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

例項程式碼

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) #保證圖片刷新出來
    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()

   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。

轉載地址:https://www.cnblogs.com/moning/p/8318475.html(很好的一個部落格)