python 使用ddddocr库实现滑块验证码滑动验证

2024-01-20 18:44

本文主要是介绍python 使用ddddocr库实现滑块验证码滑动验证,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一. 识别滑块缺口

  1. 使用ddddocr识别
    该算法识别准确率为95%左右,测试三轮,每轮测试100次

def generate_distance(slice_url, bg_url):""":param bg_url: 背景图地址:param slice_url: 滑块图地址:return: distance:rtype: Integer"""slide = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)slice_image = requests.get(slice_url).contentbg_image = requests.get(bg_url).contentresult = slide.slide_match(target_bytes, bg_image, simple_target=True)return result['target'][0]
  1. 使用cv2识别
    该算法识别准确率为95%左右,测试三轮,每轮测试100次

def generate_distance(slice_url, bg_url):""":param bg_url: 背景图地址:param slice_url: 滑块图地址:return: distance:rtype: Integer"""slice_image = np.asarray(bytearray(requests.get(slice_url).content), dtype=np.uint8)slice_image = cv2.imdecode(slice_image, 1)slice_image = cv2.Canny(slice_image, 255, 255)bg_image = np.asarray(bytearray(requests.get(bg_url).content), dtype=np.uint8)bg_image = cv2.imdecode(bg_image, 1)bg_image = cv2.pyrMeanShiftFiltering(bg_image, 5, 50)bg_image = cv2.Canny(bg_image, 255, 255)result = cv2.matchTemplate(bg_image, slice_image, cv2.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)return max_loc[0]

二. 构造滑块轨迹

  1. 构造轨迹库
    图片长度为300,理论上就300种轨迹,实际上应该是200+种,还要减去滑块图的长度80
    手动滑他个几百次,并把距离和轨迹记录下来,识别出距离后直接查对应轨迹
  2. 算法构造轨迹track

def generate_track(distance):def __ease_out_expo(step):return 1 if step == 1 else 1 - pow(2, -10 * step)tracks = [[random.randint(20, 60), random.randint(10, 40), 0]]count = 30 + int(distance / 2)_x, _y = 0, 0for item in range(count):x = round(__ease_out_expo(item / count) * distance)t = random.randint(10, 20)if x == _x:continuetracks.append([x - _x, _y, t])_x = xtracks.append([0, 0, random.randint(200, 300)])times = sum([track[2] for track in tracks])return tracks, times

三. 结语

本篇文章篇幅不长,主要也没啥好说的,验证码研究多了,识别和轨迹就那几套方法,换汤不换药
函数a(e, t)中的重头戏:c.guid()、_.encrypt()、i.encrypt()、c.arrayToHex()四个函数我们放到浩瀚篇再说吧,不然我这紫极魔瞳四大境界变成三大境界了,哈哈哈


 

这篇关于python 使用ddddocr库实现滑块验证码滑动验证的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/626957

相关文章

mybatis执行insert返回id实现详解

《mybatis执行insert返回id实现详解》MyBatis插入操作默认返回受影响行数,需通过useGeneratedKeys+keyProperty或selectKey获取主键ID,确保主键为自... 目录 两种方式获取自增 ID:1. ​​useGeneratedKeys+keyProperty(推

Spring Boot集成Druid实现数据源管理与监控的详细步骤

《SpringBoot集成Druid实现数据源管理与监控的详细步骤》本文介绍如何在SpringBoot项目中集成Druid数据库连接池,包括环境搭建、Maven依赖配置、SpringBoot配置文件... 目录1. 引言1.1 环境准备1.2 Druid介绍2. 配置Druid连接池3. 查看Druid监控

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数

Linux在线解压jar包的实现方式

《Linux在线解压jar包的实现方式》:本文主要介绍Linux在线解压jar包的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux在线解压jar包解压 jar包的步骤总结Linux在线解压jar包在 Centos 中解压 jar 包可以使用 u

SpringBoot中如何使用Assert进行断言校验

《SpringBoot中如何使用Assert进行断言校验》Java提供了内置的assert机制,而Spring框架也提供了更强大的Assert工具类来帮助开发者进行参数校验和状态检查,下... 目录前言一、Java 原生assert简介1.1 使用方式1.2 示例代码1.3 优缺点分析二、Spring Fr

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

java使用protobuf-maven-plugin的插件编译proto文件详解

《java使用protobuf-maven-plugin的插件编译proto文件详解》:本文主要介绍java使用protobuf-maven-plugin的插件编译proto文件,具有很好的参考价... 目录protobuf文件作为数据传输和存储的协议主要介绍在Java使用maven编译proto文件的插件

c++ 类成员变量默认初始值的实现

《c++类成员变量默认初始值的实现》本文主要介绍了c++类成员变量默认初始值,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录C++类成员变量初始化c++类的变量的初始化在C++中,如果使用类成员变量时未给定其初始值,那么它将被

Python包管理工具pip的升级指南

《Python包管理工具pip的升级指南》本文全面探讨Python包管理工具pip的升级策略,从基础升级方法到高级技巧,涵盖不同操作系统环境下的最佳实践,我们将深入分析pip的工作原理,介绍多种升级方... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核