一、常见反爬机制及其破解方式
封禁IP，使用cookie等前面文章已经讲过
现在主要将下面的：
~ 验证码
—> 文字验证码 —> OCR（光学文字识别）—> 接口 / easyocr
程序自己解决不了的问题就可以考虑使用三方接口（付费/免费）
—> 行为验证码 —> 超级鹰
~ 手机号+短信验证码
—> 接码平台
~ 动态内容
—> JavaScript逆向 —> 找到提供数据的API接口
—> 手机抓接口 —> 抓包工具（Charles / Fiddler）
—> Selenium直接模拟浏览器操作获取动态内容
~ find_element_by_xxx / find_elements_by_xxx
~ page_source —> 获取包含动态内容的网页源代码
—> JavaScript加密和混淆技术 —> 读懂JavaScript是反反爬的前提
~ 字体反爬 / 内容来自于抠图
—> 例子
bytes —> 不变字节串 —> 二进制 —> BytesIO
str —> 不变字符串 —> 可阅读的字符 —> StringIO
二、调用三方API接口数据（天行数据）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import requestsfor page in range(1, 6): response = requests.get( 'http://api.tianapi.com/topnews/index', params={ 'key': 'd5eace66dccd771e36767ce3563efa09', 'page': page, 'num': 20, 'word': '华为', 'src': '人民日报' } ) result = response.json() for news in result['newslist']: print(news['title']) print(news['url']) |
三、OCR（光学文字识别）库
python 自带的easyocr库
|
1
2
3
|
import easyocrreader = easyocr.Reader(['ch_sim', 'en'], gpu=False)print(reader.readtext('./files/captcha.jpg', detail=0)) |
例子：阿里云邮箱自动登陆
|
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
50
51
52
53
54
55
56
57
58
59
60
|
import ioimport easyocrfrom PIL import Imagefrom selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditionsfrom selenium.webdriver.support.wait import WebDriverWaitbrowser = webdriver.Chrome()browser.set_window_size(1280, 960)browser.get('http://mail.1000phone.com/')# 隐式等待（下面的方法在工作时如果取不到就等10秒）browser.implicitly_wait(10)# 显式等待wait = WebDriverWait(browser, 10)wait.until(expected_conditions.presence_of_element_located((By.CSS_SELECTOR, '.login_panel_iframe')))iframe1 = browser.find_element_by_css_selector('.login_panel_iframe')# 记录iframe1的位置（相对位置）x1, y1 = iframe1.location['x'], iframe1.location['y']# Chrome对象的switch_to属性的frame方法，可以从页面切换到iframe中browser.switch_to.frame(iframe1)iframe2 = browser.find_element_by_css_selector('#ding-login-iframe')x2, y2 = iframe2.location['x'], iframe2.location['y']browser.switch_to.frame(iframe2)username_input = browser.find_element_by_css_selector('#username')# 模拟用户输入username_input.send_keys('xx@1000phone.com')password_input = browser.find_element_by_css_selector('#password')password_input.send_keys('xxxxx!!')# 创建一个等待对象wait = WebDriverWait(browser, 10)wait.until(expected_conditions.element_to_be_clickable((By.CSS_SELECTOR, '#login_checkcode_ico')))captcha_img = browser.find_element_by_css_selector('#login_checkcode_ico')# WebElement对象的size属性代表元素宽度和高度，location属性代表元素在窗口中的位置size, location = captcha_img.size, captcha_img.locationx3, y3, width, height = location['x'], location['y'], size['width'], size['height']# 截取整个浏览器窗口的图片获得图片的二进制数据image_data = browser.get_screenshot_as_png()# bytes（只读字节串） ----> io.BytesIO（可写字节串）---> getvalue() ---> bytes# str（只读字符串） ----> io.StringIO（可写字符串）---> getvalue() ---> strbrowser_image = Image.open(io.BytesIO(image_data))# 从截图上剪裁出验证码的图片x, y = x1 + x2 + x3, y1 + y2 + y3# Windows系统的写法 ---> 如果截图有问题就把坐标写死# print(x, y, width, height)checkcode_image = browser_image.crop((x * 1.25, y * 1.25, (x + width) * 1.25, (y + height) * 1.25))# macOS系统的写法# checkcode_image = browser_image.crop((x * 2, y * 2, (x + width) * 2, (y + height) * 2))checkcode_image.save('result.png')# 通过easyocr做光学文字识别reader = easyocr.Reader(['en'], gpu=False)code = reader.readtext('result.png', detail=0)[0]# 将识别出的验证码输入文本框checkcode_input = browser.find_element_by_css_selector('#login_checkcode')checkcode_input.send_keys(code)login_button = browser.find_element_by_css_selector('#login_submit_btn')# 模拟用户点击login_button.click() |
四、第三方打码平台（超级鹰打码平台）
补充：需要使用python 自带pillow库
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
"""Pillow库 ---> PIL ---> Python Image Library"""from PIL import Image, ImageFilter# 加载图像guido_image = Image.open('guido.jpg')# 剪裁guido_image.crop((80, 40, 310, 350)).show()# 滤镜guido_image.filter(ImageFilter.CONTOUR).show()# 缩略图guido_image.thumbnail((125, 185))# 显示图像guido_image.show() |
编写超级鹰打码平台类
|
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
50
51
52
53
54
55
56
57
58
|
from hashlib import md5import requestsclass ChaojiyingClient: def __init__(self, username, password, soft_id): self.username = username password = password.encode('utf8') self.password = md5(password).hexdigest() self.soft_id = soft_id self.base_params = { 'user': self.username, 'pass2': self.password, 'softid': self.soft_id, } self.headers = { 'Connection': 'Keep-Alive', 'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)', } def post_pic(self, image_data, code_type): """ image_data: 图片字节 code_type: 验证码类型 参考 http://www.chaojiying.com/price.html """ params = { 'codetype': code_type, } params.update(self.base_params) files = {'userfile': ('ccc.jpg', image_data)} response = requests.post( url='http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files, headers=self.headers ) return response.json() # 超级鹰错误反馈函数（仅用于给超级鹰平台反馈） def report_error(self, im_id): """ im_id:报错题目的图片ID """ params = { 'id': im_id, } params.update(self.base_params) r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers) return r.json()if __name__ == '__main__': chaojiying = ChaojiyingClient('账户', '密码x', 'ID') # 用户中心>>软件ID 生成一个替换 96001 with open('img.png', 'rb') as file: image_data = file.read() # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要// print(chaojiying.post_pic(image_data, 1902)) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加() |
例子：使用超级鹰进行阿里云邮箱自动登陆
|
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
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
|
import ioimport easyocrfrom PIL import Imagefrom selenium import webdriverfrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support import expected_conditionsfrom selenium.webdriver.support.wait import WebDriverWaitfrom chaojiying import ChaojiyingClientbrowser = webdriver.Chrome()browser.set_window_size(1280, 960)browser.get('http://mail.1000phone.com/')# 隐式等待（下面的方法在工作时如果取不到就等10秒）browser.implicitly_wait(10)# 显式等待wait = WebDriverWait(browser, 10)wait.until(expected_conditions.presence_of_element_located((By.CSS_SELECTOR, '.login_panel_iframe')))iframe1 = browser.find_element_by_css_selector('.login_panel_iframe')# 记录iframe1的位置（相对位置）x1, y1 = iframe1.location['x'], iframe1.location['y']# Chrome对象的switch_to属性的frame方法，可以从页面切换到iframe中browser.switch_to.frame(iframe1)iframe2 = browser.find_element_by_css_selector('#ding-login-iframe')x2, y2 = iframe2.location['x'], iframe2.location['y']browser.switch_to.frame(iframe2)username_input = browser.find_element_by_css_selector('#username')# 模拟用户输入username_input.send_keys('xxxx.com')password_input = browser.find_element_by_css_selector('#password')password_input.send_keys('xxxx!!')# 创建一个等待对象wait = WebDriverWait(browser, 10)wait.until(expected_conditions.element_to_be_clickable((By.CSS_SELECTOR, '#login_checkcode_ico')))captcha_img = browser.find_element_by_css_selector('#login_checkcode_ico')# WebElement对象的size属性代表元素宽度和高度，location属性代表元素在窗口中的位置size, location = captcha_img.size, captcha_img.locationx3, y3, width, height = location['x'], location['y'], size['width'], size['height']# 截取整个浏览器窗口的图片获得图片的二进制数据image_data = browser.get_screenshot_as_png()# bytes（只读字节串） ----> io.BytesIO（可写字节串）---> getvalue() ---> bytes# str（只读字符串） ----> io.StringIO（可写字符串）---> getvalue() ---> strbrowser_image = Image.open(io.BytesIO(image_data))# 从截图上剪裁出验证码的图片x, y = x1 + x2 + x3, y1 + y2 + y3# Windows系统的写法 ---> 如果截图有问题就把坐标写死# print(x, y, width, height)checkcode_image = browser_image.crop((x * 1.25, y * 1.25, (x + width) * 1.25, (y + height) * 1.25))# macOS系统的写法# checkcode_image = browser_image.crop((x * 2, y * 2, (x + width) * 2, (y + height) * 2))checkcode_image.save('result.png')# 通过超级鹰打码平台打码chaojiying = ChaojiyingClient('账户', '密码', 'ID')with open('result.png', 'rb') as file: image_data = file.read() result_dict = chaojiying.post_pic(image_data, 1902)# 将识别出的验证码输入文本框checkcode_input = browser.find_element_by_css_selector('#login_checkcode')checkcode_input.send_keys(result_dict['pic_str'])login_button = browser.find_element_by_css_selector('#login_submit_btn')# 模拟用户点击login_button.click() |
五、通过接码平台接收手机验证码(隐私短信平台)
通过隐私短信平台接收验证码（免费）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import reimport bs4import requestspattern = re.compile(r'\d{4,6}')resp = requests.get('https://www.yinsiduanxin.com/china-phone-number/verification-code-16521686439.html')soup = bs4.BeautifulSoup(resp.text, 'html.parser')# print(resp.text)td = soup.select_one('body > div.container > div:nth-child(4) > div:nth-child(3) > div.main > div.layui-row > table > tbody > tr:nth-child(1) > td:nth-child(2)')results = pattern.findall(td.text)print(results[0]) |
到此这篇关于Python中常见的反爬机制及其破解方法总结的文章就介绍到这了,更多相关Python反爬机制及其破解内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/m0_54255329/article/details/117673635
