用Python爬蟲(chóng)破解滑動(dòng)驗(yàn)證碼的案例解析

做爬蟲(chóng)總會(huì)遇到各種各樣的反爬限制，反爬的第一道防線往往在登錄就出現(xiàn)了，為了限制爬蟲(chóng)自動(dòng)登錄，各家使出了渾身解數(shù)，所謂道高一尺魔高一丈。

今天分享個(gè)如何簡(jiǎn)單處理滑動(dòng)圖片的驗(yàn)證碼的案例。

類(lèi)似這種拖動(dòng)滑塊移動(dòng)到圖片中缺口位置與之重合的登錄驗(yàn)證在很多網(wǎng)站或者APP都比較常見(jiàn)，因?yàn)樗鼘?duì)真實(shí)用戶(hù)體驗(yàn)友好，容易識(shí)別。同時(shí)也能攔截掉大部分初級(jí)爬蟲(chóng)。

作為一只python爬蟲(chóng)，如何正確地自動(dòng)完成這個(gè)驗(yàn)證過(guò)程呢？

先來(lái)分析下，核心問(wèn)題其實(shí)是要怎么樣找到目標(biāo)缺口的位置，一旦知道了位置，我們就可以借用selenium等工具完成拖動(dòng)的操作。

我們可以借用opencv來(lái)解決這個(gè)問(wèn)題，主要步驟：

opencv 是什么？

OpenCV（Open Source Computer Vision Library）是開(kāi)放源代碼計(jì)算機(jī)視覺(jué)庫(kù)，主要算法涉及圖像處理、計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)相關(guān)方法，可用于開(kāi)發(fā)實(shí)時(shí)的圖像處理、計(jì)算機(jī)視覺(jué)以及模式識(shí)別程序。

直接安裝

首先將圖片進(jìn)行高斯模糊處理，高斯模糊的主要作用是減少圖像的噪聲，用于預(yù)處理階段。

處理后的效果

接著用Canny邊緣檢測(cè)到得到一個(gè)包含“窄邊界”的二值圖像。所謂二值圖像就是黑白圖，只有黑色和白色。

輪廓檢測(cè)

找出所有的輪廓，并用紅色線框?qū)⑵淅L制標(biāo)識(shí)出來(lái)了，看出來(lái)大大小小有幾十個(gè)輪廓

剩下的問(wèn)題就好辦了，我們只需要對(duì)輪廓的面積或者周長(zhǎng)范圍做限制，就能過(guò)濾出目標(biāo)輪廓的位置， 前提是我們對(duì)目標(biāo)位置的輪廓大小是預(yù)先確定的。

輪廓的面積大概是6000到8000之間，周長(zhǎng)在300到500之間， 最后用外接矩形獲取該輪廓圖的坐標(biāo)位置和寬高大小。

如上就找到了目標(biāo)位置，剩下的工作就是將滑塊移動(dòng)到指定位置即可

到此這篇關(guān)于用Python爬蟲(chóng)破解滑動(dòng)驗(yàn)證碼的案例解析的文章就介紹到這了,更多相關(guān)Python爬蟲(chóng)破解滑動(dòng)驗(yàn)證碼內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！