爬虫进阶教程：极验(GEETEST)验证码破解教程

摘要

爬虫最大的敌人之一是什么？没错，验证码！Geetest作为提供验证码服务的行家，市场占有率还是蛮高的。遇到Geetest提供的滑动验证码怎么破？授人予鱼不如授人予渔，接下来就为大家呈现本教程的精彩内容。

一、前言

爬虫最大的敌人之一是什么？没错，验证码！Geetest作为提供验证码服务的行家，市场占有率还是蛮高的。遇到Geetest提供的滑动验证码怎么破？

一种方法是分析它的js加密方法，通过大量抓包分析找到它的返回参数，直接自动生成需要的参数即可，这种方法工程量大一些，并且官方js脚本一升级，就得重新分析，耗时耗力。

今天为大家介绍的一种方法是，通过Selenium模拟用户滑动解锁。这个方法的优势在于简单，方便更新。但是它的缺点也很明显，速度慢，并且不能制作成api接口的形式。

授人予鱼不如授人予渔，接下来就为大家呈现本教程的精彩内容。不过，在阅读本篇文章之前，请确保你已经掌握网络爬虫基础，如果不具备爬虫基础，请到我的CSDN专栏学习。然后，再来阅读本文，我的专栏地址：点我查看

二、先睹为快

左侧显示的为自动识别过程，右边是一些打印信息。

三、实战分析

我们以国家企业信用信息公式系统为例，这是一个企业信息查询的网站，在每次查询都需要进行一次验证码识别。它所使用的就是GEETEST验证码，它的URL：点我查看

这个网站是这个样子的：

1、过程分析

要想把大象装冰箱，总共分几步？

把冰箱门打开
把大象赛冰箱里
把冰箱门关上

那么，现在思考一个问题，通过Selenium模拟用户滑动解锁，总共分几步？请停在这里，思考五分钟，再继续阅读！

我们先公布一个粗率的答案：

使用Selenium打开页面。
匹配到输入框，输入要查询的信息，并点击查询按钮。
读取验证码图片，并做缺口识别。
根据缺口位置，计算滑动距离。
根据滑动距离，拖拽滑块到需要匹配的位置。

其实，将每个步骤拆分开来一点一点实现并不难，接下来进入正文。

2、实战开始

第一步：使用Selenium打开网页，并输入信息，点击查询按钮。

这部分内容很简单，Selenium基础性的东西我不再讲解，如有不懂，请看我专栏的Selenium相关内容。

编写代码如下：

# -*-coding:utf-8 -*-

WebDriverWait

webdriver

;

)

keyword

打开浏览器,并输入查询内容

)

# 打开浏览器

)

第二步：保存验证码图片

我们审查元素找打图片的地址，审查结果如下：

可以看到，图片是很多图片合成的，也就是说你只保存所有地址的图片是不行的。它是通过background-position的方法进行合成的。每一个图片是乱的，这个怎么搞？很简单，抓取这些图片的链接，然后根据链接的图片，再合成这张没有缺口的图片，获取缺口图的方法也是如此，都是自己合成。

编写代码如下：

# -*-coding:utf-8 -*-

random

image

BytesIO

Image

webdriver

ActionChains

WebDriverWait

urllib

BeautifulSoup

urlretrieve

;

)

keyword

)

获取网页截图

:return: 截图对象

)

screenshot

获取验证码位置

:return: 验证码位置元组

)

location

size

]

)

获取验证码图片

:return: 图片对象

)

captcha

获取验证码图片

:return: 图片的location信息

]

)

]

}

)

}

)

fullbg_location_list

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

)

获取滑块

:return: 滑块对象

)

break

)

slider

获取缺口偏移量

:param img1: 不带缺口图片

:param img2: 带缺口图片

:return:

left

判断两个像素是否相同

:param image1: 图片1

:param image2: 图片2

:param x: 位置x

:param y: 位置y

:return: 像素是否相同

# 取两个图片的像素点

]

True

False

根据偏移量获取移动轨迹

:param distance: 偏移量

:return: 移动轨迹

# 移动轨迹

]

# 当前位移

# 减速阈值

# 计算间隔

0.2

# 初速度

# 加速度为正2

# 加速度为负3

# 初速度v0

# 当前速度v = v0 + at

# 移动距离x = v0t + 1/2 * a * t^2

# 当前位移

move

# 加入轨迹

)

track

拖动滑块到缺口处

:param slider: 滑块

:param track: 轨迹

:return:

)

# 打开浏览器

)

# 保存的图片名字

'bg.jpg'

'fullbg.jpg'

# 获取图片

)

# 根据位置对图片进行合并还原

)

# 点按呼出缺口

)

# 获取缺口位置

)

运行效果如下：

可以看到，运行之后，我们已经顺利生成了两张图片，一个是缺口图，另一个是非缺口图。

第三步：计算缺口距离

根据缺口图和非缺口图，通过比对图像的像素点的大小区别，找到缺口位置。

编写代码如下：

# -*-coding:utf-8 -*-

WebDriverWait

urlretrieve

webdriver

BeautifulSoup

image

'http://bj.gsxt.gov.cn/sydq/loginSydqAction!sydq.dhtml'

)

keyword

打开浏览器,并输入查询内容

)

获取验证码图片

:return: 图片的location信息

]

)

]

}

)

}

)

fullbg_location_list

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

获取缺口偏移量

:param img1: 不带缺口图片

:param img2: 带缺口图片

:return:

left

# 打开浏览器

)

# 保存的图片名字

'bg.jpg'

'fullbg.jpg'

# 获取图片

)

# 根据位置对图片进行合并还原

)

# 获取缺口位置

)

运行结果如下：

这样我们就计算除了缺口位置，接下来就是根据缺口位置，滑动滑块到相应位置。

第四步：计算滑动轨迹

我们可以使用瞬间移动，直接在1s内移动到目标位置，结果就是”被吃了“。

匀速直线运动，匀速直线运动大法好！果不其然，还是”被吃了“，继续尝试。

模仿抖抖病患者运动，颤颤巍巍，如履薄冰，估计geetest服务器认为是我外婆在操作吧。

虽然这个方法偶尔会成功，但成功率极低。最好的方法是什么呢？

模拟人的运动！你想一下，人在滑动滑块的初期是不是速度快，但是当要接近缺口位置的时候，会减速，因为我得对准缺口位置啊！这怎么实现呢？使用我们初中学过的物理知识：

当前速度公式为：

v = v0 + a * t

其中，v是当前速度，v0是初始速度，a是加速度，t是时间。我们刚开始的让加速大，当过了中间位置，降低加速度。使用这个移动过程，移动滑块到缺口位置。

编写代码如下：

# -*-coding:utf-8 -*-

WebDriverWait

urlretrieve

webdriver

BeautifulSoup

image

'http://bj.gsxt.gov.cn/sydq/loginSydqAction!sydq.dhtml'

)

keyword

打开浏览器,并输入查询内容

)

获取验证码图片

:return: 图片的location信息

]

)

]

}

)

}

)

fullbg_location_list

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

判断两个像素是否相同

:param image1: 图片1

:param image2: 图片2

:param x: 位置x

:param y: 位置y

:return: 像素是否相同

# 取两个图片的像素点

]

True

False

获取缺口偏移量

:param img1: 不带缺口图片

:param img2: 带缺口图片

:return:

left

根据偏移量获取移动轨迹

:param distance: 偏移量

:return: 移动轨迹

# 移动轨迹

]

# 当前位移

# 减速阈值

# 计算间隔

0.2

# 初速度

# 加速度为正2

# 加速度为负3

# 初速度v0

# 当前速度v = v0 + at

# 移动距离x = v0t + 1/2 * a * t^2

# 当前位移

move

# 加入轨迹

)

track

# 打开浏览器

)

# 保存的图片名字

'bg.jpg'

'fullbg.jpg'

# 获取图片

)

# 根据位置对图片进行合并还原

)

# 获取缺口位置

)

运行效果如下：

第五步：移动滑块

根据返回的每次滑动的距离，我们移动滑块至缺口位置。

编写代码如下：

# -*-coding:utf-8 -*-

WebDriverWait

urlretrieve

webdriver

BeautifulSoup

image

'http://bj.gsxt.gov.cn/sydq/loginSydqAction!sydq.dhtml'

)

keyword

打开浏览器,并输入查询内容

)

获取验证码图片

:return: 图片的location信息

]

)

]

}

)

}

)

fullbg_location_list

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

根据位置对图片进行合并还原

:filename:图片

:location_list:图片位置

)

]

)

]

)

]

)

new_im

判断两个像素是否相同

:param image1: 图片1

:param image2: 图片2

:param x: 位置x

:param y: 位置y

:return: 像素是否相同

# 取两个图片的像素点

]

True

False

获取缺口偏移量

:param img1: 不带缺口图片

:param img2: 带缺口图片

:return:

left

根据偏移量获取移动轨迹

:param distance: 偏移量

:return: 移动轨迹

# 移动轨迹

]

# 当前位移

# 减速阈值

# 计算间隔

0.2

# 初速度

# 加速度为正2

# 加速度为负3

# 初速度v0

# 当前速度v = v0 + at

# 移动距离x = v0t + 1/2 * a * t^2

# 当前位移

move

# 加入轨迹

)

track

获取滑块

:return: 滑块对象

)

break

)

slider

拖动滑块到缺口处

:param slider: 滑块

:param track: 轨迹

:return:

)

# 打开浏览器

)

# 保存的图片名字

'bg.jpg'

'fullbg.jpg'

# 获取图片

)

# 根据位置对图片进行合并还原

)

# 获取缺口位置

)

# 点按呼出缺口

)

# 拖动滑块到缺口处

)

运行上述代码，即实现滑动验证码破解，再看下那个nice的瞬间吧。

五、总结

本文抛去了很多具体的实现过程，省略了每行代码的讲解，因为我感觉，既然是进阶教程，那些初级知识就没必要再细讲，学我的初级课程的朋友，应该已经具备了自己分析的能力。
本文的破解方法仅用于学习交流，请勿用于任何非法用途。
本文出现的所有代码和，均可在我的github上下载，欢迎Follow、Star：https://github.com/Jack-Cherish/python-spider
如有问题欢迎留言讨论！

如果破解极验验证码困难可以有一个挺好的解决方案 http://jiyandoc.c2567.com/