑块元素).move_by_offset(xoffset= 移动上面生成的距离, yoffset=0).perform()#第一次移动后二次识别部分代码driver.find_elements_by_xpath('//*[@class="yidun_bg-img"]')[1].screenshot('bg1.png')
bg_act1 = cv.imread('bg1.png')
x3,x4=get_image_deviation(bg_act1, block_act)print("x3x4=", x3, x4)
time.sleep(5)
ActionChains(driver).move_by_offset(xoffset= x1-x3, yoffset=0).perform()

两次图片匹配,识别率来完成,我呵呵了,这个鬼才也算有想法的,不断匹配识别来达到目的,但是电脑截图下来的图片你存哪里了,不保存放内存中自己消化了?图片不变化的话,或许你这种方法有点用

3.利用selenium的鼠标下载图片(成功)

这个就6的狠了,人为的进行打开网页点击保存图片,这里保存图片参看我另外一篇博客,网上很多文章也不行,自己摸索出来的最终解决方案

Python selenium自动化脚本右键保存图片_一蓑烟雨任平生

保存并不算很难,也就耗用了我两小时研究,网上天花乱坠,没营养的代码一堆一堆的,走了很多弯路,这里保存之后命名图片名称是一个难点,毕竟锁定IP并不是锁定一次滑动验证码就可以了,会频繁的锁定,所以要频繁的滑动解锁,这里重点讲解下selenium的删除和命名文件

直接上代码啊

def rnameFile():# 查找文件path = "E:\\xiazai"#这是你浏览器下载地址# os.listdir()方法，列出来所有文件# 返回path指定的文件夹包含的文件或文件夹的名字的列表files = os.listdir(path)# 主逻辑# 删除该文件os.remove("E:\\xiazai\\bg.png")print('删除北京成功')# 删除该文件os.remove("E:\\xiazai\\huakuai.png")print('删除滑块图片成功')# 对于批量的操作，使用FOR循环for f in files:# 调试代码的方法：关键地方打上print语句，判断这一步是不是执行成功print(f)if "1" in f and f.endswith(".png"):# 这里应该打印下载(1).pngprint("原来的文件名字是:{}".format(f))# 找到老的文件所在的位置old_file = os.path.join(path, f)print("old_file is {}".format(old_file))# 指定新文件的位置，如果没有使用这个方法，则新文件名生成在本项目的目录中new_file = os.path.join(path, "bg.png")print("File will be renamed as:{}".format(new_file))os.rename(old_file, new_file)print("修改后的文件名是:{}".format(f))elif "下载" in f and f.endswith(".png"):# 这里应该打印下载.pngprint("原来的文件名字是:{}".format(f))# 找到老的文件所在的位置old_file = os.path.join(path, f)print("old_file is {}".format(old_file))# 指定新文件的位置，如果没有使用这个方法，则新文件名生成在本项目的目录中new_file = os.path.join(path, "huakuai.png")print("File will be renamed as:{}".format(new_file))os.rename(old_file, new_file)print("修改后的文件名是:{}".format(f))if __name__ == '__main__':rnameFile()

二、计算滑块到空缺的距离

1.第一种方法对比像素(此路不通)

#.缺口图片匹配缺口所在图片那一行图片可以提高他识别率
def get_image_deviation():##读取滑块图block = cv.imread("img.png", -1) #完整图片有个缺口backimg = cv.imread("bg_img.png") #缺口图片# block = cv.resize(block, (240, 480))# backimg = cv.resize(block, (240, 480))##灰度化gray_backimg = cv.cvtColor(backimg, cv.COLOR_RGB2GRAY)blockWidth, blockHeight = block.shape[1], block.shape[0]##识别滑块图前景###由于滑块图为带透明的png，可根据透明通道来判断前景位置##识别物体框,生成blockmaskleft = blockWidthright = 0top = blockHeightbottom = 0for i in range(0, blockHeight):for j in range(0, blockWidth):if block[i, j, 3] > 0:if j <= left:left = jif j >= right:right = jif i <= top:top = iif i >= bottom:bottom = iblockBox = block[top:bottom, left:right]blockBox_width, blockBox_height = blockBox.shape[1], blockBox.shape[0]print(blockBox_width)blockMask = np.zeros([blockBox_height, blockBox_width], np.uint8)for i in range(0, blockBox_height):for j in range(0, blockBox_width):if blockBox[i, j, 3] > 0:blockMask[i, j] = 255blockBox = cv.cvtColor(blockBox, cv.COLOR_RGBA2GRAY)##由于边界点存在光照影响，为了避免边界点对匹配的影响，进行腐蚀操作kernel = np.ones((3, 3), np.uint8)blockMask = cv.erode(blockMask, kernel, iterations=1).astype(np.float32)backgroundROI = gray_backimg[top:bottom, :]##将backgroundROI、blockBox都转化成float型blockBox = (blockBox * 1.0).astype(np.float32)backgroundROI = (backgroundROI * 1.0).astype(np.float32)##使用cv的res = cv.matchTemplate(backgroundROI, blockBox, cv.TM_CCORR_NORMED, mask=blockMask)loc = cv.minMaxLoc(res)print("loc==", loc[3][0])locs = (loc[3][0])return locs

上面代码走不通,这就是没营养的东西

2.第二种方法对比滑块和背景(成功)

# -*- coding: utf-8 -*-
"""
@Time ： ${DATE} ${TIME}
@Auth ： 一蓑烟雨任平生
@File ：${NAME}.py
@IDE ：${PRODUCT_NAME}
@Motto：ABC(Always Be Coding)"""
import cv2def FindPic(bg, huakuai):"""找出图像中最佳匹配位置:param bg: 你下载的背景图:param huakuai: 滑块的图片:return: 滑动距离"""target_rgb = cv2.imread(bg)target_gray = cv2.cvtColor(target_rgb, cv2.COLOR_BGR2GRAY)template_rgb = cv2.imread(huakuai, 0)res = cv2.matchTemplate(target_gray, template_rgb, cv2.TM_CCOEFF_NORMED)value = cv2.minMaxLoc(res)return str(value).split('(')[3].split(',')[0]

3.第二种方法增强版

## 计算距离
def FindPic(bg, huakuai):'''bg: 背景图片tp: 缺口图片'''# 读取背景图片和缺口图片bg_img = cv2.imread(bg)  # 背景图片tp_img = cv2.imread(huakuai)  # 缺口图片# 识别图片边缘bg_edge = cv2.Canny(bg_img, 100, 200)tp_edge = cv2.Canny(tp_img, 100, 200)# 转换图片格式bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)# 缺口匹配res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)  # 寻找最优匹配# 绘制方框th, tw = tp_pic.shape[:2]tl = max_loc  # 左上角点的坐标br = (tl[0] + tw, tl[1] + th)  # 右下角点的坐标cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2)  # 绘制矩形print(tl[0])# 返回缺口的X坐标return tl[0]

12行代码搞完不香吗?非要搞100多行代码吓唬我啊

三、模仿人为滑动破解

1.计算出速度

这里只要学着人为的开始时候加速,然后减速放进去就OK了

def get_tracks(distance, rate=0.6, t=0.2, v=0):"""将distance分割成小段的距离:param distance: 总距离:param rate: 加速减速的临界比例:param a1: 加速度:param a2: 减速度:param t: 单位时间:param t: 初始速度:return: 小段的距离集合"""tracks = []# 加速减速的临界值mid = rate * distance# 当前位移s = 0# 循环while s < distance:# 初始速度v0 = vif s < mid:a = 40else:a = -3# 计算当前t时间段走的距离s0 = v0 * t + 0.5 * a * t * t# 计算当前速度v = v0 + a * t# 四舍五入距离，因为像素没有小数tracks.append(round(s0))# 计算当前距离s += s0return tracks

2.网上失败代码不粘贴了

这里就不在列举网上那些闪电滑块,蜗牛滑块的代码了,我累了

总结

我个人原因太懒,不喜欢写代码一大堆一大堆的,只要能实现效果,越少越好,一行能解决的事情绝对不用10行,这就是我,懒人一个,烂人一个