【Python爬虫】DrissionPage+验证码开放平台，挑战三十行代码全程通过极验行为验证码--九宫格
·
《【Python爬虫】DrissionPage+验证码开放平台，挑战三十行代码全程通过极验行为验证码–九宫格》
行为验证码识别是一个涉及图像处理和自动化技术的复杂问题，通常用于研究或合法场景（如自动化测试）。善于利用各种工具可以提升我们的开发效率，这里以《极验四代行为验证码–九宫格》为例子，挑战三十行代码全程通过行为验证码，以下是技术实现的基本思路和注意事项。
1. 目标网站
- url地址：aHR0cHM6Ly9ndDQuZ2VldGVzdC5jb20v
2. 准备基本工具
-
Python 安装：
-
这里作者使用的是 python3.10 版本，咋安装这也要说么？？？
-
DrissionPage 安装：
-
DrissionPage® 是一个基于 Python 的网页自动化工具。
-
既能控制浏览器，也能收发数据包，还能把两者合而为一。
-
可兼顾浏览器自动化的便利性和 requests 的高效率。
-
功能强大，语法简洁优雅，代码量少，对新手友好。
-
DrissionPage安装和使用教程具体参考：https://github.com/g1879/DrissionPage，这里不概述
-
验证码开放平台：
-
使用自己熟悉的验证码平台，一定要稳定，高准确率，验证码种类齐全！！！
-
这里推荐平台：DecodeCaptcha.com
2. 技术实现步骤
步骤1：获取验证码图像
- 进入目标网站–配置–九宫格验证–点击按钮开始验证，出现验证码图片
- 使用自动化工具 DrissionPage 截取网页中的背景图和标题图。
- 示例代码（Python + DrissionPage）：
# 获取背景图像 bg_ele = tab.ele('@class:geetest_nine') bg_base64 = bg_ele.get_screenshot(as_base64='jpg') # 返回 base64 格式的字符串 # 获取标题图像 # 使用方案一，直接截图, 标题图太小，图像失真，无法用于识别，被迫放弃 # title_base64 = tab.ele('@class:geetest_ques_back').get_screenshot(as_base64='jpg') # 返回 base64 格式的字符串 # 使用方案二，直接获取图像链接, 请求图像二进制再编码为 base64 title_url = tab.ele('@class:geetest_ques_back').ele('tag:img').attr('src') title_bytes = requests.get(title_url).content title_base64 = base64.b64encode(title_bytes).decode('utf-8')
步骤2：图像识别
- 图像识别可以使用深度学习框架训练 九宫格 识别模型。这里追求开发效率所以使用验证码开放平台，不需要我们自己折腾。
- 注册 DecodeCaptcha.com – 获取API密钥：MY_API_KEY
- 选择模型 【3140205 - 1402类 - 九宫格点选】, image_id=3140205
- 示例代码：
# 选择模型 【3140205 - 1402类 - 九宫格点选】, image_id=3140205 url = "https://api.decodecaptcha.com/images?key=MY_API_KEY&image_id=3140205" payload = json.dumps({ "image": bg_base64, "title": title_base64 }) # POST请求方式，上传背景图和标题图 response = requests.post(url, headers={'Content-Type': 'application/json'}, data=payload) json_data = response.json() # 返回识别结果
步骤3：模拟点击操作
- 示例代码（模拟点击）：
# 依次点击点击背景图元素 for i in json_data['data']['answer']: # 提取中心坐标 center = json_data['data']['boxs'][str(i)]['center'] x, y = center # 偏移量相对于背景图元素左上角坐标，由于网站前端会根据浏览器窗口大小改变背景图元素大小，所以必须设置窗口大小 (1920, 1080) bg_ele.click.at(offset_x=x, offset_y=y)
4. 通过验证并登录
- 示例代码：
time.sleep(1) # 等待验证码加载完成 # 登录 tab.ele('@text()=登录').click() # 是否成功？ # 浏览器弹窗提示：success，代表成功通过验证并实现登录 # 此方法用于关闭标签页 # tab.close()
4. 完整代码示例
- 示例代码：
# 导入依赖 import time import json import base64 import requests from DrissionPage import Chromium browser = Chromium() # 连接浏览器 tab = browser.latest_tab # 获取标签页对象 tab.set.window.size(1920, 1080) # 设置窗口大小 tab.get('https://gt4.geetest.com/') # 访问网页 tab.ele('@text()=配置').click() # 点击第一个文本为“配置”的元素 tab.ele('@text()=九宫格验证').click() # 点击第一个文本为“九宫格验证”的元素 tab.ele('@aria-label=点击按钮开始验证').click() time.sleep(5) # 等待验证码加载完成 # 获取背景图像 bg_ele = tab.ele('@class:geetest_nine') bg_base64 = bg_ele.get_screenshot(as_base64='jpg') # 返回 base64 格式的字符串 # 获取标题图像 # 使用方案一，直接截图, 标题图太小，图像失真，无法用于识别，被迫放弃 # title_base64 = tab.ele('@class:geetest_ques_back').get_screenshot(as_base64='jpg') # 返回 base64 格式的字符串 # 使用方案二，直接获取图像链接, 请求图像二进制再编码为 base64 title_url = tab.ele('@class:geetest_ques_back').ele('tag:img').attr('src') title_bytes = requests.get(title_url).content title_base64 = base64.b64encode(title_bytes).decode('utf-8') # 注册 decodecaptcha.com 验证码开放平台 -- 获取API密钥：MY_API_KEY # 选择模型 【3140205 - 1402类 - 九宫格点选】, image_id=3140205 url = "https://api.decodecaptcha.com/images?key=MY_API_KEY&image_id=3140205" payload = json.dumps({ "image": bg_base64, "title": title_base64 }) # POST请求方式，上传背景图和标题图 response = requests.post(url, headers={'Content-Type': 'application/json'}, data=payload) json_data = response.json() # 返回识别结果 # 依次点击点击背景图元素 for i in json_data['data']['answer']: # 提取中心坐标 center = json_data['data']['boxs'][str(i)]['center'] x, y = center # 偏移量相对于背景图元素左上角坐标，由于网站前端会根据浏览器窗口大小改变背景图元素大小，所以必须设置窗口大小 (1920, 1080) bg_ele.click.at(offset_x=x, offset_y=y) time.sleep(1) # 等待验证码加载完成 # 登录 tab.ele('@text()=登录').click() # 是否成功？ # 浏览器弹窗提示：success，代表成功通过验证并实现登录 # 此方法用于关闭标签页 # tab.close() # 3140205 - 1402类 - 九宫格点选 # 返回识别结果 - 参考例子 # { # "msg": "", # "data": { # "boxs": { # "0": { # "id": 0, # "box": [ # 0, # 0, # 100, # 87 # ], # "center": [ # 50, # 43 # ] # }, # "1": { # "id": 1, # "box": [ # 100, # 0, # 200, # 87 # ], # "center": [ # 150, # 43 # ] # }, # "2": { # "id": 2, # "box": [ # 200, # 0, # 300, # 87 # ], # "center": [ # 250, # 43 # ] # }, # "3": { # "id": 3, # "box": [ # 0, # 87, # 100, # 174 # ], # "center": [ # 50, # 130 # ] # }, # "4": { # "id": 4, # "box": [ # 100, # 87, # 200, # 174 # ], # "center": [ # 150, # 130 # ] # }, # "5": { # "id": 5, # "box": [ # 200, # 87, # 300, # 174 # ], # "center": [ # 250, # 130 # ] # }, # "6": { # "id": 6, # "box": [ # 0, # 174, # 100, # 261 # ], # "center": [ # 50, # 217 # ] # }, # "7": { # "id": 7, # "box": [ # 100, # 174, # 200, # 261 # ], # "center": [ # 150, # 217 # ] # }, # "8": { # "id": 8, # "box": [ # 200, # 174, # 300, # 261 # ], # "center": [ # 250, # 217 # ] # } # }, # "answer": [ # 2, # 4, # 6 # ] # }, # "image_id": 3140204 # }
5. 注意事项
- 合法使用：本文只用于学习交流与研究参考，禁止用于非法用途，禁止用于攻击他人系统。不可违反网站服务条款。
如果需要进一步探讨具体技术细节或开展业务遇到阻力：
https://github.com/decodecaptcha
更多推荐
20
0- 0
已为社区贡献1条内容
所有评论(0)