如何使用Python實現極驗驗證碼識別驗證碼

這篇“如何使用Python實現極驗驗證碼識別驗證碼”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“如何使用Python實現極驗驗證碼識別驗證碼”文章吧。

環境使用

• python 3.9

• pycharm

目標

我們的目標是用程序來識別并通過極驗驗證碼的驗證，包括分析識別思路、識別缺口位置、生成滑塊拖動路徑、模擬實現滑塊 拼合通過驗證等步驟。

準備工作

本次我們使用的 Python 庫是 Selenium，瀏覽器為 Chrome。請確保已經正確安裝 Selenium 庫、Chrome 瀏覽器， 并配置 ChromeDriver。

了解極驗驗證碼

現在極驗驗證碼已經更新到 3.0 版本。全球有 16 萬家企業使用極驗，每天服務響應超過 4 億次。極驗驗證碼廣泛應用于直播視頻、金融服務、電子商務、游戲娛樂、企業等各大類型網站。下面圖中是斗魚、魅族的登錄頁面，它們都對接了極驗驗證碼。

極驗驗證碼的特點

極驗驗證碼相較于圖形驗證碼來說識別難度更大。對于極驗驗證碼 3.0 版本，我們首先點擊按鈕進行智能驗證。如果驗證不通過，則會彈出滑動驗證的窗口，拖動滑塊拼合圖像進行驗證。之后三個加密參數會生成，通過表單提交到后臺，后臺還會進行一次驗證。

極驗驗證碼還增加了機器學習的方法來識別拖動軌跡。官方網站的安全防護有如下幾點說明。

三角防護之防模擬

惡意程序模仿人類行為軌跡對驗證碼進行識別。針對模擬，極驗擁有超過 4000 萬人機行為樣本的海量數據。利用機器學習和神經網絡構建線上線下的多重靜態、動態防御模型。識別模擬軌跡，界定人機邊界。

三角防護之防偽造

惡意程序通過偽造設備瀏覽器環境對驗證碼進行識別。針對偽造，極驗利用設備基因技術。深度分析瀏覽器的實際性能來辨識偽造信息。同時根據偽造事件不斷更新黑名單，大幅提高防偽造能力。

三角防護之防暴力

惡意程序短時間內進行密集的攻擊，對驗證碼進行暴力識別 針對暴力，極驗擁有多種驗證形態，每一種驗證形態都有利用神經網絡生成的海量圖庫儲備，每一張圖片都是獨一無二的，且圖庫不斷更新，極大程度提高了暴力識別的成本。

識別思路

對于應用了極驗驗證碼的網站，如果我們直接模擬表單提交，加密參數的構造是個問題，需要分析其加密和校驗邏輯，相對煩瑣。所以我們采用直接模擬瀏覽器動作的方式來完成驗證。在 Python 中，我們可以使用 Selenium 來完全模擬人的行為的方式來完成驗證，此驗證成本相比直接去識別加密算法少很多。

首先我們找到一個帶有極驗驗證的網站，最合適的當然為極驗官方后臺了。此按鈕為智能驗證按鈕。一般來說，如果是同一個會話，一段時間內第二次點擊會直接通過驗證。如果智能識別不通過，則會彈出滑動驗證窗口，我們要拖動滑塊拼合圖像完成二步驗證，驗證成功后，驗證按鈕變成如圖所示的狀態。

接下來，我們便可以提交表單了。

所以，識別驗證需要完成如下三步。

• 模擬點擊驗證按鈕

• 識別滑動缺口的位置

• 模擬拖動滑塊

擬點擊驗證按鈕

第一步操作是最簡單的，我們可以直接用 Selenium 模擬點擊按鈕即可。

識別滑動缺口的位置

第二步操作識別缺口的位置比較關鍵，這里需要用到圖像的相關處理方法。首先觀察缺口的樣子，缺口的四周邊緣有明顯的斷裂邊緣，邊緣和邊緣周圍有明顯的區別。我們可以實現一個邊緣檢測算法來找出缺口的位置。對于極驗驗證碼來說，我們可以利用和原圖對比檢測的方式來識別缺口的位置，因為在沒有滑動滑塊之前，缺口并沒有呈現。

我們可以同時獲取兩張圖片。設定一個對比閾值，然后遍歷兩張圖片，找出相同位置像素 RGB 差距超過此閾值的像素點，那么此像素點的位置就是缺口的位置。

模擬拖動滑塊

第3步操作看似簡單，但其中的坑比較多。極驗驗證碼增加了機器軌跡識別，勻速移動、隨機速度移動等方法都不能通過驗證，只有完全模擬人的移動軌跡才可以通過驗證。人的移動軌跡一般是先加速后減速，我們需要模擬這個過程才能成功。

有了基本的思路之后，我們就用程序來實現極驗驗證碼的識別過程吧。

模擬點擊

首先，我們先模擬登錄，其中 admin 和 PASSWORD 就是登錄極驗需要的用戶名和密碼，如果沒有的話可以先注冊一下。

admin = '[賬號]'
PASSWORD = '[密碼]'
class CrackGeetest():
    def __init__(self):
        self.url = 'https://account.geetest.com/login'
        self.browser = webdriver.Chrome()
        self.wait = WebDriverWait(self.browser, 20)
        self.email = EMAIL
        self.password = PASSWORD

實現第一步的操作，也就是模擬點擊初始的驗證按鈕。我們定義一個方法來獲取這個按鈕，利用顯式等待的方法來實現，如下所示：

def get_geetest_button(self):
    """
    獲取初始驗證按鈕
    :return: 按鈕對象
    """
    button = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_radar_tip')))
    return button
# 點擊驗證按鈕
button = self.get_geetest_button()
button.click()

識別缺口

接下來識別缺口的位置。首先獲取前后兩張比對圖片，二者不一致的地方即為缺口。獲取不帶缺口的圖片，利用 Selenium 選取圖片元素，得到其所在位置和寬高，然后獲取整個網頁的截圖，圖片裁切出來即可，代碼實現如下：

def get_position(self):
        img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'geetest_canvas_img')))
    time.sleep(2)
    location = img.location
    size = img.size
    top, bottom, left, right = location['y'], location['y'] + size['height'], location['x'], location['x'] + size['width']
    return (top, bottom, left, right)
def get_geetest_image(self, name='captcha.png'):
    top, bottom, left, right = self.get_position()
    print(' 驗證碼位置 ', top, bottom, left, right)
    screenshot = self.get_screenshot()
    captcha = screenshot.crop((left, top, right, bottom))
    return captcha

這里 get_position() 函數首先獲取圖片對象，獲取它的位置和寬高，隨后返回其左上角和右下角的坐標。get_geetest_image() 方法獲取網頁截圖，調用了 crop() 方法將圖片裁切出來，返回的是 Image 對象。

接下來我們需要獲取第二張圖片，也就是帶缺口的圖片。要使得圖片出現缺口，只需要點擊下方的滑塊即可。這個動作觸發之后，圖片中的缺口就會顯現，如下所示：

def get_slider(self):
    slider = self.wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'geetest_slider_button')))
    return slider
slider = self.get_slider()
slider.click()

調用 get_geetest_image() 方法將第二張圖片獲取下來即可。

現在我們已經得到兩張圖片對象，分別賦值給變量 image1 和 image2。接下來對比圖片獲取缺口。我們在這里遍歷圖片的每個坐標點，獲取兩張圖片對應像素點的 RGB 數據。如果二者的 RGB 數據差距在一定范圍內，那就代表兩個像素相同，繼續比對下一個像素點。如果差距超過一定范圍，則代表像素點不同，當前位置即為缺口位置，代碼實現如下：

def is_pixel_equal(self, image1, image2, x, y):
    pixel1 = image1.load()[x, y]
    pixel2 = image2.load()[x, y]
    threshold = 60
    if abs(pixel1[0] - pixel2[0]) <threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(pixel1[2] - pixel2[2]) < threshold:
        return True
    else:
        return False
def get_gap(self, image1, image2):
    left = 60
    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 = i
                return left
    return left

get_gap() 方法即獲取缺口位置的方法。此方法的參數是兩張圖片，一張為帶缺口圖片，另一張為不帶缺口圖片。這里遍歷兩張圖片的每個像素，利用 is_pixel_equal() 方法判斷兩張圖片同一位置的像素是否相同。比較兩張圖 RGB 的絕對值是否均小于定義的閾值 threshold。如果絕對值均在閾值之內，則代表像素點相同，繼續遍歷。否則代表不相同的像素點，即缺口的位置。

兩張圖片有兩處明顯不同的地方：一個就是待拼合的滑塊，一個就是缺口。滑塊的位置會出現在左邊位置，缺口會出現在與滑塊同一水平線的位置，所以缺口一般會在滑塊的右側。如果要尋找缺口，直接從滑塊右側尋找即可。我們直接設置遍歷的起始橫坐標為 60，也就是從滑塊的右側開始識別，這樣識別出的結果就是缺口的位置。

現在，我們獲取了缺口的位置。完成驗證還剩下最后一步 —— 模擬拖動。

模擬拖動

到這里，會有一個小問題。如果是勻速拖動，極驗必然會識別出它是程序的操作，因為人無法做到完全勻速拖動。極驗驗證碼利用機器學習模型，篩選此類數據為機器操作，驗證碼識別失敗。我們嘗試分段模擬，將拖動過程劃分幾段，每段設置一個平均速度，速度圍繞該平均速度小幅度隨機抖動，這樣也無法完成驗證。那怎么辦呢？

我們可以完全模擬加速減速的過程通過了驗證。即前段滑塊做勻加速運動，后段滑塊做勻減速運動，利用物理學的加速度公式即可完成驗證。接下來我們就可以構造軌跡移動算法，計算出先加速后減速的運動軌跡，最后按照該運動軌跡拖動滑塊即可，方法實現如下所示：

def move_to_gap(self, slider, tracks):
    ActionChains(self.browser).click_and_hold(slider).perform()
    for x in tracks:
        ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
    time.sleep(0.5)
    ActionChains(self.browser).release().perform()

最后經過測試，驗證通過，識別完成。

以上就是關于“如何使用Python實現極驗驗證碼識別驗證碼”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。