📅 最后修改于: 2023-12-03 15:34:06.108000 🧑 作者: Mango
当我们使用Python进行网络爬虫时，有些网站为了防止机器爬取造成影响，会在登录或执行某些操作时，弹出验证码。如何在Python中处理验证码呢？
常见的验证码类型有以下几种：
图片验证码：使用图像来展示文字或数字，常常需要用户进行识别或计算，然后填写到输入框中，以验证用户的身份。图片验证码有时会添加一些干扰线、干扰点等，以减少机器破解的可能性。
滑块验证码：需要用户通过鼠标或手指滑动一个滑块，将其拖动到指定的位置，以验证用户的身份。
语音验证码：播放一段语音，需要用户倾听并输入其中的数字或文字，以验证用户的身份。
短信验证码：将验证码通过短信发送到用户的手机上，需要用户手动输入验证码，以验证身份。
对于图片验证码，我们可以使用Python中的PIL库进行处理。具体流程如下：
1）将验证码图片下载到本地，使用PIL库进行打开。
from PIL import Image
import requests
from io import BytesIO
# 下载验证码图片
response = requests.get(url, headers=headers)
image = Image.open(BytesIO(response.content))
2）通过PIL库的ImageEnhance模块，加强图片的对比度，使文字更加清晰。
from PIL import ImageEnhance
# 增强图片对比度
enhancer = ImageEnhance.Contrast(image)
image = enhancer.enhance(2)
3）使用pytesseract库识别图片中的文字。
import pytesseract
# 识别图片中的文字
text = pytesseract.image_to_string(image)
4）将识别出的文字填写到验证码输入框中即可。需要注意的是，由于验证码中往往包含的是随机字母或数字，因此需要对识别出的文字进行清洗，只保留数字或字母。
# 清洗识别出的文字
text = ''.join(filter(str.isalnum, text))
对于滑块验证码，我们可以使用第三方库selenium模拟用户鼠标的滑动操作。具体流程如下：
1）使用selenium打开网页，并定位到滑块所在的元素。
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
# 初始化Chrome浏览器
driver = webdriver.Chrome()
# 打开网页
driver.get(url)
# 定位到滑块所在的元素
slider = driver.find_element_by_xpath(xpath)
2）将页面截取下来（不包含滑块），作为无滑块的背景图。
# 截取页面（不包含滑块），作为无滑块的背景图
background_image = driver.get_screenshot_as_png()
background_image = Image.open(BytesIO(background_image))
left, top, right, bottom = slider.location['x'], slider.location['y'], slider.location['x']+slider.size['width'], slider.location['y']+slider.size['height']
slider_image = background_image.crop((left, top, right, bottom))
background_image.save('background.png') # 保存背景图
slider_image.save('slider.png') # 保存滑块图片
3）通过PIL库的ImageGrab模块，截取整个滑块（包含背景）的图片。
from PIL import ImageGrab
# 截取整个滑块（包含背景）的图片
slider_position = slider.location_once_scrolled_into_view
slider_image = ImageGrab.grab((slider_position['x'], slider_position['y'], slider_position['x']+slider.size['width'], slider_position['y']+slider.size['height']))
slider_image.save('slider_all.png') # 保存整个滑块图片
4）通过第三方库opencv（cv2）进行滑块的精准匹配。
需要注意：对于滑块图片和背景图片，需要转换为灰度图，并对其进行模糊处理，以减少匹配的差异。
import cv2 as cv
# 转换为灰度图
background_gray = cv.cvtColor(np.array(background_image), cv.COLOR_RGB2GRAY)
slider_gray = cv.cvtColor(np.array(slider_image), cv.COLOR_RGB2GRAY)
# 对图片进行模糊处理
background_blur = cv.GaussianBlur(background_gray, (5, 5), 0)
slider_blur = cv.GaussianBlur(slider_gray, (5, 5), 0)
# 进行滑块的精准匹配
match_result = cv.matchTemplate(background_blur, slider_blur, cv.TM_CCOEFF_NORMED)
5）通过滑块的最佳匹配位置算出滑块需要滑动的距离，并将鼠标移动到该位置进行点击滑动。
slider_position = np.unravel_index(np.argmax(match_result), match_result.shape)
# 计算滑块需要滑动的距离
distance = slider_position[1] - left
# 按下鼠标左键
ActionChains(driver).click_and_hold(slider).perform()
# 模拟鼠标移动
for i in range(distance):
ActionChains(driver).move_by_offset(1, 0).perform()
# 释放鼠标左键
ActionChains(driver).release().perform()
在滑动滑块时，由于每个网站的滑块操作不一样，因此需要对不同的滑块进行调试和适配。