快捷導(dǎo)航

python爬蟲之驗(yàn)證碼篇3-滑動驗(yàn)證碼識別技術(shù)

更新時間：2019年04月11日 11:33:50 作者：夢想橡皮擦

本篇涉及到的驗(yàn)證碼為滑動驗(yàn)證碼，不同于極驗(yàn)證，本驗(yàn)證碼難度略低，需要的將滑塊拖動到矩形區(qū)域右側(cè)即可完成。對python爬蟲滑動驗(yàn)證碼識別技術(shù)感興趣的朋友跟隨小編一起看看吧

滑動驗(yàn)證碼介紹

本篇涉及到的驗(yàn)證碼為滑動驗(yàn)證碼，不同于極驗(yàn)證，本驗(yàn)證碼難度略低，需要的將滑塊拖動到矩形區(qū)域右側(cè)即可完成。

這類驗(yàn)證碼不常見了，官方介紹地址為：https://promotion.aliyun.com/ntms/act/captchaIntroAndDemo.html

使用起來肯定是非常安全的了，不是很好通過機(jī)器檢測

如何判斷驗(yàn)證碼類型

這個驗(yàn)證碼的標(biāo)識一般比較明顯，在頁面源碼中一般存在一個 nc.js 基本可以判定是阿里云的驗(yàn)證碼了

<script type="text/javascript" src="http://g.alicdn.com/sd/ncpc/nc.js?t=1552906749855"></script>

識別套路

截止到2019年3月18日，本驗(yàn)證碼加入了大量的selenium關(guān)鍵字驗(yàn)證，所以單純的模擬拖拽被反爬的概率滿高的，你也知道一般情況爬蟲具備時效性不確保這種手段過一段時間還可以使用！

導(dǎo)入selenium必備的一些模塊與方法


from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
# from selenium.webdriver.support import expected_conditions as EC
# from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
from selenium.webdriver import ActionChains
import time
import random

在啟動selenium之前必須要設(shè)置一個本機(jī)的代理，進(jìn)行基本的反[反爬] 處理，很多爬蟲在獲取用戶指紋的時候，都比較喜歡selenium，因?yàn)槭褂胹elenium模擬瀏覽器進(jìn)行數(shù)據(jù)抓取，能夠繞過客戶JS加密，繞過爬蟲檢測，繞過簽名機(jī)制

但是selenium越來越多的被各種網(wǎng)站進(jìn)行了相關(guān)屏蔽，因?yàn)閟elenium在運(yùn)行的時候會暴露出一些預(yù)定義的Javascript變量（特征字符串），例如"window.navigator.webdriver"，在非selenium環(huán)境下其值為undefined，而在selenium環(huán)境下，其值為true

下圖所示為selenium驅(qū)動下Chrome控制臺打印出的值

細(xì)致的繞過去的方法，可能需要單獨(dú)的一篇博客進(jìn)行贅述了，這里我只對上面的參數(shù)進(jìn)行屏蔽，使用到的是之前博客中涉及的mitmdump進(jìn)行代理

https://docs.mitmproxy.org/stable/concepts-certificates/

mitmdump進(jìn)行代理

技術(shù)參考來源：https://zhuanlan.zhihu.com/p/43581988

關(guān)于這個模塊的基本使用，參考我前面的博客即可,這里核心使用了如下代碼

indject_js_proxy.py
from mitmproxy import ctx
injected_javascript = '''
// overwrite the `languages` property to use a custom getter
Object.defineProperty(navigator, "languages", {
 get: function() {
  return ["zh-CN","zh","zh-TW","en-US","en"];
 }
});
// Overwrite the `plugins` property to use a custom getter.
Object.defineProperty(navigator, 'plugins', {
 get: () => [1, 2, 3, 4, 5],
});
// Pass the Webdriver test
Object.defineProperty(navigator, 'webdriver', {
 get: () => false,
});
// Pass the Chrome Test.
// We can mock this in as much depth as we need for the test.
window.navigator.chrome = {
 runtime: {},
 // etc.
};
// Pass the Permissions Test.
const originalQuery = window.navigator.permissions.query;
window.navigator.permissions.query = (parameters) => (
 parameters.name === 'notifications' ?
  Promise.resolve({ state: Notification.permission }) :
  originalQuery(parameters)
);
'''
 
def response(flow):
  # Only process 200 responses of HTML content.
  if not flow.response.status_code == 200:
    return
 
  # Inject a script tag containing the JavaScript.
  html = flow.response.text
  html = html.replace('<head>', '<head><script>%s</script>' % injected_javascript)
  flow.response.text = str(html)
  ctx.log.info('>>>> js代碼插入成功 <<<<')
 
  # 只要url鏈接以target開頭，則將網(wǎng)頁內(nèi)容替換為目前網(wǎng)址
  # target = 'https://target-url.com'
  # if flow.url.startswith(target):
  #   flow.response.text = flow.url

上述腳本放置任意目錄，之后進(jìn)行mitmdump的啟動即可

C:\user>mitmdump -s indject_js_proxy.py
Loading script indject_js_proxy.py
Proxy server listening at http://*:8080

啟動之后，通過webdriver訪問

測試網(wǎng)站：https://intoli.com/blog/not-possible-to-block-chrome-headless/chrome-headless-test.html

如果webDriver是綠色，也說明代理起作用了

selenium爬取

接下來就是通過selenium進(jìn)行一些模擬行為的操作了，這部分代碼比較簡單，編寫的時候參考一下注釋即可。

# 實(shí)例化一個啟動參數(shù)對象
chrome_options = Options()
# 添加啟動參數(shù)
chrome_options.add_argument('--proxy-server=127.0.0.1:8080')
# 將參數(shù)對象傳入Chrome，則啟動了一個設(shè)置了窗口大小的Chrome
driver = webdriver.Chrome(chrome_options=chrome_options)

關(guān)鍵函數(shù)

def move_to_gap(tracks):
  driver.get("https://passport.zcool.com.cn/regPhone.do?appId=1006&cback=https://my.zcool.com.cn/focus/activity")
  # 找到滑塊span
  need_move_span = driver.find_element_by_xpath('//*[@id="nc_1_n1t"]/span')
  # 模擬按住鼠標(biāo)左鍵
  ActionChains(driver).click_and_hold(need_move_span).perform()
  for x in tracks: # 模擬人的拖動軌跡
    print(x)
    ActionChains(driver).move_by_offset(xoffset=x,yoffset=random.randint(1,3)).perform()
  time.sleep(1)
  ActionChains(driver).release().perform() # 釋放左鍵

注意看到上述代碼中有何核心的點(diǎn) --- 拖拽距離的列表tracks

if __name__ == '__main__':
  move_to_gap(get_track(295))

這個地方可以借鑒網(wǎng)上的方案即可

def get_track(distance):
  '''
  拿到移動軌跡，模仿人的滑動行為，先勻加速后勻減速
  勻變速運(yùn)動基本公式：
  ①v=v0+at
  ②s=v0t+(1/2)at²
  ③v²-v0²=2as

  :param distance: 需要移動的距離
  :return: 存放每0.2秒移動的距離
  '''
  # 初速度
  v=0
  # 單位時間為0.2s來統(tǒng)計(jì)軌跡，軌跡即0.2內(nèi)的位移
  t=0.1
  # 位移/軌跡列表，列表內(nèi)的一個元素代表0.2s的位移
  tracks=[]
  # 當(dāng)前的位移
  current=0
  # 到達(dá)mid值開始減速
  mid=distance * 4/5

  distance += 10 # 先滑過一點(diǎn)，最后再反著滑動回來

  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(xì)
      a = 2 # 加速運(yùn)動
    else:
      a = -3 # 減速運(yùn)動

    # 初速度
    v0 = v
    # 0.2秒時間內(nèi)的位移
    s = v0*t+0.5*a*(t**2)
    # 當(dāng)前的位置
    current += s
    # 添加到軌跡列表
    tracks.append(round(s))

    # 速度已經(jīng)達(dá)到v,該速度作為下次的初速度
    v= v0+a*t

  # 反著滑動到大概準(zhǔn)確位置
  for i in range(3):
    tracks.append(-2)
  for i in range(4):
    tracks.append(-1)
  return tracks

代碼注釋已經(jīng)添加好，可以自行查閱，臨摹一下即可明白

最后開始進(jìn)行嘗試，實(shí)測中，發(fā)現(xiàn)可以自動拖動，但是，出現(xiàn)一個問題是最后被識別為機(jī)器，這個地方，我進(jìn)行了多次的修改與調(diào)整，最終從代碼層面發(fā)現(xiàn)實(shí)現(xiàn)確實(shí)有些復(fù)雜，所以改變策略，找一下chromedriver.exe是否有修改過的版本，中間去除了selenium的一些關(guān)鍵字，運(yùn)氣不錯，被我找到了。

目前只有windows10版本和linux16.04版本
gitee地址：https://gitee.com/bobozhangyx/java-crawler/tree/master/file/%E7%BC%96%E8%AF%91%E5%90%8E%E7%9A%84chromedriver

下載之后，替換你的 chromedriver.exe

再次運(yùn)行，成功驗(yàn)證

總結(jié)

以上所述是小編給大家介紹的python爬蟲之驗(yàn)證碼篇3-滑動驗(yàn)證碼識別技術(shù),希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！

您可能感興趣的文章: