selenium自动爬取网易易盾的验证码

我们在爬虫过程中难免会遇到一些拦路虎，比如各种各样的验证码，时不时蹦出来，这时候我们需要去识别它来继续我们的工作，接下来我将爬取网一些滑动验证码，然后通过百度的EasyDL平台进行数据标注，创建模型，训练模型，测试模型，看看是否能返回目标框的相应坐标，然后我们再使用selenium进行滑动到相应位置，这样就破解了验证码。后面我将用几个系列来阐述一下我们的内容。

首先，我们先看下爬取的效果，详情点击公众号地址，有视频。

思路：一开始我去查看能不能直接调用接口获取图片，发现看看不是那么容易，找到了相应的接口，但是模拟接口却很困难，里面有token,jsonp之类的。后来直接截取图片好了，简单粗暴。

步骤如下：

前提是有python环境，先把python安装好。

1.pip install selenium

2.下载chrome_driver.exe,利用它来启动谷歌浏览器，以下是网址，我们需要下载电脑谷歌对应的版本，我下载的是chromedriver_win32.zip，版本号是84.0.4147.89，解压内有一个exe文件，放到谷歌的安装目录。

https://sites.google.com/a/chromium.org/chromedriver/downloads

3.添加环境变量，将谷歌的安装目录加入环境变量。

4.测试

 from selenium import webdriver
 browser = webdriver.Chrome()
 browser.get('https://dun.163.com/trial/jigsaw')

5.测试成功之后，我们就可以开始爬取滑动验证码图片，上代码

 driver = webdriver.Chrome()
 driver.implicitly_wait(3)
 driver.maximize_window()
 driver.get('https://dun.163.com/trial/jigsaw')
 # 鼠标移动到此元素
 yidun_tips = driver.find_element_by_class_name('yidun_tips')
 action = ActionChains(driver)
 for i in range(1000):
     action.move_to_element(yidun_tips).perform()
     driver.implicitly_wait(5)
     driver.save_screenshot('webpages/'+str(int(time.time()))+".png")
     driver.find_element_by_class_name("yidun_refresh").click()
     driver.implicitly_wait(5)

 sleep(2)
 driver.quit()

这段代码会打开网页，找到相应元素，触发hover事件，自动点击refresh按钮，刷新图片，然后我们进行截取保存。

6.截取验证码区域

 import cv2 as cv
 import  os

 # 获取文件名
 file_names = os.listdir("webpages/")
 print(file_names)
 # 文件名拼接路径
 file_list = [os.path.join("./webpages/",file) for file in file_names]

 #裁剪坐标为[y0:y1, x0:x1]
 for i in range(len(file_list)):
     src=cv.imread(file_list[i])
     dst=src[651:851,945:1345]
     cv.imwrite('dist/'+(str(i+1))+'.png',dst)
 cv.waitKey()

后面我们就打包数据集上传到EasyDL平台，进行数据标注，训练。