anye137's blogs
0%

爬虫之破解极验验证（滑动验证码）

Posted on Edited on In

概述

说实话，本文代码主要是参考网上资料的。

极验验证的滑动验证码如下：

其实网上有许多破解极验验证的教程，主要分为两种，一种是手动分析各种请求，另一种是直接使用 Selenium 模拟浏览器。前者，破解过程繁琐，开发久，但是运行速度快；后者，开发快，但是运行很慢。。考虑到极验验证一直在更换各种请求 URL，参数等等（毕竟人家靠这个吃饭的啊），手动分析的方法时效性不强。所以，本文主要参考使用 Selenium 破解验证码的方法。

本文所使用的验证码例子如下：

极验验证-验证例子

破解过程如下：

  1. 访问该页面，点击 “滑动行为验证”，点击 “点击按钮进行验证”，使得滑动验证码出现。
  2. 获取验证码图像和带缺口的验证码图像
  3. 比对两张图像，获得滑块位移
  4. 模拟滑块运动，进行验证

本文代码使用的库如下：

1
2
3
4
5
6
7
8
9
from PIL import Image
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.support.ui import WebDriverWait as Wait
from selenium.webdriver.support import expected_conditions as Expect
import new.anti.easing as easing
import time
import cv2


1. 滑动验证码的出现

这个比较简单啦，首先使用 Selenium 访问网页：

1
2
3
4
5
6
7
8
9
10
browser = webdriver.Chrome(
    executable_path="e:/chromedriver.exe",
    chrome_options=chrome_options
)
browser.get('http://www.geetest.com/type/')

Wait(browser, 60).until(
    Expect.visibility_of_element_located((By.CLASS_NAME, "products-content"))
)
time.sleep(1.2)

接着，点击 “滑动行为验证”：

1
2
3
4
5
slide_captcha = browser.find_element_by_xpath('//div[@class="products-content"]/ul/li[2]')
slide_captcha.click()
Wait(browser, 60).until(
    Expect.visibility_of_element_located((By.CLASS_NAME, "geetest_radar_tip_content"))
)

然后，点击 “点击按钮进行验证”，就出现验证图片了：

1
2
3
validate = browser.find_element_by_xpath('//span[@class="geetest_radar_tip_content"]')
validate.click()
time.sleep(0.5)


2. 获取验证码图像和带缺口的验证码图像

这里用到 Selenium 的截图功能。Selenium 对元素截图会出错（原因我也不知，网上这样说的。。）。所以，我们要全屏截图，然后裁剪出验证码图像。在这里，我们要截取的元素，是重叠的。对于重叠的元素，我们先执行 JS 脚本，移除部分元素或者使得元素不可见，再截图。获取图像的函数如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
def get_pictures(browser):
    browser.execute_script('''
        var x = document.getElementsByClassName("geetest_canvas_slice geetest_absolute");
        x[0].style.display="none";
        var y = document.getElementsByClassName("geetest_canvas_fullbg geetest_fade geetest_absolute");
        y[0].style.display="none";
    ''')
    time.sleep(0.8)
    
    # 带缺口的验证码图像的全屏截图
    browser.save_screenshot('img1.jpg')
    # 裁剪验证码图像
    crop_picture('img1.jpg')

    browser.execute_script('''
        var x = document.getElementsByClassName("geetest_canvas_bg geetest_absolute");
        x[0].style.display="none";
        var y = document.getElementsByClassName("geetest_canvas_fullbg geetest_fade geetest_absolute");
        y[0].style.display="block";
    ''')
    time.sleep(0.8)
    # 不带缺口的验证码图像的全屏截图
    browser.save_screenshot('img2.jpg')
    # 裁剪验证码图像
    crop_picture('img2.jpg')

    # 使元素恢复成可见的
    browser.execute_script('''
        var x = document.getElementsByClassName("geetest_canvas_bg geetest_absolute");
        x[0].style.display="block";
        var y = document.getElementsByClassName("geetest_canvas_slice geetest_absolute");
        y[0].style.display="block";
    ''')

其中，裁剪函数如下：

1
2
3
4
5
6
7
8
9
def crop_picture(filename):
    left = 830
    top = 335
    right = left + 260
    bottom = top + 160

    im = Image.open(filename)
    im = im.crop((left, top, right, bottom))
    im.save(filename)

260 和 160 是验证码图像的宽度和高度。830 和 335 是根据屏幕的高和宽以及验证码图像的高和宽计算出来的。对于不同的浏览器和不同的显示器，这些数值可能不一样。合理的话，应该使用程序获取这些高度和宽度并计算的。但是我懒得写了。。


3. 比对两张图像，获得滑块位移

这里，是对两张图片逐个像素进行匹配，如果某个像素点不匹配，该像素点就是滑块缺口的左上顶点。滑块的位移是水平方向的，初始滑块左上顶底横坐标大约是 12，所以 offset = j - 12。

但是实际上，我们截图的时候，截的验证码位置可能有误差，所以计算位移要考虑到误差的影响。在我这里，设置为 offset = j

1
2
3
4
5
6
7
8
9
10
11
def get_offset(image1, image2, threshold):
    offset = -1
    img1 = cv2.imread(image1)
    img2 = cv2.imread(image2)
    
    for j in range(260):
        for i in range(160):
            if not match(img1[i][j], img2[i][j], threshold):           
                offset = j
                return offset
    return offset

匹配函数如下（注意 imread 函数读到的像素值是 uint8 类型，相减之后可能溢出，所以要转为 int）：

1
2
3
4
5
6
def match(i1, i2, t):
    p1 = [int(p) for p in i1]
    p2 = [int(p) for p in i2]
    if abs(p1[0] - p2[0]) < t and abs(p1[1] - p2[1]) < t and abs(p1[2] - p2[2]) < t:
        return True
    return False

有个问题，就是，为什么我们要设置一个阈值呢？显而易见的原因是，图像之间可能存在少许误差嘛。不过，实际上，这个阈值设置得蛮大的（我设置为 50），这是因为，有些验证码图像加入了一些阴影干扰。

所以，像素之间差距小于阈值的，我们可以认为是跟原图像一样的，或者是阴影干扰项。


4. 模拟滑块运动，进行验证

注意，得到位移后，不能进行简单的匀速拖拽，因为极验验证会识别是否是机器操作的。所以，拖拽的的过程要精心设计。这里，我啥都没干。。哈哈。直接 copy 了网上的代码，成功率还是蛮高的。验证的代码如下：

1
2
3
4
def do_crack(browser, offset):
    knob = browser.find_element_by_class_name("geetest_slider_button")
    fake_drag(browser, knob, offset)
    return

里面调用的函数，可以去参考资料 [2] 那里看


参考资料

[1] (极验滑动验证最新破解实践（18年1月底）)[https://zhuanlan.zhihu.com/p/31995134]

[2] (使用 Python + Selenium 破解滑块验证码)[http://www.aneasystone.com/archives/2018/03/python-selenium-geetest-crack.html]