滑动验证码介绍
本篇涉及到的验证码为滑动验证码，不同于极验证，本验证码难度略低，需要的将滑块拖动到矩形区域右侧即可完成。
这类验证码不常见了，官方介绍地址为：https://promotion.aliyun.com/ntms/act/captchaintroanddemo.html
使用起来肯定是非常安全的了，不是很好通过机器检测
如何判断验证码类型
这个验证码的标识一般比较明显，在页面源码中一般存在一个 nc.js 基本可以判定是阿里云的验证码了
<script type="text/javascript" src="//g.alicdn.com/sd/ncpc/nc.js?t=1552906749855"></script>
识别套路
截止到2019年3月18日，本验证码加入了大量的selenium关键字验证，所以单纯的模拟拖拽被反爬的概率满高的，你也知道一般情况爬虫具备时效性 不确保这种手段过一段时间还可以使用！
|
1
2
3
4
5
6
7
8
9
10
11
|
导入selenium必备的一些模块与方法from selenium import webdriverfrom selenium.webdriver.support.wait import webdriverwait# from selenium.webdriver.support import expected_conditions as ec# from selenium.webdriver.common.by import byfrom selenium.webdriver.chrome.options import optionsfrom selenium.webdriver import actionchainsimport timeimport random |
在启动selenium之前必须要设置一个本机的代理，进行基本的反[反爬] 处理，很多爬虫在获取用户指纹的时候，都比较喜欢selenium，因为使用selenium模拟浏览器进行数据抓取，能够绕过客户js加密，绕过爬虫检测，绕过签名机制
但是selenium越来越多的被各种网站进行了相关屏蔽，因为selenium在运行的时候会暴露出一些预定义的javascript变量（特征字符串），例如"window.navigator.webdriver"，在非selenium环境下其值为undefined，而在selenium环境下，其值为true
下图所示为selenium驱动下chrome控制台打印出的值
细致的绕过去的方法，可能需要单独的一篇博客进行赘述了，这里我只对上面的参数进行屏蔽，使用到的是之前博客中涉及的mitmdump进行代理
https://docs.mitmproxy.org/stable/concepts-certificates/
mitmdump进行代理
技术参考来源：https://zhuanlan.zhihu.com/p/43581988
关于这个模块的基本使用，参考我前面的博客即可,这里核心使用了如下代码
|
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
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
indject_js_proxy.pyfrom mitmproxy import ctxinjected_javascript = '''// overwrite the `languages` property to use a custom getterobject.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 testobject.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代码插入成功 <<<<') # 只要url链接以target开头，则将网页内容替换为目前网址 # target = 'https://target-url.com' # if flow.url.startswith(target): # flow.response.text = flow.url |
上述脚本放置任意目录，之后进行mitmdump的启动即可
c:\user>mitmdump -s indject_js_proxy.py
loading script indject_js_proxy.py
proxy server listening at http://*:8080
启动之后，通过webdriver访问
测试网站：https://intoli.com/blog/not-possible-to-block-chrome-headless/chrome-headless-test.html
如果webdriver是绿色，也说明代理起作用了
selenium爬取
接下来就是通过selenium进行一些模拟行为的操作了，这部分代码比较简单，编写的时候参考一下注释即可。
|
1
2
3
4
5
6
|
# 实例化一个启动参数对象chrome_options = options()# 添加启动参数chrome_options.add_argument('--proxy-server=127.0.0.1:8080')# 将参数对象传入chrome，则启动了一个设置了窗口大小的chromedriver = webdriver.chrome(chrome_options=chrome_options) |
关键函数
|
1
2
3
4
5
6
7
8
9
10
11
|
def move_to_gap(tracks): driver.get("https://passport.zcool.com.cn/regphone.do?appid=1006&cback=https://my.zcool.com.cn/focus/activity") # 找到滑块span need_move_span = driver.find_element_by_xpath('//*[@id="nc_1_n1t"]/span') # 模拟按住鼠标左键 actionchains(driver).click_and_hold(need_move_span).perform() for x in tracks: # 模拟人的拖动轨迹 print(x) actionchains(driver).move_by_offset(xoffset=x,yoffset=random.randint(1,3)).perform() time.sleep(1) actionchains(driver).release().perform() # 释放左键 |
注意看到上述代码中有何核心的点 --- 拖拽距离的 列表tracks
|
1
2
|
if __name__ == '__main__': move_to_gap(get_track(295)) |
这个地方可以借鉴网上的方案即可
|
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
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
|
def get_track(distance): ''' 拿到移动轨迹，模仿人的滑动行为，先匀加速后匀减速 匀变速运动基本公式： ①v=v0+at ②s=v0t+(1/2)at² ③v²-v0²=2as :param distance: 需要移动的距离 :return: 存放每0.2秒移动的距离 ''' # 初速度 v=0 # 单位时间为0.2s来统计轨迹，轨迹即0.2内的位移 t=0.1 # 位移/轨迹列表，列表内的一个元素代表0.2s的位移 tracks=[] # 当前的位移 current=0 # 到达mid值开始减速 mid=distance * 4/5 distance += 10 # 先滑过一点，最后再反着滑动回来 while current < distance: if current < mid: # 加速度越小，单位时间的位移越小,模拟的轨迹就越多越详细 a = 2 # 加速运动 else: a = -3 # 减速运动 # 初速度 v0 = v # 0.2秒时间内的位移 s = v0*t+0.5*a*(t**2) # 当前的位置 current += s # 添加到轨迹列表 tracks.append(round(s)) # 速度已经达到v,该速度作为下次的初速度 v= v0+a*t # 反着滑动到大概准确位置 for i in range(3): tracks.append(-2) for i in range(4): tracks.append(-1) return tracks |
代码注释已经添加好，可以自行查阅，临摹一下即可明白
最后开始进行尝试，实测中，发现可以自动拖动，但是，出现一个问题是最后被识别为机器，这个地方，我进行了多次的修改与调整，最终从代码层面发现实现确实有些复杂，所以改变策略，找一下chromedriver.exe是否有修改过的版本，中间去除了selenium的一些关键字，运气不错，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
下载之后，替换你的 chromedriver.exe
再次运行，成功验证
总结
以上所述是小编给大家介绍的python爬虫之验证码篇3-滑动验证码识别技术,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！原文链接：https://www.cnblogs.com/happymeng/p/10688582.html
