亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

基于opencv的selenium滑動(dòng)驗(yàn)證碼的實(shí)現(xiàn)

 更新時(shí)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(dòng)驗(yàn)證碼的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

基于selenium進(jìn)行動(dòng)作鏈

由于最近很多人聊到滑動(dòng)驗(yàn)證碼怎么處理,所以決定自己動(dòng)手試一下。
做一個(gè)東西前。我們首先要對(duì)這個(gè)東西的操作過(guò)程有一個(gè)大概的了解。

  • 打開驗(yàn)證碼頁(yè)面。
  • 鼠標(biāo)放到拖動(dòng)按鈕上
  • 對(duì)拖動(dòng)按鈕進(jìn)行拖動(dòng)
  • 拖動(dòng)到陰影快重合的位置。
  • 放開拖動(dòng)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(dòng)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(dòng)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(guò)多介紹,想了解更多的請(qǐng)轉(zhuǎn)seleniun ActionChains 鼠標(biāo)鍵盤操作

接下來(lái)到我本次要介紹的重點(diǎn),滑動(dòng)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(kù),主要流程包括

  • 對(duì)圖像二值化
  • 對(duì)二值化的圖像進(jìn)行高斯模糊
  • 用canny進(jìn)行邊緣檢測(cè)
  • 然后HoughLinesP霍夫變換尋找直線
  • 對(duì)符合條件的直線進(jìn)行處理尋找交點(diǎn),進(jìn)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(cè)
 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(duì)直線進(jìn)行過(guò)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(biāo)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(diǎn)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(zhǎng)度
 dist_2 = math.sqrt(abs((y1 - y) + (x1 - x) + 1)) + math.sqrt(abs((y2 - y) + (x2 - x) + 1)) # 點(diǎn)到兩直線兩端點(diǎn)距離和
 return abs(dist_2 - dist_1) 


# 交點(diǎn)函數(shù) y = kx + b 求交點(diǎn)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(diǎn)
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(diǎn)
   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(rèn)為點(diǎn)在直線上
     # 判斷交點(diǎn)在行直線中是左端點(diǎn)還是右端點(diǎn)
     if abs(y2 - y1) < 5:
      # x1是行直線
      if abs(x1 - x) + abs(y1 - y) < 5: # 左端點(diǎn)
       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(diǎn)在行直線左邊還是右邊 后面拖動(dòng)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(dòng)驗(yàn)證碼

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

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

有了滑動(dòng)距離,接下來(lái)就應(yīng)該是滑動(dòng)了
如果我們直接用 action.move_by_offset(x_offset,0).perform() 圖片會(huì)圖示被怪物吃了。那就是運(yùn)動(dòng)軌跡被檢測(cè)到不是正常人的行為,因?yàn)檎H撕茈y一拉就拉到對(duì)應(yīng)的位置。

滑動(dòng)軌跡算法

所以我們還要有一個(gè)模擬人的正常操作的拖動(dòng)軌跡:下面是以先加速再減速的軌跡

import ramdom

# 通過(guò)加速減速模擬滑動(dòng)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(huì)比實(shí)際的大一點(diǎn),所以再模擬一個(gè)往回拉的動(dòng)作,補(bǔ)平多出來(lái)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(guò)循環(huán)來(lái)拖動(dòng)按鈕。需要注意的一點(diǎn)是 每一次循環(huán)都要action.reset_actions() 不然他會(huì)把之前的距離也算進(jìn)來(lái),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(dòng)驗(yàn)證碼的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)opencv selenium滑動(dòng)驗(yàn)證碼內(nèi)容請(qǐng)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

  • 聊聊python中的load、loads實(shí)現(xiàn)反序列化的問(wèn)題

    聊聊python中的load、loads實(shí)現(xiàn)反序列化的問(wèn)題

    在python自動(dòng)化中,我們傳遞一些參數(shù)是需要從文件中讀取過(guò)來(lái)的,讀取過(guò)來(lái)的字典并非python對(duì)象數(shù)據(jù)類型而是string類型。本文給大家分享python中的load、loads實(shí)現(xiàn)反序列化的問(wèn)題,感興趣的朋友一起看看吧
    2021-10-10
  • Django中使用Celery的方法步驟

    Django中使用Celery的方法步驟

    這篇文章主要介紹了Django中使用Celery,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-12-12
  • 初學(xué)者快看,Python下劃線的五個(gè)作用介紹

    初學(xué)者快看,Python下劃線的五個(gè)作用介紹

    大家好,本篇文章主要講的是初學(xué)者快看,Python下劃線的五個(gè)作用介紹,感興趣的同學(xué)趕快來(lái)看一看吧,對(duì)你有幫助的話記得收藏一下,方便下次瀏覽
    2021-12-12
  • Django ORM filter() 的運(yùn)用詳解

    Django ORM filter() 的運(yùn)用詳解

    這篇文章主要介紹了Django ORM filter() 的運(yùn)用詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-05-05
  • python標(biāo)準(zhǔn)庫(kù) datetime的astimezone設(shè)置時(shí)區(qū)遇到的坑及解決

    python標(biāo)準(zhǔn)庫(kù) datetime的astimezone設(shè)置時(shí)區(qū)遇到的坑及解決

    這篇文章主要介紹了python標(biāo)準(zhǔn)庫(kù) datetime的astimezone設(shè)置時(shí)區(qū)遇到的坑及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-09-09
  • Python日志無(wú)延遲實(shí)時(shí)寫入的示例

    Python日志無(wú)延遲實(shí)時(shí)寫入的示例

    今天小編就為大家分享一篇Python日志無(wú)延遲實(shí)時(shí)寫入的示例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-07-07
  • Python實(shí)現(xiàn)屬性可修改的裝飾器方式

    Python實(shí)現(xiàn)屬性可修改的裝飾器方式

    這篇文章主要介紹了Python實(shí)現(xiàn)屬性可修改的裝飾器方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2024-02-02
  • Python多進(jìn)程模式實(shí)現(xiàn)多核CPU并行計(jì)算

    Python多進(jìn)程模式實(shí)現(xiàn)多核CPU并行計(jì)算

    隨著計(jì)算機(jī)硬件的不斷發(fā)展,多核CPU已經(jīng)成為普及的硬件設(shè)備,在本文中,我們將重點(diǎn)介紹在Python中如何利用多進(jìn)程模式提高程序的執(zhí)行效率,感興趣的可以了解一下
    2023-05-05
  • 對(duì)python中if語(yǔ)句的真假判斷實(shí)例詳解

    對(duì)python中if語(yǔ)句的真假判斷實(shí)例詳解

    今天小編就為大家分享一篇對(duì)python中if語(yǔ)句的真假判斷實(shí)例詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-02-02
  • 在Django中創(chuàng)建第一個(gè)靜態(tài)視圖

    在Django中創(chuàng)建第一個(gè)靜態(tài)視圖

    這篇文章主要介紹了在Django中創(chuàng)建第一個(gè)靜態(tài)視圖的方法,與其他編程語(yǔ)言的開始一樣,以Hello world作為示例,需要的朋友可以參考下
    2015-07-07

最新評(píng)論