[2020-09-24] Zhihu 시뮬레이션 로그인-셀레늄

면책 조항 :이 기사는 연구 및 연구용이며 불법적 인 용도로 사용하는 것은 금지되어 있습니다. 그렇지 않으면 귀하의 책임입니다. 침해 사항이있는 경우 통지하고 삭제하십시오. 감사합니다!

---

프로젝트 장면 :

이번에는 QQ에서 인증 한 로그인 항목을 사용하여 Zhihu의 셀레늄 자동 로그인을 가져 왔습니다. 링크는 여기 입니다. 로그인 API 인터페이스를 사용하여 이전에 로그인 시뮬레이션을 시도했지만 성공하지 못했기 때문에 여전히 정직합니다. 먼저 브라우저로 로그인하십시오.

---

해결책:

1. 좋아, 이제 시도 해보자. qq 인증 아이콘을 클릭 한 다음 계정 암호를 클릭하여 로그인합니다. qq 계정 암호를 입력하면 간격을 채우기위한 슬라이더 유형 인증 코드가 나타납니다.

2. 언뜻보기에 잃어버린 블록의 인증 코드가 골칫거리입니다이 웹 사이트는 괜찮습니다 생물학적 행동 특징 감지 기능이 없습니다 슬라이더가 미끄러지는 데 필요한 거리를 계산하기 만하면됩니다. 구체적인 검증 아이디어는 다음과 같습니다.

1. 먼저 두 장의 사진을 얻으십시오. 하나는 틈이있는 완전한 사진이고 다른 하나는 누락 된 블록이있는 사진입니다.
2. 그런 다음 이진화 처리를 수행합니다.
3. 그런 다음 cv2.matchTemplate을 사용하여 슬라이더가있는 갭 맵의 위치를 ​​일치시키고 거리 x를 반환 한 다음 브라우저로 이동하여 실제 슬라이딩 거리를 얻습니다.
4. 이때 얻은 x는 셀레늄이 슬라이딩 거리를 시뮬레이션 할 수있는 거리가 아니므로 (x, distance)의 여러 세트를 측정 한 다음 커브 피팅 도구 를 사용하여 실제 슬라이딩 거리 공식을 계산해야합니다.
5. 마지막으로 얻은 거리는 셀레늄의 실제 슬라이딩 거리입니다.

3. 먼저 두 개의 사진을 얻는 방법에 대해 이야기하겠습니다. 두 사진 주소는 괜찮습니다.

4. 누락 된 블록의 위치를 ​​계산합니다.

def get_diff_location():
    # 获取图片并灰度化
    block = cv2.imread("block.jpg", 0) # 缺块图片
    index = cv2.imread("index.jpg", 0) # 背景图片
    # 二值化后的图片名称
    block1 = "block1.jpg"
    index1 = "index1.jpg"
    # 将二值化后的图片进行保存
    cv2.imwrite(block1, block)
    cv2.imwrite(index1, index)
    block = cv2.imread(block1)
    block = cv2.cvtColor(block, cv2.COLOR_RGB2GRAY)
    block = abs(255 - block)
    cv2.imwrite(block1, block)
    block = cv2.imread(block1)
    template = cv2.imread(index1)
    # 获取偏移量
    result = cv2.matchTemplate(block, template, cv2.TM_CCOEFF_NORMED)  # 查找block在template中的位置，返回result是一个矩阵，是每个点的匹配结果
    x, y = np.unravel_index(result.argmax(), result.shape)
    # print("x方向的偏移", int(y * 0.4 + 18), 'x:', x, 'y:', y)
    return y

5. 실제 슬라이딩 거리를 구하고 두 값을 뺍니다.

6. 그런 다음 4 단계와 5 단계에서 데이터 세트를 몇 개 더 가져 와서 커브 피팅 웹 사이트에 올려 변환 공식을 출력합니다. 마지막으로 셀레늄을 사용하여 테스트합니다. 보통 1-3 번 성공합니다!

7. 마지막으로 완전한 코드를 게시하십시오!

import cv2
import numpy as np
import time
import requests
from selenium import webdriver
from selenium.webdriver import ActionChains
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities

def get_diff_location():
    # 获取图片并灰度化
    block = cv2.imread("block.jpg", 0) # 缺块图片
    index = cv2.imread("index.jpg", 0) # 背景图片
    # 二值化后的图片名称
    block1 = "block1.jpg"
    index1 = "index1.jpg"
    # 将二值化后的图片进行保存
    cv2.imwrite(block1, block)
    cv2.imwrite(index1, index)
    block = cv2.imread(block1)
    block = cv2.cvtColor(block, cv2.COLOR_RGB2GRAY)
    block = abs(255 - block)
    cv2.imwrite(block1, block)
    block = cv2.imread(block1)
    template = cv2.imread(index1)
    # 获取偏移量
    result = cv2.matchTemplate(block, template, cv2.TM_CCOEFF_NORMED)  # 查找block在template中的位置，返回result是一个矩阵，是每个点的匹配结果
    x, y = np.unravel_index(result.argmax(), result.shape)
    # print("x方向的偏移", int(y * 0.4 + 18), 'x:', x, 'y:', y)
    return y

def run():
    url = 'https://www.zhihu.com/signin?next=%2F'
    option = webdriver.ChromeOptions()
    option.add_experimental_option('excludeSwitches', ['enable-automation'])  # webdriver防检测
    option.add_argument("--no-sandbox")
    option.add_argument("--disable-dev-usage")

    desired_capabilities = DesiredCapabilities.CHROME  # 修改页面加载策略
    desired_capabilities["pageLoadStrategy"] = "none"  # 注释这两行会导致最后输出结果的延迟，即等待页面加载完成再输出
    driver = webdriver.Chrome(options=option)

    driver.get(url)
    time.sleep(2)
    driver.find_element_by_xpath('//*[@id="root"]/div/main/div/div/div/div[3]/span[2]/button[2]').click() # 点击qq授权登入
    time.sleep(2)
    driver.switch_to.window(driver.window_handles[-1]) # 切换句柄
    time.sleep(1)
    driver.switch_to.frame("ptlogin_iframe")
    driver.find_element_by_id('switcher_plogin').click() # 点击密码登入
    time.sleep(2)
    #输入账号密码
    driver.find_element_by_id('u').send_keys('123123123')
    driver.find_element_by_id('p').send_keys('123123123')
    time.sleep(1)
    # 点击登入
    driver.find_element_by_id('login_button').click()
    time.sleep(3)
    driver.switch_to.frame('tcaptcha_iframe')
    while True:
        # 保存带缺块的背景图
        with open('index.jpg','wb') as f:
            url = driver.find_element_by_id('slideBg').get_attribute('src')
            f.write(requests.get(url).content)
        # 保存缺块图
        with open('block.jpg','wb') as f:
            url = driver.find_element_by_id('slideBlock').get_attribute('src')
            f.write(requests.get(url).content)
        #获取滑块
        button = driver.find_element_by_id('tcaptcha_drag_thumb')
        # 滑动滑块
        ActionChains(driver).click_and_hold(button).perform()
        x = get_diff_location()
        print('拟合前的距离',x)
        if x > 500:
            # 刷新验证码
            print('拟合前的距离有误')
            ActionChains(driver).release().perform() # 释放鼠标
            driver.find_element_by_id('e_reload').click()
            time.sleep(2)
            continue
        distance = int(-0.002886710239855681*x*x*x+4.044880174577657*x*x-1888.1544118978823*x+293800.78433441074)
        if (distance > 200) and (distance < 300):
            distance -= 100
        elif distance > 300:
            print('距离出错')
            # 刷新验证码
            ActionChains(driver).release().perform()  # 释放鼠标
            driver.find_element_by_id('e_reload').click()
            time.sleep(2)
            continue
        print('需要滑动的大概距离',distance)
        ActionChains(driver).move_by_offset(xoffset=distance, yoffset=0).perform()
        time.sleep(1)
        ActionChains(driver).release().perform() # 释放鼠标
        time.sleep(2)
        # 检测是否滑动成功
        try:
            driver.find_element_by_id('tcaptcha_drag_thumb')
            print('滑动失败，即将再次尝试！')
            # 刷新验证码
            driver.find_element_by_id('e_reload').click()
            time.sleep(2)
        except Exception:
            break

    print('验证成功！')
    time.sleep(11111)

if __name__ == '__main__':
    run()