使用java + selenium + OpenCV破解網(wǎng)易易盾滑動驗證碼的示例
更新時間：2021年02月03日 09:48:23 作者：香芋味的貓
這篇文章主要介紹了使用java + selenium + OpenCV破解網(wǎng)易易盾滑動驗證碼,本文通過實例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
網(wǎng)易易盾：dun.163.com
* 驗證碼地址：https://dun.163.com/trial/jigsaw * 使用OpenCv模板匹配 * Java + Selenium + OpenCV
產(chǎn)品樣例
接下來就是見證奇跡的時刻！
注意?。?！
· 在模擬滑動時不能按照相同速度或者過快的速度滑動，需要向人滑動時一樣先快后慢，這樣才不容易被識別。
模擬滑動代碼↓↓↓
/**
* 模擬人工移動
* @param driver
* @param element頁面滑塊
* @param distance需要移動距離
*/
public static void move(WebDriver driver, WebElement element, int distance) throws InterruptedException {
int randomTime = 0;
if (distance > 90) {
randomTime = 250;
} else if (distance > 80 && distance <= 90) {
randomTime = 150;
}
List<Integer> track = getMoveTrack(distance - 2);
int moveY = 1;
try {
Actions actions = new Actions(driver);
actions.clickAndHold(element).perform();
Thread.sleep(200);
for (int i = 0; i < track.size(); i++) {
actions.moveByOffset(track.get(i), moveY).perform();
Thread.sleep(new Random().nextInt(300) + randomTime);
}
Thread.sleep(200);
actions.release(element).perform();
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 根據(jù)距離獲取滑動軌跡
* @param distance需要移動的距離
* @return
*/
public static List<Integer> getMoveTrack(int distance) {
List<Integer> track = new ArrayList<>();// 移動軌跡
Random random = new Random();
int current = 0;// 已經(jīng)移動的距離
int mid = (int) distance * 4 / 5;// 減速閾值
int a = 0;
int move = 0;// 每次循環(huán)移動的距離
while (true) {
a = random.nextInt(10);
if (current <= mid) {
move += a;// 不斷加速
} else {
move -= a;
}
if ((current + move) < distance) {
track.add(move);
} else {
track.add(distance - current);
break;
}
current += move;
}
return track;
}
操作過程
/**
* 獲取網(wǎng)易驗證滑動距離
*
* @return
*/
public static String dllPath = "C://chrome//opencv_java440.dll";
public double getDistance(String bUrl, String sUrl) {
System.load(dllPath);
File bFile = new File("C:/EasyDun_b.png");
File sFile = new File("C:/EasyDun_s.png");
try {
FileUtils.copyURLToFile(new URL(bUrl), bFile);
FileUtils.copyURLToFile(new URL(sUrl), sFile);
BufferedImage bgBI = ImageIO.read(bFile);
BufferedImage sBI = ImageIO.read(sFile);
// 裁剪
cropImage(bgBI, sBI, bFile, sFile);
Mat s_mat = Imgcodecs.imread(sFile.getPath());
Mat b_mat = Imgcodecs.imread(bFile.getPath());
//陰影部分為黑底時需要轉(zhuǎn)灰度和二值化，為白底時不需要
// 轉(zhuǎn)灰度圖像
Mat s_newMat = new Mat();
Imgproc.cvtColor(s_mat, s_newMat, Imgproc.COLOR_BGR2GRAY);
// 二值化圖像
binaryzation(s_newMat);
Imgcodecs.imwrite(sFile.getPath(), s_newMat);
int result_rows = b_mat.rows() - s_mat.rows() + 1;
int result_cols = b_mat.cols() - s_mat.cols() + 1;
Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);
Imgproc.matchTemplate(b_mat, s_mat, g_result, Imgproc.TM_SQDIFF); // 歸一化平方差匹配法TM_SQDIFF 相關(guān)系數(shù)匹配法TM_CCOEFF
Core.normalize(g_result, g_result, 0, 1, Core.NORM_MINMAX, -1, new Mat());
Point matchLocation = new Point();
MinMaxLocResult mmlr = Core.minMaxLoc(g_result);
matchLocation = mmlr.maxLoc; // 此處使用maxLoc還是minLoc取決于使用的匹配算法
Imgproc.rectangle(b_mat, matchLocation, new Point(matchLocation.x + s_mat.cols(), matchLocation.y + s_mat.rows()), new Scalar(0, 255, 0, 0));
Imgcodecs.imwrite(bFile.getPath(), b_mat);
return matchLocation.x + s_mat.cols() - sBI.getWidth() + 12;
} catch (Throwable e) {
e.printStackTrace();
return 0;
} finally {
bFile.delete();
sFile.delete();
}
}
/**
* 圖片亮度調(diào)整
*
* @param image
* @param param
* @throws IOException
*/
public void bloding(BufferedImage image, int param) throws IOException {
if (image == null) {
return;
} else {
int rgb, R, G, B;
for (int i = 0; i < image.getWidth(); i++) {
for (int j = 0; j < image.getHeight(); j++) {
rgb = image.getRGB(i, j);
R = ((rgb >> 16) & 0xff) - param;
G = ((rgb >> 8) & 0xff) - param;
B = (rgb & 0xff) - param;
rgb = ((clamp(255) & 0xff) << 24) | ((clamp(R) & 0xff) << 16) | ((clamp(G) & 0xff) << 8) | ((clamp(B) & 0xff));
image.setRGB(i, j, rgb);
}
}
}
}
// 判斷a,r,g,b值，大于256返回256，小于0則返回0,0到256之間則直接返回原始值
private int clamp(int rgb) {
if (rgb > 255)
return 255;
if (rgb < 0)
return 0;
return rgb;
}
/**
* 生成半透明小圖并裁剪
*
* @param image
* @return
*/
private void cropImage(BufferedImage bigImage, BufferedImage smallImage, File bigFile, File smallFile) {
int y = 0;
int h_ = 0;
try {
// 2 生成半透明圖片
bloding(bigImage, 75);
for (int w = 0; w < smallImage.getWidth(); w++) {
for (int h = smallImage.getHeight() - 2; h >= 0; h--) {
int rgb = smallImage.getRGB(w, h);
int A = (rgb & 0xFF000000) >>> 24;
if (A >= 100) {
rgb = (127 << 24) | (rgb & 0x00ffffff);
smallImage.setRGB(w, h, rgb);
}
}
}
for (int h = 1; h < smallImage.getHeight(); h++) {
for (int w = 1; w < smallImage.getWidth(); w++) {
int rgb = smallImage.getRGB(w, h);
int A = (rgb & 0xFF000000) >>> 24;
if (A > 0) {
if (y == 0)
y = h;
h_ = h - y;
break;
}
}
}
smallImage = smallImage.getSubimage(0, y, smallImage.getWidth(), h_);
bigImage = bigImage.getSubimage(0, y, bigImage.getWidth(), h_);
ImageIO.write(bigImage, "png", bigFile);
ImageIO.write(smallImage, "png", smallFile);
} catch (Throwable e) {
System.out.println(e.toString());
}
}
/**
*
* @param mat
* 二值化圖像
*/
public static void binaryzation(Mat mat) {
int BLACK = 0;
int WHITE = 255;
int ucThre = 0, ucThre_new = 127;
int nBack_count, nData_count;
int nBack_sum, nData_sum;
int nValue;
int i, j;
int width = mat.width(), height = mat.height();
// 尋找最佳的闕值
while (ucThre != ucThre_new) {
nBack_sum = nData_sum = 0;
nBack_count = nData_count = 0;
for (j = 0; j < height; ++j) {
for (i = 0; i < width; i++) {
nValue = (int) mat.get(j, i)[0];
if (nValue > ucThre_new) {
nBack_sum += nValue;
nBack_count++;
} else {
nData_sum += nValue;
nData_count++;
}
}
}
nBack_sum = nBack_sum / nBack_count;
nData_sum = nData_sum / nData_count;
ucThre = ucThre_new;
ucThre_new = (nBack_sum + nData_sum) / 2;
}
// 二值化處理
int nBlack = 0;
int nWhite = 0;
for (j = 0; j < height; ++j) {
for (i = 0; i < width; ++i) {
nValue = (int) mat.get(j, i)[0];
if (nValue > ucThre_new) {
mat.put(j, i, WHITE);
nWhite++;
} else {
mat.put(j, i, BLACK);
nBlack++;
}
}
}
// 確保白底黑字
if (nBlack > nWhite) {
for (j = 0; j < height; ++j) {
for (i = 0; i < width; ++i) {
nValue = (int) (mat.get(j, i)[0]);
if (nValue == 0) {
mat.put(j, i, WHITE);
} else {
mat.put(j, i, BLACK);
}
}
}
}
}
// 延時加載
private static WebElement waitWebElement(WebDriver driver, By by, int count) throws Exception {
WebElement webElement = null;
boolean isWait = false;
for (int k = 0; k < count; k++) {
try {
webElement = driver.findElement(by);
if (isWait)
System.out.println(" ok!");
return webElement;
} catch (org.openqa.selenium.NoSuchElementException ex) {
isWait = true;
if (k == 0)
System.out.print("waitWebElement(" + by.toString() + ")");
else
System.out.print(".");
Thread.sleep(50);
}
}
if (isWait)
System.out.println(" outTime!");
return null;
}
注意:有一個問題還沒有解決，還無法區(qū)分陰影部分是黑色還是白色。 因為兩種的情況不同，所以處理方式也不同。陰影部分為黑底時需要轉(zhuǎn)灰度和二值化，為白底時不需要。黑底使用歸一化平方差匹配算法 TM_SQDIFF ，而白底使用相關(guān)系數(shù)匹配算法 TM_CCOEFF。
到此這篇關(guān)于使用java + selenium + OpenCV破解網(wǎng)易易盾滑動驗證碼的文章就介紹到這了,更多相關(guān)java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
這篇文章主要介紹了Java中Cglib代理類重寫邏輯詳解,代理類中只會維護(hù)NoOp這個回調(diào)屬性,并不會生成目標(biāo)類MyService中的noOp所對應(yīng)的方法,需要的朋友可以參考下2023-11-11
這篇文章主要為大家詳細(xì)介紹了java微信公眾號企業(yè)付款開發(fā)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-09-09
這篇文章主要介紹了java實現(xiàn)的漢字轉(zhuǎn)五筆功能,結(jié)合具體實例形式分析了java基于字符串遍歷與編碼轉(zhuǎn)換等操作實現(xiàn)五筆編碼獲取的相關(guān)操作技巧,需要的朋友可以參考下2017-06-06
這篇文章主要介紹了Spring Boot和Hazelcast使用詳解，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-09-09
利用spring-boot-maven-plugin插件打包SpringBoot應(yīng)用方式
spring-boot-maven-plugin插件可以將SpringBoot應(yīng)用打成帶依賴的jar包,該包中不僅包含應(yīng)用自身的代碼,還包含了pom.xml中配置的依賴,修改pom.xml打包后,生成的jar包就包含了項目依賴,生成的jar包位于項目的target文件夾下2025-02-02
關(guān)于Java三大特性之多態(tài)的總結(jié)
這篇文章主要介紹了關(guān)于Java三大特性之多態(tài)的總結(jié)，內(nèi)容詳細(xì)，涉及多態(tài)的定義，存在條件，好處，分類及實現(xiàn)方式等相關(guān)內(nèi)容，具有一定參考價值，需要的朋友可以了解下。2017-11-11
Java8深入學(xué)習(xí)系列（一）lambda表達(dá)式介紹
Java8最值得學(xué)習(xí)的特性就是Lambda表達(dá)式和Stream API，所以我們學(xué)習(xí)java8的第一課就是學(xué)習(xí)lambda表達(dá)式，下面這篇文章主要給大家介紹了關(guān)于Java8學(xué)習(xí)之lambda的相關(guān)資料，文中介紹的非常詳細(xì)，需要的朋友可以參考借鑒，下面來一起看看吧。2017-08-08
單元測試（unit testing），是指對軟件中的最小可測試單元進(jìn)行檢查和驗證。這篇文章主要為大家介紹了C語言實現(xiàn)單元測試的方法，需要的可以參考一下2022-11-11
字典樹，又稱單詞查找樹，Trie樹，是一種樹形結(jié)構(gòu)，哈希表的一個變種。用于統(tǒng)計，排序和保存大量的字符串，本文針對字典樹給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值2021-09-09
springboot項目Redis統(tǒng)計在線用戶的實現(xiàn)示例
最近做個項目需要統(tǒng)計在線用戶,本文主要介紹了springboot項目Redis統(tǒng)計在線用戶的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2024-06-06