最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

基于opencv的selenium滑動驗證碼的實現(xiàn)

 更新時間:2020年07月24日 10:15:35   作者:_xiaolanlan  
這篇文章主要介紹了基于opencv的selenium滑動驗證碼的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

基于selenium進行動作鏈

由于最近很多人聊到滑動驗證碼怎么處理,所以決定自己動手試一下。
做一個東西前。我們首先要對這個東西的操作過程有一個大概的了解。

  • 打開驗證碼頁面。
  • 鼠標放到拖動按鈕上
  • 對拖動按鈕進行拖動
  • 拖動到陰影快重合的位置。
  • 放開拖動按鈕。
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains

artice = browser.find_element_by_class_name('geetest_slider_button') # 滑動按鈕
action = ActionChains(browser)
action.click_and_hold(artice).perform() #按住按鈕不放
action.reset_actions() 
action.pause(0.01).move_by_offset(step, 0).perform() #step 為滑動的水平距離
action.release(artice).perform() # 松開按鈕

上面就是本方用到的有關(guān)于ActionChains的方法。其他方法這里不過多介紹,想了解更多的請轉(zhuǎn)seleniun ActionChains 鼠標鍵盤操作

接下來到我本次要介紹的重點,滑動距離的介紹,也就是圖片求陰影區(qū)域的位置。

這里我使用了opencv庫,主要流程包括

  • 對圖像二值化
  • 對二值化的圖像進行高斯模糊
  • 用canny進行邊緣檢測
  • 然后HoughLinesP霍夫變換尋找直線
  • 對符合條件的直線進行處理尋找交點,進而求出我們要找的陰影快的距離
import cv2 as cv
import numpy as np
import math

# 尋找直線
def FindLines(image):
 image = cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 二值化
 blurred = cv.GaussianBlur(image, (5, 5), 0) # 高斯模糊
 canny = cv.Canny(blurred, 200, 400) # canny邊緣檢測
 lines = cv.HoughLinesP(canny, 1, np.pi / 180, 20, minLineLength=15, maxLineGap=8) # 霍夫變換尋找直線
 return lines[:, 0, :] # 返回直線


# 這里對直線進行過濾
def FindResultLises(lines):
 resultLines = []
 for x1, y1, x2, y2 in lines:
  if (abs(y2 - y1) < 5 or abs(x2 - x1) < 5) and min(x1, x2) > 60: # 只要垂直于坐標軸的直線并且起始位置在60像素以上
   resultLines.append([x1, y1, x2, y2])
 return resultLines


# 判斷點是否在直線上
def distAbs(point_exm, list_exm):
 x, y = point_exm
 x1, y1, x2, y2 = list_exm
 dist_1 = math.sqrt(abs((y2 - y1) + (x2 - x1) + 1)) # 直線的長度
 dist_2 = math.sqrt(abs((y1 - y) + (x1 - x) + 1)) + math.sqrt(abs((y2 - y) + (x2 - x) + 1)) # 點到兩直線兩端點距離和
 return abs(dist_2 - dist_1) 


# 交點函數(shù) y = kx + b 求交點位置
def findPoint(line1, line2):
 poit_status = False
 x1, y1, x2, y2 = line1
 x3, y3, x4, y4 = line2
 x = y = 0

 if (x2 - x1) == 0: # 垂直x軸
  k1 = None
  b1 = 0
 else:
  k1 = 1.0 * (y2 - y1) / (x2 - x1)
  b1 = y1 * 1.0 - k1 * x1 * 1.0

 if (x4 - x3) == 0:
  k2 = None
  b2 = 0
 else:
  k2 = 1.0 * (y4 - y3) / (x4 - x3)
  b2 = y3 * 1.0 - k2 * x3 * 1.0

 if k1 is None:
  if not k2 is None:
   x = x1
   y = k2 * x1 + b2
   poit_status = True
 elif k2 is None:
  x = x3
  y = k1 * x3 + b1
  poit_status = True
 elif k1 != k2:
  x = (b2 - b1) * 1.0 / (k1 - k2)
  y = k1 * x * 1.0 + b1 * 1.0
  poit_status = True

 return poit_status, [x, y]


# 求交點
def linePoint(resultLines):
 for x1, y1, x2, y2 in resultLines:
  for x3, y3, x4, y4 in resultLines:
   point_is_exist, [x, y] = findPoint([x1, y1, x2, y2], [x3, y3, x4, y4]) # 兩線是否有交點
   if point_is_exist:
    dist_len1 = distAbs([x, y], [x1, y1, x2, y2])
    dist_len2 = distAbs([x, y], [x3, y3, x4, y4])
    if dist_len1 < 5 and dist_len2 < 5: # 如果誤差在5內(nèi)我們認為點在直線上
     # 判斷交點在行直線中是左端點還是右端點
     if abs(y2 - y1) < 5:
      # x1是行直線
      if abs(x1 - x) + abs(y1 - y) < 5: # 左端點
       return -1, [x, y]
      else:
       return 1, [x, y]
     else:
      # x2是行直線
      if abs(x3 - x) + abs(y3 - y) < 5:
       return -1, [x, y]
      else:
       return 1, [x, y]
 return 0, [0, 0]

if __name__ == '__main__':
 img = cv.imread(r'C:\Users\Administrator\Desktop\opencv\temImg.png')
 lines = FindLines(img)
 lines = FindResultLises(lines)
 L_or_R, point_x = linePoint(lines) # L_or_R 用于判斷交點在行直線左邊還是右邊 后面拖動要用到
 xoffset = point_x[0]
 yoffset = point_x[1]
 cv.circle(img, (int(xoffset), int(yoffset)), 5, (0, 0, 255), 3)
 cv.imshow('circle', img)
 cv.waitKey(0)
 cv.destroyAllWindows()



效果圖

當(dāng)然也有操作不到的圖片,各位有興趣的可以嘗試并且修改其中的參數(shù)

滑動驗證碼

在上面我們已經(jīng)找到了邊緣點,并且根據(jù)交點是在左邊還是右邊進行計算,找到我們要滑動的最后值

if L_or_R == 1:
 x_offset = xoffset - 20 # 20是陰影快一半的長度 可根據(jù)實際情況調(diào)整
else:
 x_offset = offset + 20

有了滑動距離,接下來就應(yīng)該是滑動了
如果我們直接用 action.move_by_offset(x_offset,0).perform() 圖片會圖示被怪物吃了。那就是運動軌跡被檢測到不是正常人的行為,因為正常人很難一拉就拉到對應(yīng)的位置。

滑動軌跡算法

所以我們還要有一個模擬人的正常操作的拖動軌跡:下面是以先加速再減速的軌跡

import ramdom

# 通過加速減速模擬滑動軌跡
def moveTrack(xoffset):
 updistance = xoffset*4/5
 t = 0.2
 v = 0
 steps_list = []
 current_offset = 0
 while current_offset<xoffset:
  if current_offset<updistance:
   a = 2 + random.random() * 2
  else:
   a = -random.uniform(12,13)
  vo = v
  v = vo + a * t
  x = vo * t + 1 / 2 * a * (t * t)
  x = round(x, 2)
  current_offset += abs(x)
  steps_list.append(abs(x))
 # 上面的 sum(steps_list) 會比實際的大一點,所以再模擬一個往回拉的動作,補平多出來的距離
 disparty = sum(steps_list)-xoffset 
 last1 = round(-random.random() - disparty, 2)
 last2 = round(-disparty-last1, 2)
 steps_list.append(last1)
 steps_list.append(last2)
 
 return steps_list

有了軌跡 steps_list 我們就可以通過循環(huán)來拖動按鈕。需要注意的一點是 每一次循環(huán)都要action.reset_actions() 不然他會把之前的距離也算進來,循環(huán)結(jié)束記得松開按鈕

for step in steps_list:
 action.reset_actions()
 action.pause(0.01).move_by_offset(step, 0).perform()
action.release(artice).perform()

到此這篇關(guān)于基于opencv的selenium滑動驗證碼的實現(xiàn)的文章就介紹到這了,更多相關(guān)opencv selenium滑動驗證碼內(nèi)容請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!

相關(guān)文章

最新評論

台中市| 鄂温| 东阳市| 溧水县| 福州市| 皮山县| 报价| 卢湾区| 宁阳县| 溧水县| 许昌市| 花莲市| 喀喇沁旗| 乌苏市| 白朗县| 新丰县| 介休市| 乐山市| 榆社县| 冀州市| 陆丰市| 泽州县| 吉首市| 镇原县| 原阳县| 越西县| 沙河市| 栾川县| 游戏| 鄄城县| 两当县| 称多县| 宝兴县| 哈巴河县| 辽阳市| 南昌县| 章丘市| 兴宁市| 贵定县| 渭南市| 阿拉尔市|