共2个文件。
"""
web自动化的环境安装：
1、selenium:
安装：pip install selenium
2、安装chromedriver:
案例需求：解决web自动化过程中遇到的滑动验证码验证的问题：
解决方案：自动识别滑动距离，进行滑动验证
"""
import time
from selenium import webdriver
from py0723_slide.slideVerfication import SlideVerificationCode
# 第一步：打开qq空间登录页面：
# 1.1启动浏览器
driver = webdriver.Chrome()
driver.implicitly_wait(10)
# 1.2访问qq空间登录页面
driver.get("https://qzone.qq.com/")
# 1.3点击账号密码登陆按钮
# 1.3.1切换到登录iframe中
driver.switch_to.frame("login_frame")
# 1.3.2点击打开账号密码登录
driver.find_element_by_id("switcher_plogin").click()
# 第二步：输入账号密码，点击登录
# 2.1定位账号输入框，输入账号
driver.find_element_by_id('u').send_keys("350978786")
# 2.2定位密码输入框，输入密码
driver.find_element_by_id('p').send_keys("12131311")
# 2.3 点击登录
driver.find_element_by_id('login_button').click()
# 第三步：进行滑动验证
# 3.1定位验证码所在的iframe,并进行切换
v_frame = driver.find_element_by_id('tcaptcha_iframe')
driver.switch_to.frame(v_frame)
# 3.2获取验证码滑块图元素
sli_ele = driver.find_element_by_id('slideBlock')
# 3.3获取验证码背景图的元素
bg_ele = driver.find_element_by_id('slideBg')
# 3.4 识别滑块需要滑动的距离
# 3.4.1识别背景缺口位置
sv = SlideVerificationCode()
distance = sv.get_element_slide_distance(sli_ele,bg_ele )
# 3.4.2 根据页面的缩放比列调整滑动距离
dis = (distance * 280/680)-30
# 3.5 获取滑块按钮
sli_btn =driver.find_element_by_id('tcaptcha_drag_thumb')
# 3.6拖动滑块进行验证
sv.slide_verification(driver,sli_btn,dis)
# 关闭浏览
time.sleep(15)
driver.close()
2.slideVerfication.py
"""
本模块专门用来处理滑动验证码的问题，
"""
from selenium.webdriver import ActionChains
import random, time, os
import cv2
from PIL import Image as Im
import numpy as np
import requests
class SlideVerificationCode():
"""滑动验证码破解"""
def __init__(self, slider_ele=None, background_ele=None, count=1, save_image=False):
"""
:param count: 验证重试的次数，默认为5次
:param save_image: 是否保存验证过程中的图片，默认不保存
"""
self.count = count
self.save_image = save_image
self.slider_ele = slider_ele
self.background_ele = background_ele
def slide_verification(self, driver, slide_element, distance):
"""
:param driver: driver对象
:type driver:webdriver.Chrome
:param slide_element: 滑块的元组
:type slider_ele: WebElement
:param distance: 滑动的距离
:type: int
:return:
"""
# 获取滑动前页面的url地址
start_url = driver.current_url
print("需要滑动的距离为：", distance)
# 根据滑动距离生成滑动轨迹
locus = self.get_slide_locus(distance)
print("生成的滑动轨迹为:{}，轨迹的距离之和为{}".format(locus, distance))
# 按下鼠标左键
ActionChains(driver).click_and_hold(slide_element).perform()
time.sleep(0.5)
# 遍历轨迹进行滑动
for loc in locus:
time.sleep(0.01)
ActionChains(driver).move_by_offset(loc, random.randint(-5, 5)).perform()
ActionChains(driver).context_click(slide_element)
# 释放鼠标
ActionChains(driver).release(on_element=slide_element).perform()
# 判读是否验证通过，未通过的情况下重新滑动
time.sleep(2)
# 滑动之后再次获取url地址
end_url = driver.current_url
# 滑动失败的情况下，重试count次
if start_url == end_url and self.count > 0:
print("第{}次验证失败，开启重试".format(6 - self.count))
self.count -= 1
self.slide_verification(driver, slide_element, distance)
def onload_save_img(self, url, filename="image.png"):
"""
下载图片保存
:param url:图片地址
:param filename: 保存的图片名
:return:
"""
try:
response = requests.get(url=url)
except(requests.exceptions.ConnectTimeout, requests.exceptions.ConnectionError)as e:
print("图片下载失败")
raise e
else:
with open(filename, "wb") as f:
f.write(response.content)
def get_element_slide_distance(self, slider_ele, background_ele, correct=0):
"""
根据传入滑块，和背景的节点，计算滑块的距离
该方法只能计算 滑块和背景图都是一张完整图片的场景，
如果是通过多张小图拼接起来的背景图，该方法不适用，后续会补充一个专门针对处理该场景的方法
:param slider_ele: 滑块图片的节点
:type slider_ele: WebElement
:param background_ele: 背景图的节点
:type background_ele:WebElement
:param correct:滑块缺口截图的修正值，默认为0,调试截图是否正确的情况下才会用
:type: int
:return: 背景图缺口位置的X轴坐标位置（缺口图片左边界位置）
"""
# 获取验证码的图片
slider_url = slider_ele.get_attribute("src")
background_url = background_ele.get_attribute("src")
# 下载验证码背景图,滑动图片
slider = "slider.jpg"
background = "background.jpg"
self.onload_save_img(slider_url, slider)
self.onload_save_img(background_url, background)
# 读取进行色度图片，转换为numpy中的数组类型数据，
slider_pic = cv2.imread(slider, 0)
background_pic = cv2.imread(background, 0)
# 获取缺口图数组的形状 -->缺口图的宽和高
width, height = slider_pic.shape[::-1]
# 将处理之后的图片另存
slider01 = "slider01.jpg"
background_01 = "background01.jpg"
cv2.imwrite(background_01, background_pic)
cv2.imwrite(slider01, slider_pic)
# 读取另存的滑块图
slider_pic = cv2.imread(slider01)
# 进行色彩转换
slider_pic = cv2.cvtColor(slider_pic, cv2.COLOR_BGR2GRAY)
# 获取色差的绝对值
slider_pic = abs(255 - slider_pic)
# 保存图片
cv2.imwrite(slider01, slider_pic)
# 读取滑块
slider_pic = cv2.imread(slider01)
# 读取背景图
background_pic = cv2.imread(background_01)
# 比较两张图的重叠区域
result = cv2.matchTemplate(slider_pic, background_pic, cv2.TM_CCOEFF_NORMED)
# 通过数组运算，获取图片的缺口位置
top, left = np.unravel_index(result.argmax(), result.shape)
# 背景图中的图片缺口坐标位置
print("当前滑块的缺口位置：", (left, top, left + width, top + height))
# 判读是否需求保存识别过程中的截图文件
if self.save_image:
# 截图滑块保存
# 进行坐标修正
loc = (left + correct, top + correct, left + width - correct, top + height - correct)
self.image_crop(background, loc)
else:
# 删除识别过程中保存的临时文件
os.remove(slider01)
os.remove(background_01)
os.remove(slider)
os.remove(background)
# 返回需要移动的位置距离
return left
def get_image_slide_dictance(self, slider_image, background_image, correct=0):
"""
根据传入滑块，和背景的图片，计算滑块的距离
该方法只能计算 滑块和背景图都是一张完整图片的场景，
如果是通过多张小图拼接起来的背景图，该方法不适用，后续会补充一个专门针对处理该场景的方法
:param slider_iamge: 滑块图的图片
:type slider_image: str
:param background_image: 背景图的图片
:type background_image: str
:param correct:滑块缺口截图的修正值，默认为0,调试截图是否正确的情况下才会用
:type: int
:return: 背景图缺口位置的X轴坐标位置（缺口图片左边界位置）
"""
# 读取进行色度图片，转换为numpy中的数组类型数据，
slider_pic = cv2.imread(slider_image, 0)
background_pic = cv2.imread(background_image, 0)
# 获取缺口图数组的形状 -->缺口图的宽和高
width, height = slider_pic.shape[::-1]
# 将处理之后的图片另存
slider01 = "slider01.jpg"
background_01 = "background01.jpg"
cv2.imwrite(background_01, background_pic)
cv2.imwrite(slider01, slider_pic)
# 读取另存的滑块图
slider_pic = cv2.imread(slider01)
# 进行色彩转换
slider_pic = cv2.cvtColor(slider_pic, cv2.COLOR_BGR2GRAY)
# 获取色差的绝对值
slider_pic = abs(255 - slider_pic)
# 保存图片
cv2.imwrite(slider01, slider_pic)
# 读取滑块
slider_pic = cv2.imread(slider01)
# 读取背景图
background_pic = cv2.imread(background_01)
# 比较两张图的重叠区域
result = cv2.matchTemplate(slider_pic, background_pic, cv2.TM_CCOEFF_NORMED)
# 获取图片的缺口位置
top, left = np.unravel_index(result.argmax(), result.shape)
# 背景图中的图片缺口坐标位置
print("当前滑块的缺口位置：", (left, top, left + width, top + height))
# 判读是否需求保存识别过程中的截图文件
if self.save_image:
# 截图滑块保存
# 进行坐标修正
loc = (left + correct, top + correct, left + width - correct, top + height - correct)
self.image_crop(background_image, loc)
else:
# 删除识别过程中保存的临时文件
os.remove(slider01)
os.remove(background_01)
# 返回需要移动的位置距离
return left
@classmethod
def get_slide_locus(self, distance):
"""
根据移动坐标位置构造移动轨迹,前期移动慢，中期块，后期慢
:param distance:移动距离
:type:int
:return:移动轨迹
:rtype:list
"""
remaining_dist = distance
locus = []
while remaining_dist > 0:
ratio = remaining_dist / distance
if ratio < 0.2:
# 开始阶段移动较慢
span = random.randint(2, 8)
elif ratio > 0.8:
# 结束阶段移动较慢
span = random.randint(5, 8)
else:
# 中间部分移动快
span = random.randint(10, 16)
locus.append(span)
remaining_dist -= span
return locus
def image_crop(self, image, location, new_name="new_image.png"):
"""
对图片的指定位置进行截图
:param image: 被截取图片的坐标位置
:param location:需要截图的坐标位置：（left,top,right,button）
:type location: tuple
:return:
"""
# 打开图片
image = Im.open(image)
# 切割图片
imagecrop = image.crop(location)
# 保存图片
imagecrop.save(new_name)