[Python自动化]selenium之验证码识别

这一专栏，将以目的为导向，以简化或自动化完成工作任务为目标，将Python运用于实践中，解决实际问题，以激发读者对这门脚本语言的学习兴趣。在开始Python自动化相关实战的学习前，建议对 Python语言本身 以及 Python 爬虫 的相关知识展开一定的学习与了解。对此博客已开设相关专栏，可直达。

往期内容提要：

【Python基础】 动态HTML处理之Selenium与PhantomJS【Python基础】 机器视觉与机器图像识别之Tesseract【Python自动化】 selenium之网课学习自动化【Python自动化】 selenium之验证码识别（本文）【Python实战】疫情期间每日健康报送任务的自动化处理【Python实战】教务管理系统：成绩、课表查询接口设计及抢课、监控功能实现

“验证码的识别”无论是在网络爬虫，还是自动化领域，都是无法绕开的话题。此前作者曾在 [Python爬虫] 九、机器视觉与机器图像识别之Tesseract 一文中，对验证码的识别进行过初步介绍。在 教务管理系统：成绩、课表查询接口设计及抢课、监控功能实现 一文中，对图形验证码的识别进行了实战展示。在这一篇文章中，将对验证码的识别作出一个相对系统的概括与总结。

一般而言，在自动化工作中，如遇到验证码问题，我们一般通过三个方式解决。其一，手动解决；其二， 打码平台解决；三，代码解决。

针对第一种方法，如在入门篇【Python自动化】 selenium之网课学习自动化 一文中，在登录环节，为节省学习成本，我们便是采用的手动输入的方式处理验证码，通过图像识别。

def Login():print('***************正在加载必要元素，请耐心等待***************')browser.get('https://www.******.cn/home/')browser.find_element_by_xpath('//*[@id="accountFrom"]/label[1]/input').send_keys(username)browser.find_element_by_xpath('//*[@id="accountFrom"]/label[3]/input').send_keys(pwd)input("请输入验证码登陆后回车确认：")

针对第二种方法，正所谓利用“钞能力”解决问题，仅需足够预算，简单高效。在这里便不再多述。本文将主要讲述如何通过代码，实现验证码的识别。鉴于当前验证码形式的多样性，这里选用字符识别和滑动拼图两种最常见的验证方式，展开介绍。

验证码识别基本步骤梳理：

一、字符验证码识别

这一步的基本逻辑是：访问网页，保存验证码。但值得注意的是，每次页面刷新后验证码的值也将改变，因此请求验证码时候的cookie值应当与访问网页时的cookie值保持一致。

（1）访问网页

url1 = '手动打码/Login.aspx'def get_cookie():headers1 = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:74.0) Gecko/0101 Firefox/74.0","Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8","Accept-Language": "zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2","Accept-Encoding": "gzip, deflate","Content-Type": "application/x-www-form-urlencoded","Origin": "手动打码","Connection": "keep-alive","Referer": "手动打码","Upgrade-Insecure-Requests": "1"}main = session.get(url1, headers=headers1)gb_headers = main.headersreturn gb_headers

（2）储存验证码

test = get_cookie()url2 = '手动打码/Image.aspx'def get_pic():# 验证码请求头headers2 = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:74.0) Gecko/0101 Firefox/74.0","cookie": "varPartNewsManage.aspx=10" + test["Set-Cookie"]}re_pic = requests.get(url2, headers=headers2)response = re_pic.contentfile = "C:\\Users\\john\\Desktop\\1\\" + ".png"playFile = open(file, 'wb')playFile.write(response)playFile.close()

识别验证码：

def recognize_captcha(img_path):im = Image.open(img_path)num = pytesseract.image_to_string(im)return numget_pic()pic_res = recognize_captcha("C:\\Users\\john\\Desktop\\1\\" + ".png")#print(pic_res) # 验证码识别结果

登陆

def post_login():headers3 = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:74.0) Gecko/0101 Firefox/74.0","Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8","Accept-Language": "zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2","Accept-Encoding": "gzip, deflate","Content-Type": "application/x-www-form-urlencoded","Origin": "手动打码","Connection": "keep-alive","Referer": "手动打码","Upgrade-Insecure-Requests": "1","cookie": "varPartNewsManage.aspx=10;" + test["Set-Cookie"]}data = {"Flag": "Login","username": "手动打码","password": "手动打码","ddlUserClass": "1","code1": pic_res,"ImageButton2.x": "64","ImageButton2.y": "10"}res = session.post(url=url,data=data,headers=headers3)#print(res.request.headers) #核验cookie是否有效带上#print(res.text)post_login()

二、滑动拼图验证码识别

def get_geetest_button(self):"""获取初始验证按钮:return:"""# 验证按钮button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME,'geetest_radar_tip')))return buttondef get_position(self):"""获取验证码位置:return: 验证码位置元组"""img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'geetest_canvas_img')))print('img')location = img.locationsize = img.sizetop, bottom, left, right = location['y'], location['y'] + size['height'], location['x'], location['x'] + size['width']

进入验证页面，获取验证按钮与验证码的位置

获取完整图片

def get_screenshot(self):"""获取网页截图:return: 截图对象"""screenshot = self.browser.get_screenshot_as_png()screenshot = Image.open(BytesIO(screenshot))return screenshotdef get_geetest_image(self, name='captcha.png'):"""获取验证码图片:return: 图片对象"""top, bottom, left, right = self.get_position()print('验证码位置', top, bottom, left, right)screenshot = self.get_screenshot()captcha = screenshot.crop((left, top, right, bottom))captcha.save(name)return captchadef delete_style(self):'''执行js脚本，获取无滑块图:return None'''js = 'document.querySelectorAll("canvas")[2].style=""'self.browser.execute_script(js)def get_gap(self, image1, image2):"""获取缺口偏移量:param image1: 带缺口图片:param image2: 不带缺口图片:return:"""left = 60print(image1.size[0])print(image1.size[1])for i in range(left, image1.size[0]):for j in range(image1.size[1]):if not self.is_pixel_equal(image1, image2, i, j):left = ireturn leftreturn leftdef is_pixel_equal(self, image1, image2, x, y):"""判断两个像素是否相同:param image1: 图片1:param image2: 图片2:param x: 位置x:param y: 位置y:return: 像素是否相同"""# 取两个图片的像素点pixel1 = image1.load()[x, y]pixel2 = image2.load()[x, y]threshold = 60if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(pixel1[2] - pixel2[2]) < threshold:return Trueelse:return False

通过调整css样式，获取完整图片。同时获取带缺口的图片加入带缺口图片进行对比，获取偏移量！（PIL）

验证

根据偏移量获取移动轨迹，控制滑块，填补缺口！

def get_track(self, distance):"""根据偏移量获取移动轨迹:param distance: 偏移量:return: 移动轨迹"""# 移动轨迹track = []# 当前位移current = 0# 减速阈值mid = distance * 4 / 5# 计算间隔t = 0.2# 初速度v = 0while current < distance:if current < mid:# 加速度为正2a = 2else:# 加速度为负3a = -1# 初速度v0v0 = v# 当前速度v = v0 + atv = v0 + a * t# 移动距离x = v0t + 1/2 * a * t^2move = v0 * t + 1 / 2 * a * t * t# 当前位移current += move# 加入轨迹track.append(round(move))return trackdef move_to_gap(self, slider, track):"""拖动滑块到缺口处:param slider: 滑块:param track: 轨迹:return:"""ActionChains(self.browser).click_and_hold(slider).perform()for x in track:ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()time.sleep(0.5)ActionChains(self.browser).release().perform()

这里值得注意的是，由于验证码的特殊性，我们是不能控制滑块匀速滑过去的（人类是做不到的），极验在此也是做了验证的！所以我们按照人操作，先加速后减速做个优化！

此外，不管是电脑设置还是浏览器设置的缩放都要改成100%。否则将会影响图片的截取与偏移量的错误计算。

至此，本文也就进入尾声了。本文的撰写来自于开发中的一点心得体会，主要目的在于通过实践提高读者Python学习兴趣，解决实际问题。供对这一领域感兴趣的读者以参考借鉴。希望本文能够起到抛砖引玉之效，也欢迎大家的批评交流。

如果您有任何疑问或者好的建议，期待你的留言、评论与关注！