python--spider验证码 python验证码模块

目前，许多网站采取各种各样的措施来反爬虫，其中一个措施就是使用验证码。

验证码的花样也越来越多，几个数字组合的简单的图形验证码，英文字母和混淆曲线相结合的方式。大概包括：

• 普通图形验证码
• 极验滑动验证码
• 点触验证码
• 微博宫格验证码

接下里我们来具体了解一下。

1 图形验证码

图形验证码是最早出现也是最简单的一种验证码，一般由 4 位字母或者数字组成。

本节我们用OCR技术来识别图形验证码。（Optical Character Recognition，光学字符识别，将图片、照片上的文字内容，直接转换为可编辑文本）

安装 tesserocr 库

1.1 获取验证码

我们找一张验证码图片，为方便测试，我们保存到本地。（注册知网的时候可以看到需要输入验证码：http://my.cnki.net/elibregister/）

打开开发者工具,找到验证码元素。它是一张图片，它的 src 属性是CheckCode.aspx。可通过(http://my.cnki.net/elibregister/CheckCode.aspx),直接看到验证码，右键保存即可。

1.2 识别测试

• tesserocr.image_to_text()

• tesserocr.file_to_text()

PIL = Image.open(=

结果：

PIL = Image.open(=(result)

结果：

PIL = Image.open(= image.convert() image = image.convert() =(result)

也可以指定二值化的阈值，但是不能直接转化原图，首先将原图转化为灰度图像，然后再指定二值化阈值。阈值不同，效果不一样啊

PIL = Image.open(= image.convert(= 80 table = i range(256 i <1= image.point(table,

结果：

阈值为180

阈值为80

2. 极验滑动验证码

极验滑动验证码是近几年出现的新型验证码，比图形验证码上升了好几个难度。

使用Selenium 库，以及Chrome 和 ChromeDriver。

2.1 什么是极验验证码

极验验证码官网：http://www.geetest.com. 是一个专注于提供验证安全的系统。

2.2 极验验证码特点

见其官网https://www.geetest.com 或者极验博客https://blog.geetest.com/

2.3 识别思路

• 模拟点击验证按钮

Selenium 模拟点击按钮

• 识别滑动缺口的位置

边缘检测算法

• 模拟拖动滑块

极验验证码增加了机器轨迹识别，（匀速，随机速度都不行）

2.4 初始化

EMAIL = PASSWORD = = == WebDriverWait(self.browser, 20== PASSWORD

2.5 模拟点击

= self.wait.until(EC.element_to_clickable((By.CLASS_NAME, ))) button =

2.6 识别缺口

获取前后两张比对图片，二者不一致的地方即为缺口。

= self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 2=== location[], location[] + size[], location[], location[] + get_geetest_image(self, name==(== captcha

= self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, slider = pixel1 === 60 abs(pixel1[0] - pixel2[0]) < threshold abs(pixel1[1] - pixel2[1]) < threshold 2] - pixel2[2]) <= 60 i j range(image1.size[1 = left

2.7 模拟拖动

track = current = mid = distance * 4 / 5 t = 0.2 v = current < current < a = 2 a = -3 v0 = v = v0 + a * move = v0 * t + 1 / 2 * a * t * current += x =x, yoffset=0.5

3.点触验证码

12306用的就是典型的点触验证码，有一个专门提供点触验证码服务的站点： TouClick(https://www.touclick.com/)

使用Selenium 库，以及Chrome 和 ChromeDriver。

3.1 分析

用OCR技术效果不好，网上有很多验证码服务平台：超级鹰（https://www.chaojiying.com）等.

具体代码可见别人的博客：https://gi

4.微博宫格验证码

3WebSpider/CrackTouClick

ck

4.微博宫格验证码