爬虫验证码破解（一）：数字验证码

1、前言

我们在进行爬虫的过程中，服务器经常为了校验是否是机器人操作，会使用验证码进行判断

• 常见的验证码格式：

  • 数字字母验证码

  • 滑块验证码

  • 点字验证码

• 破解验证码的方式有：

  • 光学文字识别：ddddocr，需要通过pip install ddddocr

  • 注意：ddddocr只能破解文字和滑块验证码，对于点字验证码有限制

  • 超级鹰平台

2、数字验证码

2.1 核心操作步骤

以光学文字识别的方式为例

• 定位到数字验证码对应的标签
• 对验证码图片实现截图操作
• 通过ddddocr识别图片上的数字

2.2 使用案例

以破解http://coding.1000phone.com/userLogin，登录的验证码为例

2.2.1 分析

这里我们使用Selenium的方式，所以首先我们要创建一个Chrome对象，并且打开网站。然后我们就可以通过标签定位到数字验证码对应的标签，配合F12检查网页元素的视角，可以使用CSS选择器的方式定位。定位到该标签，就可以直接调用screenshot()方法将图片保存下来，然后就可以获取图片的字节数据，这里需要注意的是，图片在Python中是属于二进制文件类型。

获取到验证码图片的字节数据，下面就可以对它进行识别了，首先需要创建一个ddddocr对象，然后直接调用classification()方法，将字节数据进行识别，并且转换成字符串，最后打印输出，在和保存的图片比较，是一致的

2.2.2 完整代码

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time
import ddddocr

# 1.创建Chrome对象并打开网站
url = "http://coding.1000phone.com/userLogin"
browser = Chrome()
browser.get(url)
browser.maximize_window()
time.sleep(2)

# 2.获取验证码的图片，定位到验证码的标签
code_img = browser.find_element(by=By.CSS_SELECTOR, value=".code")
# 进行截图操作，获取到图片
code_img.screenshot(r"images/number_code.png")
# 获取截图的字节数据,图片在Python中属于二进制文件
code_img_bytes = code_img.screenshot_as_png
print(code_img_bytes)

# 3.创建ddddocr对象，识别图片字节数据进识别
docr = ddddocr.DdddOcr(show_ad=False)
# 对图片字节数据进行识别，转换为字符串
code = docr.classification(code_img_bytes)
print('验证吗：', code)

2.3 实战练习

2.3.1 需求

• 破解阿里企业邮箱验证码
• https://qiye.aliyun.com/

2.3.2 分析

• 这个网站的验证码默认不显示出来，只有输入邮箱和密码并且点击隐私政策按钮后，再点击登录按钮才会出现

  

  

• 所以我们需要模拟这个过程，首先需要创建一个Chrome对象，然后调用get()方法打开网站

  browser = Chrome()
  url = 'http://mail.1000phone.com/'
  browser.get(url)
  time.sleep(2)

• 然后我们要定位到用户名和密码的input标签

  

  username_input = browser.find_element(by=By.XPATH,value='//input[@class="ant-input css-1ymq82w sc-jQAxuV iQBTaF"]')
  pwd_input = browser.find_element(by=By.XPATH,value='//input[@class="ant-input css-1ymq82w"]')

• 但是在这里我们进行测试，就会发现一个问题，标签会定位不到，所以我们再检查一下网页元素，可以发现，这里包含了一个隐式窗口，所以我们定位到iframe标签，然后调用switch_to.frame()需要切换至隐式窗口中

  

  iframe = browser.find_element(by=By.CSS_SELECTOR, value=".login_panel_iframe")
  browser.switch_to.frame(iframe)

• 在测试一下，不会报错，那么我们就可以通过send_keys()方法输入数据，然后定位到隐私政策的按钮，调用click()方法点击隐式政策的按钮，最后点击登录的按钮

  username_input.send_keys("qwer@163.com")
  pwd_input.send_keys("1234")
  
  # 定位到条款按钮，并点击
  checkbox_button = browser.find_element(by=By.XPATH, value="//span[@class='ant-checkbox css-1ymq82w']")
  checkbox_button.click()
  
  # 定位到登录按钮，并点击
  login_button = browser.find_element(by=By.CSS_SELECTOR, value=".hvMXEa")
  login_button.click()

• 到这里的时候，验证码就会弹出来，从而我们就可以进行图片的定位了，并且调用screenshot()的方法，截取图片，并且调用screenshot_as_png获取图片的字节数据

  

  # 定位验证码标签
  code_img = browser.find_element(by=By.XPATH, value="//div[@class='sc-kfYoZR lpaEYv']/img")
  # 截图，获取图片
  code_img.screenshot(r"images/aliyun_code.png")
  # 获取图片的字节数据
  code_img_bytes = code_img.screenshot_as_png

• 下面就使用dddocr库，先创建一个ddddocr对象，然后调用来classification()方法解析图片，转换成字符串

  # 创建一个dddocr对象
  docr = ddddocr.DdddOcr(show_ad=False)
  # 解析图片字节数据，转换成字符串
  code = docr.classification(code_img_bytes)
  print("验证码：", code)

• 最后，定位验证码的输入框，并调用send_keys()方法将获取到的验证码，写入到输入框中

  code_input = browser.find_element(by=By.XPATH, value="//div[@class='sc-hOPeYd eXirsP']/input")
  code_input.send_keys(code)

2.3.3 完整代码

from selenium.webdriver import Chrome
from selenium.webdriver.common.by import By
import time
import ddddocr

# 1.创建Chrome对象并且打开网站
url = "https://qiye.aliyun.com/"
browser = Chrome()
browser.get(url)
browser.maximize_window()
time.sleep(2)

# 2.切换iframe，隐式窗口
iframe = browser.find_element(by=By.CSS_SELECTOR, value=".login_panel_iframe")
browser.switch_to.frame(iframe)

# 3.定位用户名和密码的input标签
# 注意：定位标签的时候，定位不到，很有可能存在隐式窗口
username_input = browser.find_element(by=By.CSS_SELECTOR, value=".iQBTaF")
pwd_input = browser.find_element(by=By.XPATH, value="//input[@class='ant-input css-1ymq82w']")

# 4.输入数据，并点击登录按钮
username_input.send_keys("qwer@163.com")
pwd_input.send_keys("1234")

# 定位到条款按钮，并点击
checkbox_button = browser.find_element(by=By.XPATH, value="//span[@class='ant-checkbox css-1ymq82w']")
checkbox_button.click()

# 定位到登录按钮，并点击
login_button = browser.find_element(by=By.CSS_SELECTOR, value=".hvMXEa")
login_button.click()

time.sleep(2)

# 5. 开始捕捉图片
# 定位验证码标签
code_img = browser.find_element(by=By.XPATH, value="//div[@class='sc-kfYoZR lpaEYv']/img")
# 截图，获取图片
code_img.screenshot(r"images/aliyun_code.png")
# 获取图片的字节数据
code_img_bytes = code_img.screenshot_as_png

# 6.解析验证码
# 创建一个dddocr对象
docr = ddddocr.DdddOcr(show_ad=False)
# 解析图片字节数据，转换成字符串
code = docr.classification(code_img_bytes)
print("验证码：", code)

# 7.写入验证码
code_input = browser.find_element(by=By.XPATH, value="//div[@class='sc-hOPeYd eXirsP']/input")
code_input.send_keys(code)

time.sleep(5)