Selenium+Tesseract破解登录验证码

lsekfe

前言　　我破解的登录验证码类型是数学公式的这种，即
　　.......是不是看起来比较简单，但是Tesseract对这种图片的识别率也很低，后期要提升识别率的话，我觉得一是要对图片进行降噪和锐化等处理，二是要对Tesseract预先训练，训练的工具我推荐jTessBoxEditor，大家有兴趣的可以了解一下。
　　1 安装Tesseract
　　1.1 下载Tesseract。地址为:Windows Installer made with MinGW-w64，下载完直接安装即可，安装完成后配置一下环境变量。编辑一下系统变量里的path，添加如下环境变量。

1. C:\Program Files(x86)\Tesseract-OCR

复制代码

安装完成后，在cmd命令行窗口输入

1. tesseract -v

复制代码

　出现如下内容证明安装成功。

1.2 安装pytesseract

1. pip install pytesseract

复制代码

2 识别代码　　2.1 识别逻辑。首先使用selenium到浏览器找到验证码标签，然后截图保存下来，再用tesseract去识别这张图片。如果识别失败，再用selenium点击一下验证码图片，重新生成一张验证码，再重复之前的识别逻辑。如果识别成功，使用eval计算出算式的数值，填入后点击登录按钮。
　　2.2 代码

1. import time
   
2. 
   
3. 　　import pytesseract
   
4. 
   
5. 　　from selenium.webdriver import Chrome
   
6. 
   
7. 　　from PIL import Image
   
8. 
   
9. 　　driver = Chrome(executable_path=r'D:\Chrome Downloads\chromedriver.exe')  # chromedriver的存放路径
   
10. 
    
11. 　　url = "http://60.210.111.130:8002/Login.aspx"
    
12. 
    
13. 　　print("开始爬取，url为{}".format(url))
    
14. 
    
15. 　　driver.get(url=url)
    
16. 
    
17. 　　time.sleep(2)
    
18. 
    
19. 　　# 找到username的input标签，填入用户名
    
20. 
    
21. 　　username = driver.find_element_by_id('txtUserName')
    
22. 
    
23. 　　username.clear()
    
24. 
    
25. 　　username.send_keys('your username')
    
26. 
    
27. 　　# 找到password的input标签，填入密码。如果再次点击验证码时密码被清空，那么这段代码要放到while循环内部
    
28. 
    
29. 　　password = driver.find_element_by_id('pwd')
    
30. 
    
31. 　　password.clear()
    
32. 
    
33. 　　password.send_keys('your password')
    
34. 
    
35. 　　# 进行20次尝试
    
36. 
    
37. 　　times = 0
    
38. 
    
39. 　　while True:
    
40. 
    
41. 　　try:
    
42. 
    
43. 　　element = driver.find_element_by_id('validimg')
    
44. 
    
45. 　　element.click()
    
46. 
    
47. 　　# 每次请求的验证码图片都不一样，所以只能截图，保存至本地。
    
48. 
    
49. 　　driver.save_screenshot('validImage.png')
    
50. 
    
51. 　　# windows系统要注意页面缩放比例，如果是150%，那么每项都*1.5。linux系统不需要
    
52. 
    
53. 　　left = element.location['x']*1.5
    
54. 
    
55. 　　top = element.location['y']*1.5
    
56. 
    
57. 　　right = element.location['x']*1.5 + element.size['width']*1.5
    
58. 
    
59. 　　bottom = element.location['y']*1.5 + element.size['height']*1.5
    
60. 
    
61. 　　im = Image.open('validImage.png')
    
62. 
    
63. 　　im = im.crop((left, top, right, bottom))  # 抠图
    
64. 
    
65. 　　im.save('validImage.png')
    
66. 
    
67. 　　data = pytesseract.image_to_string(Image.open('validImage.png'))
    
68. 
    
69. 　　if len(data) < 3:  # 未识别
    
70. 
    
71. 　　continue
    
72. 
    
73. 　　if len(data) == 4:  # 识别的带=号，去掉=号
    
74. 
    
75. 　　data = data[:3]
    
76. 
    
77. 　　if data[1] == ".":  # -号经常别识别成.,替换为-号
    
78. 
    
79. 　　data[1] = "-"
    
80. 
    
81. 　　print("ocr识别结果", data)
    
82. 
    
83. 　　valid_code = driver.find_element_by_id('validcode')
    
84. 
    
85. 　　valid_code.clear()
    
86. 
    
87. 　　valid_code.send_keys(eval(data))
    
88. 
    
89. 　　time.sleep(1)
    
90. 
    
91. 　　btnLogin = driver.find_element_by_id('btnLogin')
    
92. 
    
93. 　　btnLogin.click()
    
94. 
    
95. 　　# 获取cookie
    
96. 
    
97. 　　login_cookie = driver.get_cookie('ASP.NET_SessionId')
    
98. 
    
99. 　　total_cookie = 'ASP.NET_SessionId={}; autoLogin=null; user=null; pwd=null'.format(login_cookie['value'])
    
100. 
     
101. 　　print("total_cookie,{}".format(total_cookie))
     
102. 
     
103. 　　break
     
104. 
     
105. 　　except Exception as e:
     
106. 
     
107. 　　time.sleep(2)
     
108. 
     
109. 　　times += 1
     
110. 
     
111. 　　print("破解验证码失败，重试第{}次".format(times))
     
112. 
     
113. 　　if times == 20:
     
114. 
     
115. 　　raise RuntimeError
     
116. 
     
117. 　　# linux系统要注意退出chromedriver。否则如果多次执行的话，会生成大量的chromedriver进程。
     
118. 
     
119. 　　driver.quit()

复制代码

执行结果如下：


其中比较坑的一点就是，windows系统显示有缩放比例。可以在桌面右键-显示设置-缩放与布局中看到。如果缩放比例是150%的话，那么截图部分，每项参数都要*1.5，否则截不到想要的验证码。

violet_mary

谢谢

Miss_love

学习