Python破解携程点击文字验证

我就是我 2022-03-11 15:25 345阅读 0赞

### 本次使用到的知识 ###

*  Python selenium模块
 *  百度通用文字识别SDK的调用，api自己去申请，每天最多50次免费调用，文档地址：[http://ai.baidu.com/docs\#/OCR-API/top][http_ai.baidu.com_docs_OCR-API_top]，用阿里和腾讯的也可以。
 *  Python 类的使用
 *  Python 图片二值化
 *  Python base64模块
 *  Python IO

### 发现问题 ###

上一个博客写的是使用selenium爬取携程网酒店的评论信息，虽然加了一定的休眠，但是好像爬久了还是被携程发现了，等到再次想爬取时必须要先验证，先看一下是携程的验证方法吧

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoeTExMDc3ODY4NzE_size_16_color_FFFFFF_t_70][]

首先进去要做的就是先将滑块滑到最右边

之后出现的就是这种验证

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoeTExMDc3ODY4NzE_size_16_color_FFFFFF_t_70 1][]

需要根据顺序点击图中的文字。

###  分析问题 ###

下面我们一个一个的讲怎么破解携程的反爬验证

**（1）滑动滑块**

这一点相对来说破解的方法比较简单，直接使用selenium模块将滑块滑动到最右端，首先复制滑块的class名称：**cpt-img-double-right-outer，**然后使用selenium的find\_elements\_by\_class\_name获取到滑块元素：

scrollElement = driver.find_elements_by_class_name('cpt-img-double-right-outer')[0]

之后使用ActionChains类的click\_and\_hold方法按住滑块：

ActionChains(driver).click_and_hold(on_element=scrollElement).perform()

然后分为三次将滑块移动到最右端：

#第一次滑动
    ActionChains(driver).move_to_element_with_offset(to_element=scrollElement, xoffset=30, yoffset=10).perform()
    #第二次滑动
    ActionChains(driver).move_to_element_with_offset(to_element=scrollElement, xoffset=100, yoffset=20).perform()
    #第三次滑动
    ActionChains(driver).move_to_element_with_offset(to_element=scrollElement, xoffset=200, yoffset=50).perform()

之后滑块验证就被破解了：

**(2)按顺序点击文字**

这一块相对来说是整个破解最麻烦的一步，但是也不是没有办法，首先需要分析一下人工验证的步骤：

1.  认出上面小图中的文字
2.  认出下面大图中的文字，并知道每个字的位置
3.  根据上面小图中文字按顺序依次点击下面大图中的文字
4.  点击提交按钮
5.  验证成功

那么问题来了，使用代码怎么完成上面的步骤呢？一个一个来：

**识别上面小图中的文字**

下载保存小图==》图片二值化，方便识别，因为原图很乱==》调用百度通用文字识别，识别小图中的文字

**识别下面大图中的文字，并获取到文字的位置**

下载保存大图==》图片二值化，方便识别==》调用百度通用文字识别，识别大图中的文字，并获取到每个字的位置信息

**根据上面小图中文字按顺序依次点击下面大图中的文字**

根据获取到的小图中的文字+下面大图中文字的位置==》获取到待点击的文字的位置==》调用selenium点击验证

**点击提交按钮**

点击正确之后使用selenium点击提交按钮，识别成功，不成功则再次验证

### 代码实现 ###

from selenium import webdriver
    from selenium.webdriver import ActionChains
    import time
    import base64
    from PIL import Image
    from aip import AipOcr
    
    
    # 破解携程反爬验证
    class unlockScrapy(object):
    
        def __init__(self, driver):
            super(unlockScrapy, self).__init__()
            # selenium驱动
            self.driver = driver
            self.WAPPID = '百度文字识别appid'
            self.WAPPKEY = '百度文字识别appkey'
            self.WSECRETKEY = '百度文字识别secretkey'
            # 百度文字识别sdk客户端
            self.WCLIENT = AipOcr(self.WAPPID, self.WAPPKEY, self.WSECRETKEY)
    
        # 按顺序点击图片中的文字
        def clickWords(self, wordsPosInfo):
            # 获取到大图的element
            imgElement = self.driver.find_element_by_xpath(
                "/html/body/div[3]/div[3]/img")
            # 根据上图文字在下图中的顺序依次点击下图中的文字
            for info in wordsPosInfo:
                ActionChains(self.driver).move_to_element_with_offset(
                    to_element=imgElement, xoffset=info['location']['left'] + 20,
                    yoffset=info['location']['top'] + 20).click().perform()
                time.sleep(1)
    
        # 下载上面的小图和下面的大图
        def downloadImg(self):
            # 小图的src
            codeSrc = self.driver.find_element_by_xpath(
                "/html/body/div[3]/div[1]/img").get_attribute("src")
            # 大图的src
            checkSrc = self.driver.find_element_by_xpath(
                "/html/body/div[3]/div[3]/img").get_attribute("src")
            # 保存下载
            fh = open("code.jpeg", "wb")
            # 由于其src是base64编码的，因此需要以base64编码形式写入
            fh.write(base64.b64decode(codeSrc.split(',')[1]))
            fh.close()
            fh = open("checkCode.jpeg", "wb")
            fh.write(base64.b64decode(checkSrc.split(',')[1]))
            fh.close()
    
        # 图片二值化，便于识别其中的文字
        def chageImgLight(self):
            im = Image.open("code.jpeg")
            im1 = im.point(lambda p: p * 4)
            im1.save("code.jpeg")
            im = Image.open("checkCode.jpeg")
            im1 = im.point(lambda p: p * 4)
            im1.save("checkCode.jpeg")
    
        # 破解滑动
        def unlockScroll(self):
            # 滑块element
            scrollElement = self.driver.find_elements_by_class_name(
                'cpt-img-double-right-outer')[0]
            ActionChains(self.driver).click_and_hold(
                on_element=scrollElement).perform()
            ActionChains(self.driver).move_to_element_with_offset(
                to_element=scrollElement, xoffset=30, yoffset=10).perform()
            ActionChains(self.driver).move_to_element_with_offset(
                to_element=scrollElement, xoffset=100, yoffset=20).perform()
            ActionChains(self.driver).move_to_element_with_offset(
                to_element=scrollElement, xoffset=200, yoffset=50).perform()
    
        # 读取图片文件
        def getFile(self, filePath):
            with open(filePath, 'rb') as fp:
                return fp.read()
    
        # 识别上面小图中的文字
        def iTow(self):
            try:
                op = {'language_type': 'CHN_ENG', 'detect_direction': 'true'}
                res = self.WCLIENT.basicAccurate(
                    self.getFile('code.jpeg'), options=op)
                words = ''
                for item in res['words_result']:
                    if item['words'].endswith('。'):
                        words = words + item['words'] + '\r\n'
                    else:
                        words = words + item['words']
                return words
            except:
                return 'error'
    
        # 识别下面大图中文字的坐标
        def getPos(self, words):
            try:
                op = {'language_type': 'CHN_ENG', 'recognize_granularity': 'small'}
                res = self.WCLIENT.accurate(
                    self.getFile('checkCode.jpeg'), options=op)
                # 所有文字的位置信息
                allPosInfo = []
                # 需要的文字的位置信息
                needPosInfo = []
                for item in res['words_result']:
                    allPosInfo.extend(item['chars'])
                # 筛选出需要的文字的位置信息
                for word in words:
                    for item in allPosInfo:
                        if word == item['char']:
                            needPosInfo.append(item)
                return needPosInfo
            except Exception as e:
                print(e)
    
        def main(self):
            # 破解滑块
            self.unlockScroll()
            time.sleep(2)
            # 下载图片
            self.downloadImg()
            time.sleep(2)
            # 图像二值化，方便识别
            self.chageImgLight()
            # 识别小图文字
            text = self.iTow()
            # 获取大图的文字位置信息
            posInfo = self.getPos(list(text))
            # 由于小图或大图文字识别可能不准确，因此这里设置识别出的文字少于4个则重新识别
            while len(posInfo) != 4 or len(text) != 4:
                # 点击重新获取图片，再次识别
                self.driver.find_elements_by_xpath(
                    '/html/body/div[3]/div[4]/div/a')[0].click()
                time.sleep(2)
                self.downloadImg()
                time.sleep(2)
                text = self.iTow()
                posInfo = self.getPos(list(text))
            time.sleep(3)
            print('匹配成功，开始点击')
            # 点击下面大图中的文字
            self.clickWords(posInfo)
            # 点击提交按钮
            self.driver.find_elements_by_xpath(
                '/html/body/div[3]/div[4]/a')[0].click()
            time.sleep(2)
            # 如果破解成功，html的title会变
            if self.driver.title != '携程在手，说走就走':
                print('破解成功')
            else:
                # 再次尝试
                print('破解失败，再次破解')
                self.main()
    
    
    def unlock():
        driver = webdriver.Chrome()
        # 打开Chrome浏览器，需要将Chrome的驱动放在当前文件夹
        driver.get(
            'https://hotels.ctrip.com/hotel/6278770.html#ctm_ref=hod_hp_hot_dl_n_2_7')
        # 开始破解
        unlock = unlockScrapy(driver)
        unlock.main()
    
    if __name__ == '__main__':
        unlock()

程序执行后会打开Chrome浏览器，然后就会开始破解携程的验证，破解过程如下：

![20190308131358174.GIF][]

[http_ai.baidu.com_docs_OCR-API_top]: http://ai.baidu.com/docs#/OCR-API/top
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoeTExMDc3ODY4NzE_size_16_color_FFFFFF_t_70]: /images/20220311/3a861d49c64547dc86e80330611e35ec.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoeTExMDc3ODY4NzE_size_16_color_FFFFFF_t_70 1]: /images/20220311/dc7b0e31a6484136adafbfa694fe9968.png
[20190308131358174.GIF]: /images/20220311/82e923fd727e4d4193dc6ad8941e9eab.png