Selenium+2Captcha 自动化+验证码识别实战

举报
TechLead 发表于 2023/11/19 08:58:37 2023/11/19
【摘要】 本文深入探讨了使用Selenium库进行网页自动化操作,并结合2Captcha服务实现ReCAPTCHA验证码的破解。内容涵盖Selenium的基础知识、验证码的分类、2Captcha服务的使用,以及通过实例进行的详细讲解,最后对实践进行总结和优化思考,为读者提供了一条完整的验证码破解实践路线图。一、引言在现代Web开发中,自动化测试和Web爬虫是很常见的任务。在这两个领域,Selenium...

本文深入探讨了使用Selenium库进行网页自动化操作,并结合2Captcha服务实现ReCAPTCHA验证码的破解。内容涵盖Selenium的基础知识、验证码的分类、2Captcha服务的使用,以及通过实例进行的详细讲解,最后对实践进行总结和优化思考,为读者提供了一条完整的验证码破解实践路线图。



一、引言

在现代Web开发中,自动化测试和Web爬虫是很常见的任务。在这两个领域,Selenium是一个被广泛使用的工具,能模拟浏览器操作并对Web页面进行操作和分析。在本篇文章中,我们将首先介绍Selenium的基础知识,然后进一步探讨如何用它来处理另一个常见的Web问题:验证码。

1.1 Selenium简介及其应用场景

Selenium是一个自动化测试工具,主要用于Web应用程序的功能和性能测试。它可以直接运行在浏览器上,支持多种操作系统、浏览器和编程语言。除了测试,Selenium也经常被用在Web爬虫中,用于模拟和自动化浏览器操作。

from selenium import webdriver

driver = webdriver.Firefox()
driver.get('http://www.python.org')
assert "Python" in driver.title
driver.quit()

上面的Python代码展示了一个简单的Selenium脚本,它启动了一个Firefox浏览器,然后访问Python官方网站并检查页面标题中是否包含"Python"这个词。最后,关闭浏览器。

1.2 验证码的目的与类型

验证码,全名为"Completely Automated Public Turing test to tell Computers and Humans Apart",是用于区分用户是机器还是人的公开全自动图灵测试。主要的目的是防止恶意软件和自动化脚本进行骚扰、滥用服务,或进行其他不良行为。

常见的验证码类型包括文本验证码、图形验证码、滑动验证码、点触验证码等。最近,随着机器学习技术的发展,诸如Google的ReCAPTCHA系统,提供了基于用户行为分析的验证码服务,这大大增加了破解的难度。

在接下来的文章中,我们将重点讨论如何使用Selenium来处理这些验证码,尤其是图形验证码和ReCAPTCHA验证码。

二、Selenium知识

Selenium是一个自动化测试工具,主要用于Web应用程序的功能测试。它可以模拟真实的用户行为,例如点击按钮,输入文字,选择下拉菜单等等。因此,Selenium也常常被用于网页爬虫中,来处理JavaScript渲染的页面,或者模拟用户行为。

2.1 Selenium安装和配置

首先,我们需要在我们的机器上安装Selenium。以下是在Python环境中安装Selenium的命令:

pip install selenium

然后,我们还需要下载对应的浏览器驱动,例如Chrome的驱动就是chromedriver。驱动的下载地址通常可以在浏览器的官方网站找到。

2.2 WebDriver简介

WebDriver是Selenium的核心部分,它是一个接口,定义了操作浏览器的一系列方法。每种浏览器都有自己的WebDriver实现,例如ChromeDriver,FirefoxDriver等等。

以下是一个简单的例子,展示了如何使用WebDriver打开一个网页:

from selenium import webdriver

driver = webdriver.Firefox()
driver.get('http://www.google.com/')

上述代码首先创建了一个FirefoxDriver的实例,然后调用了它的get方法打开了Google的首页。

2.3 页面元素定位

Selenium提供了多种定位页面元素的方法,例如通过id、name、class name、tag name、link text、partial link text、xpath、css selector等等。

以下是一些定位元素的例子:

element = driver.find_element_by_id('id_of_element')  # 通过id定位
element = driver.find_element_by_name('name_of_element')  # 通过name定位
element = driver.find_element_by_class_name('class_of_element')  # 通过class name定位
element = driver.find_element_by_tag_name('tag_of_element')  # 通过tag name定位
element = driver.find_element_by_xpath('//div[@class="my_class"]')  # 通过xpath定位
element = driver.find_element_by_css_selector('div.my_class')  # 通过css selector定位

2.4 操作页面元素

得到了页面元素之后,我们就可以对它进行操作了。常见的操作有输入文字、点击按钮、获取元素文本等等。

以下是一些操作元素的例子:

element.send_keys('some text')  # 输入文字
element.click()  # 点击元素
text = element.text  # 获取元素的文本

2.5 等待页面加载

在网页爬虫中,我们经常会遇到需要等待页面加载的情况。Selenium提供了两种等待方式:显式等待和隐式等待。

以下是一个显式等待的例子:

from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

element = WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.ID, 'id_of_element'))
)

上述代码会等待最多10秒,直到页面中出现了id为'id_of_element'的元素。

2.6 高级操作

Selenium还支持一些高级操作,例如执行JavaScript代码、操作cookies、切换iframe、处理弹窗等等。

以下是一个执行JavaScript代码的例子:

driver.execute_script('window.scrollTo(0, document.body.scrollHeight);')

上述代码执行了一个JavaScript脚本,将页面滚动到底部。这在处理一些需要滚动加载的网页时非常有用。

三、验证码破解:Selenium使用2Captcha服务实现ReCAPTCHA验证码破解

验证码是网络世界的一种普遍存在的安全机制,用于区分人类用户和机器。在此,我们将结合Selenium和一个自动验证码解决方案(TwoCaptcha),来展示如何破解一种常见的验证码——ReCAPTCHA。

1.1 2Captcha服务介绍 cn.2captcha.com

2Captcha是一种基于人工劳动力的验证码识别服务。它提供了一个API接口,允许开发者将无法识别的验证码发送到2Captcha服务。然后2Captcha的工人会手动识别并返回结果。这种服务对处理图像验证码、reCAPTCHA、FunCaptcha等复杂验证码有很高的准确率。2Captcha的主要优点是其优异的精确性和灵活的API,使得开发者可以轻松集成并在不同环境中使用。

cn.2captcha.com

file

支持验证码类型

file

支持支付宝支付

file

3.2 ReCAPTCHA简介

ReCAPTCHA是Google推出的一种验证码服务,它的主要特点是提供一个"我不是机器人"的复选框让用户点击。在用户点击后,ReCAPTCHA会评估用户的行为,判断用户是否为人类。如果判断用户为人类,那么验证就通过了;如果不能确定,那么就会给出一个额外的挑战,例如选择包含某物的图片。

3.3 使用Selenium模拟用户行为

我们可以使用Selenium来模拟用户点击"我不是机器人"的复选框。在Selenium中,我们可以用click方法来模拟点击,例如:

checkbox = driver.find_element_by_id('recaptcha_check')
checkbox.click()

然而,这样做可能还不够,因为ReCAPTCHA会分析用户的行为。例如,如果点击过于迅速或者机械化,那么ReCAPTCHA可能会判定为机器行为。

3.4 使用2Captcha自动解决验证码

如果ReCAPTCHA给出了额外的挑战,我们就需要使用其他的工具来解决它。这里我们选择使用TwoCaptcha,它是一个可以自动解决各种验证码的服务。

在TwoCaptcha中,我们需要提供网站的URL和网站的sitekey,然后它会返回一个解决验证码的答案,我们可以将这个答案填回网页,完成验证。

以下是使用TwoCaptcha解决验证码的示例代码:

solver = TwoCaptcha(API_KEY)
result = solver.recaptcha(sitekey=sitekey, url=url)

3.5 结合Selenium和2Captcha破解验证码

有了Selenium和TwoCaptcha,我们就可以结合起来,形成一个完整的解决方案。具体步骤如下:

  1. 使用Selenium打开网页。
  2. 找到并点击"我不是机器人"的复选框。
  3. 如果出现额外的挑战,使用TwoCaptcha解决,并将答案填回网页。

下面的代码就实现了上述的步骤:

from bs4 import BeautifulSoup
from twocaptcha import TwoCaptcha
from selenium import webdriver

API_KEY = 'your_twocaptcha_api_key'
solver = TwoCaptcha(API_KEY)

# 创建一个WebDriver实例
driver = webdriver.Firefox()

# 使用Selenium打开网页
driver.get('https://www.example.com/')

# 找到并点击"我不是机器人"的复选框
checkbox = driver.find_element_by_id('recaptcha_check')
checkbox.click()

# 如果出现额外的挑战,使用TwoCaptcha解决
sitekey = 'sitekey_from_webpage'
url = driver.current_url
result = solver.recaptcha(sitekey=sitekey, url=url)

# 将答案填回网页
driver.execute_script('document.getElementById("g-recaptcha-response").innerHTML="{}"'.format(result['code']))

3.6 使用Selenium自动填充验证码

Selenium与2Captcha结合,自动填充解析出的验证码。我们可以使用Selenium定位到验证码输入框,并填充解析结果。

# 用Selenium定位验证码输入框
input_box = driver.find_element_by_id('captcha-input-box-id')

# 填入解析出的验证码
input_box.send_keys(captcha_solution)

3.7 处理图片验证码

对于图片验证码,我们可以使用Selenium获取图片元素,并保存为本地文件。然后,我们可以将本地文件上传到2Captcha进行解析。

# 定位到图片元素
image_element = driver.find_element_by_id('captcha-image-id')

# 将图片保存为本地文件
image_element.screenshot('captcha.png')

# 上传到TwoCaptcha进行解析
solver = TwoCaptcha(API_KEY)
result = solver.normal('captcha.png')

# 填入解析出的验证码
input_box = driver.find_element_by_id('captcha-input-box-id')
input_box.send_keys(result)

3.7 处理其他类型的验证码

除了上述提到的验证码类型外,还有一些其他类型的验证码,例如text CAPTCHA、reCaptcha V2、reCaptcha V3、HCaptcha、Funcaptcha,2Captcha服务均可以很好的解决。 file

四、总结

通过本文,我们学习了如何使用Selenium库来模拟浏览器操作,并结合TwoCaptcha服务来实现ReCAPTCHA验证码的自动化破解。现在,让我们来总结一下我们的实践并对未来可能的优化提出一些思考。

通过Selenium,我们可以对浏览器进行各种复杂的控制,从打开网页、填写表单,到模拟点击等等。然而,当我们遇到验证码这种需要人类参与的挑战时,我们需要寻找额外的解决方案。

2Captcha提供了一个很好的解决方案。它可以解决各种类型的验证码,包括我们在本文中提到的ReCAPTCHA。而且,2Captcha提供的API使得我们可以方便地将其整合到我们的Selenium脚本中。

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。