这篇文章主要讲解了基于opencv的selenium怎么实现滑动验证码,内容清晰明了,对此有兴趣的小伙伴可以学习一下,相信大家阅读完之后会有帮助。
基于selenium进行动作链
由于最近很多人聊到滑动验证码怎么处理,所以决定自己动手试一下。
做一个东西前。我们首先要对这个东西的操作过程有一个大概的了解。
from selenium import webdriver from selenium.webdriver.common.action_chains import ActionChains artice = browser.find_element_by_class_name('geetest_slider_button') # 滑动按钮 action = ActionChains(browser) action.click_and_hold(artice).perform() #按住按钮不放 action.reset_actions() action.pause(0.01).move_by_offset(step, 0).perform() #step 为滑动的水平距离 action.release(artice).perform() # 松开按钮
上面就是本方用到的有关于ActionChains的方法。其他方法这里不过多介绍,想了解更多的请转 seleniun ActionChains 鼠标键盘操作
接下来到我本次要介绍的重点,滑动距离的介绍,也就是图片求阴影区域的位置。
这里我使用了opencv库,主要流程包括
import cv2 as cv import numpy as np import math # 寻找直线 def FindLines(image): image = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 二值化 blurred = cv.GaussianBlur(image, (5, 5), 0) # 高斯模糊 canny = cv.Canny(blurred, 200, 400) # canny边缘检测 lines = cv.HoughLinesP(canny, 1, np.pi / 180, 20, minLineLength=15, maxLineGap=8) # 霍夫变换寻找直线 return lines[:, 0, :] # 返回直线 # 这里对直线进行过滤 def FindResultLises(lines): resultLines = [] for x1, y1, x2, y2 in lines: if (abs(y2 - y1) < 5 or abs(x2 - x1) < 5) and min(x1, x2) > 60: # 只要垂直于坐标轴的直线并且起始位置在60像素以上 resultLines.append([x1, y1, x2, y2]) return resultLines # 判断点是否在直线上 def distAbs(point_exm, list_exm): x, y = point_exm x1, y1, x2, y2 = list_exm dist_1 = math.sqrt(abs((y2 - y1) + (x2 - x1) + 1)) # 直线的长度 dist_2 = math.sqrt(abs((y1 - y) + (x1 - x) + 1)) + math.sqrt(abs((y2 - y) + (x2 - x) + 1)) # 点到两直线两端点距离和 return abs(dist_2 - dist_1) # 交点函数 y = kx + b 求交点位置 def findPoint(line1, line2): poit_status = False x1, y1, x2, y2 = line1 x3, y3, x4, y4 = line2 x = y = 0 if (x2 - x1) == 0: # 垂直x轴 k1 = None b1 = 0 else: k1 = 1.0 * (y2 - y1) / (x2 - x1) b1 = y1 * 1.0 - k1 * x1 * 1.0 if (x4 - x3) == 0: k2 = None b2 = 0 else: k2 = 1.0 * (y4 - y3) / (x4 - x3) b2 = y3 * 1.0 - k2 * x3 * 1.0 if k1 is None: if not k2 is None: x = x1 y = k2 * x1 + b2 poit_status = True elif k2 is None: x = x3 y = k1 * x3 + b1 poit_status = True elif k1 != k2: x = (b2 - b1) * 1.0 / (k1 - k2) y = k1 * x * 1.0 + b1 * 1.0 poit_status = True return poit_status, [x, y] # 求交点 def linePoint(resultLines): for x1, y1, x2, y2 in resultLines: for x3, y3, x4, y4 in resultLines: point_is_exist, [x, y] = findPoint([x1, y1, x2, y2], [x3, y3, x4, y4]) # 两线是否有交点 if point_is_exist: dist_len1 = distAbs([x, y], [x1, y1, x2, y2]) dist_len2 = distAbs([x, y], [x3, y3, x4, y4]) if dist_len1 < 5 and dist_len2 < 5: # 如果误差在5内我们认为点在直线上 # 判断交点在行直线中是左端点还是右端点 if abs(y2 - y1) < 5: # x1是行直线 if abs(x1 - x) + abs(y1 - y) < 5: # 左端点 return -1, [x, y] else: return 1, [x, y] else: # x2是行直线 if abs(x3 - x) + abs(y3 - y) < 5: return -1, [x, y] else: return 1, [x, y] return 0, [0, 0] if __name__ == '__main__': img = cv.imread(r'C:\Users\Administrator\Desktop\opencv\temImg.png') lines = FindLines(img) lines = FindResultLises(lines) L_or_R, point_x = linePoint(lines) # L_or_R 用于判断交点在行直线左边还是右边 后面拖动要用到 xoffset = point_x[0] yoffset = point_x[1] cv.circle(img, (int(xoffset), int(yoffset)), 5, (0, 0, 255), 3) cv.imshow('circle', img) cv.waitKey(0) cv.destroyAllWindows()
效果图
当然也有操作不到的图片,各位有兴趣的可以尝试并且修改其中的参数
滑动验证码
在上面我们已经找到了边缘点,并且根据交点是在左边还是右边进行计算,找到我们要滑动的最后值
if L_or_R == 1: x_offset = xoffset - 20 # 20是阴影快一半的长度 可根据实际情况调整 else: x_offset = offset + 20
有了滑动距离,接下来就应该是滑动了
如果我们直接用 action.move_by_offset(x_offset,0).perform()
图片会图示被怪物吃了。那就是运动轨迹被检测到不是正常人的行为,因为正常人很难一拉就拉到对应的位置。
滑动轨迹算法
所以我们还要有一个模拟人的正常操作的拖动轨迹:下面是以先加速再减速的轨迹
import ramdom # 通过加速减速模拟滑动轨迹 def moveTrack(xoffset): updistance = xoffset*4/5 t = 0.2 v = 0 steps_list = [] current_offset = 0 while current_offset<xoffset: if current_offset<updistance: a = 2 + random.random() * 2 else: a = -random.uniform(12,13) vo = v v = vo + a * t x = vo * t + 1 / 2 * a * (t * t) x = round(x, 2) current_offset += abs(x) steps_list.append(abs(x)) # 上面的 sum(steps_list) 会比实际的大一点,所以再模拟一个往回拉的动作,补平多出来的距离 disparty = sum(steps_list)-xoffset last1 = round(-random.random() - disparty, 2) last2 = round(-disparty-last1, 2) steps_list.append(last1) steps_list.append(last2) return steps_list
有了轨迹 steps_list
我们就可以通过循环来拖动按钮。需要注意的一点是 每一次循环都要action.reset_actions()
不然他会把之前的距离也算进来,循环结束记得松开按钮
for step in steps_list: action.reset_actions() action.pause(0.01).move_by_offset(step, 0).perform() action.release(artice).perform()
看完上述内容,是不是对基于opencv的selenium怎么实现滑动验证码有进一步的了解,如果还想学习更多内容,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。