1.4　功能设计

1.4.1　破解字符验证码

字符验证码是一种包含数字、字母或者掺杂斑点与混淆曲线的图片验证码。破解此类验证码时，首先需要定位验证码图片在HTML代码中的位置，并下载该图片。然后，使用OCR技术进行验证码的识别。

下面以http://spider.mingribook.com/spider/word/地址为例，讲解如何破解字符验证码，步骤如下：

（1）使用浏览器打开测试网页http://spider.mingribook.com/spider/word/，如图1.7所示。

（2）按F12键打开浏览器的开发者工具，然后在HTML代码中获取验证码图片所在的位置，如图1.8所示。

图1.7　打开字符验证码所在的网页

图1.8　获取验证码图片在HTML代码中的位置

（3）向目标网页发送网络请求，并在返回的HTML代码中获取验证码图片的下载地址，然后将验证码图片下载到本地。代码如下：

上述代码运行后，保存到本地的验证码图片如图1.9所示。

图1.9　验证码图片

（4）使用Pillow模块和tesserocr模块对下载的验证码图片进行识别。具体实现时，首先通过Image.open()方法打开验证码图片，然后通过tesserocr.image_to_text()方法识别图片中的验证码信息并输出。代码如下：

程序运行结果如下：

     验证码为：uuuc

这里需要注意的是，上面识别的验证码图片只是最常见的一种类型，其中没有任何干扰线。然而，在实际浏览网站时，为了增强安全性，网站通常都会在验证码中增加多条干扰线，如图1.10所示。

图1.10　带有干扰线的验证码

在遇到如图1.10所示的验证码图片时，我们如果继续使用上述步骤（4）中的代码进行识别，就可能会得到以下结果：

     验证码为：YSGN.

或者

     验证码为：

观察上面的结果，我们发现直接使用OCR技术识别带有干扰线的验证码图片时，结果可能会多出一些字符，或者完全无法识别。那么，对于这种验证码图片，我们应如何进行识别呢？这时，一个有效的方法是先对要识别的验证码图片进行灰度处理，然后进行二值化处理，最后使用OCR技术进行识别。优化后的代码如下：

运行上述代码后，图1.10所示的验证码图片效果会变为如图1.11所示的效果。

图1.11　经过灰度处理和二值化处理后的验证码图片

这时，程序即可正常地对图片中的验证码进行识别，结果如下：

     验证码为：YSGN

1.4.2　破解滑动拼图验证码

滑动拼图验证码是许多网站和APP中经常使用的一种图形验证码形式，要求用户将拼图块拖动到正确的位置以完成验证过程。本项目将使用Python结合Selenium自动化测试工具来破解滑动拼图验证码，测试地址为http://spider.mingribook.com/spider/jigsaw/。具体实现步骤如下：

（1）在浏览器中打开滑动拼图验证码的测试网页地址http://spider.mingribook.com/spider/jigsaw/，如图1.12所示。

（2）按F12键打开浏览器的开发者工具，单击按钮滑块，然后在HTML代码中依次定位“按钮滑块”“图形滑块”以及“空缺滑块”对应的HTML标签位置，如图1.13所示。

图1.12　滑动拼图验证码

图1.13　确定滑动拼图验证码的HTML代码位置

（3）拖动按钮滑块，完成滑动拼图验证码的校验，此时将显示如图1.14所示的HTML代码。

图1.14　验证成功后HTML代码变化

对比图1.13与图1.14，可以看出：按钮滑块在默认情况下的位置为left:0px，图形滑块在默认情况下的位置为left:10px；而在验证成功后，按钮滑块的left值变为174px，图形滑块的left值变为184px。由此可以总结出整个验证过程中的滑块位置变化情况，如图1.15所示。

图1.15　验证过程中的滑块位置变化情况

（4）确定滑动位置变化情况后，在Python代码中通过Selenium库调用Selenium自动化测试工具，完成模拟滑块滑动的操作。代码如下：

上述代码运行后，即可自动对http://spider.mingribook.com/spider/jigsaw/测试网页中的滑动拼图验证码进行操作，并弹出如图1.16所示的验证成功提示框，从而实现智能破解滑动拼图验证码的效果。

图1.16　验证成功提示框

1.4.3　第三方平台识别验证码

在Python中，除了使用OCR技术和Selenium自动化测试工具破解验证码，还可以借助第三方平台进行验证码识别。第三方平台通常会提供完善的API接口，开发人员可以根据平台文档快速完成开发需求。常见的第三方验证码识别平台主要分为两类：打码平台和AI开发者平台。其中：打码平台由平台官方完成验证码识别，并在较短时间内返回结果，如超级鹰平台；AI开发者平台则主要采用人工智能技术进行验证码识别，例如百度AI以及其他AI平台等。

本项目以超级鹰打码平台为例，讲解识别验证码的具体过程。步骤如下：

（1）在浏览器中打开超级鹰打码平台首页（http://www.chaojiying.com/），单击“用户注册”按钮，如图1.17所示。

图1.17　超级鹰打码平台首页

（2）在打开的用户中心页面中填写注册账号的基本信息，并单击“同意以下协议并注册”按钮，如图1.18所示。

图1.18　填写注册账号的基本信息

（3）账号注册完成后，在超级鹰打码平台网站的顶部导航栏中单击“开发文档”，打开“开发文档”页面，在该页面的“常用开发语言示例下载”中选择python，如图1.19所示。

图1.19　选择开发语言示例

（4）在Python语言Demo下载页面中可以查看相关的注意事项，单击“单击这里下载”超链接，即可下载使用Python结合超级鹰打码平台接口实现的识别验证码示例代码，如图1.20所示。

图1.20　下载示例代码

（5）使用PyCharm打开下载的示例代码。该示例代码默认已经封装了识别验证码的功能，具体代码如下：

（6）在确认用户名已经完成充值的情况下，创建超级鹰打码平台的实例对象，并传入相应的用户名、密码，以及软件ID，然后指定要识别的验证码图片，最后使用PostPic()方法识别图片，并输出识别结果。代码如下：

这里使用超级鹰打码平台示例代码提供的验证码图片，运行程序，结果如下：

     {'err_no': 0, 'err_str': 'OK', 'pic_id': '3109515574497000001', 'pic_str': '7261', 'md5': 'cf567a46b464d6cbe6b0646fb6eb18a4'}

在上述结果中，pic_str对应的值即为识别到的验证码信息。

另外，在步骤（6）中使用PostPic()方法识别验证码图片时，使用了参数1902，它表示要识别的验证码类型。超级鹰打码平台支持的常用验证码类型及其说明如表1.1所示。

表1.1　常用验证码类型及其说明 OrCU9CnPeWgE2QhvMGrBrFtoylXN6+pbFVF1WQAisGyGyTmU09hpKUF577fp1STq