帝王谷资源网 Design By www.wdxyy.com
最近学了python爬虫,本着学以致用的态度去应用在生活中。突然发现算法的考试要来了,范围就是PTA刷过的题。让我一个个复制粘贴?不可能,必须爬它!
先开页面,人傻了,PTA的题目是异步加载的,爬了个寂寞(空数据)。AJAX我又不熟,突然想到了selenium。
selenium可以模拟人的操作让浏览器自动执行动作,具体的自己去了解,不多说了。干货来了:
登录界面有个图片的滑动验证码
破解它的最好方式就是用opencv,opencv巨强,自己了解。
思路开始:
1.将背景图片和可滑动的图片下载
2.用opencv匹配这两张图片的最匹配位置,不用在意怎么实现的,算法极其BT,不是我这种数学不及格的人能想的。最终会得到一个匹配度最高的XY值
3.由于Y值不用考虑,拖动滑块是X值的事情,调用selenium里抓放的函数,把X值丢进去,让浏览器自动滑动即可。
注意:由于算法问题,可能不能一次成功,重启程序就行了,或者改动代码。
4.进去之后就用selenium各种操作爬就完事了
以下是源码:
from selenium import webdriver from selenium.webdriver.common.action_chains import ActionChains import requests import time import numpy import cv2 import os #作者:许文鸿 #未经允许不可转载,转载时注明出处 #创建 WebDriver 对象,指明使用chrome浏览器驱动 web = webdriver.Chrome(r'd:\chromedriver.exe') web.implicitly_wait(5) #调用WebDriver 对象的get方法 可以让浏览器打开指定网址 web.get('https://pintia.cn/auth/login') zh = web.find_element_by_xpath('/html/body/div[1]/div[3]/div/div[2]/form/div[1]/div[1]/div/div/div[1]/input') mm = web.find_element_by_xpath('/html/body/div[1]/div[3]/div/div[2]/form/div[1]/div[2]/div/div/div[1]/input') #在PTA的账号密码: zh.send_keys('******@qq.com') mm.send_keys('******') #找到登录按钮并点击 web.find_element_by_xpath('/html/body/div[1]/div[3]/div/div[2]/form/div[2]/button/div/div').click() #等待两秒,验证码加载完成 time.sleep(2) #bg背景图片 bg_img_src = web.find_element_by_xpath( '/html/body/div[3]/div[2]/div/div/div[2]/div/div[1]/div/div[1]/img[1]').get_attribute('src') #front可拖动图片 front_img_src = web.find_element_by_xpath( '/html/body/div[3]/div[2]/div/div/div[2]/div/div[1]/div/div[1]/img[2]').get_attribute('src') #保存图片 with open("bg.jpg", mode="wb") as f: f.write(requests.get(bg_img_src).content) with open("front.jpg", mode="wb") as f: f.write(requests.get(front_img_src).content) #将图片加载至内存 bg = cv2.imread("bg.jpg") front = cv2.imread("front.jpg") js = 'alert("本人可能将此程序用于python课设,请靓仔靓女不要直接提交本人代码。即将报错,需要删除第42~44行代码即可正常运行");' web.execute_script(js) time.sleep(15) #将背景图片转化为灰度图片,将三原色降维 bg = cv2.cvtColor(bg, cv2.COLOR_BGR2GRAY) #将可滑动图片转化为灰度图片,将三原色降维 front = cv2.cvtColor(front, cv2.COLOR_BGR2GRAY) front = front[front.any(1)] #用cv算法匹配精度最高的xy值 result = cv2.matchTemplate(bg, front, cv2.TM_CCOEFF_NORMED) #numpy解析xy,注意xy与实际为相反,x=y,y=x x, y = numpy.unravel_index(numpy.argmax(result), result.shape) #找到可拖动区域 div = web.find_element_by_xpath('/html/body/div[3]/div[2]/div/div/div[2]/div/div[2]/div[2]') #拖动滑块,以实际相反的y值代替x ActionChains(web).drag_and_drop_by_offset(div, xoffset=y // 0.946, yoffset=0).perform() #至此成功破解验证码,由于算法问题,准确率不能达到100%,可能需要多运行1~2次 for page in range(0, 1000): time.sleep(1) #此处的网址为PTA固定网页,仅需要更换page web.get('https://pintia.cn/problem-sets"[class='problemStatusRect_3kpmC PROBLEM_ACCEPTED_1Dzzi']") tm_total = 0 for i in range(0, 1000): # 遍历该页面的题型 try: tm_type = web.find_element_by_xpath( '/html/body/div/div[3]/div[2]/div/div[2]/div[{i_}]/div/div[2]'.format(i_=i * 2 + 2)).text # 如果题型为编程/函数,记录对应的数量,方便后续爬取 if tm_type == '编程题' or tm_type == '函数题': tm_total += int(web.find_element_by_xpath( '/html/body/div/div[3]/div[2]/div/div[2]/div[{i_}]/a/div/div'.format(i_=i * 2 + 2)).text[0]) except: break # 根据函数/编程题数量取相应的题目对象,舍弃其他题目 if tm_total != 0: tm = tm[-tm_total:] else: tm = [] # 遍历剩余题目 for tm_index in tm: try: tm_index.click() time.sleep(0.5) #获取题目中的代码 tm_title = web.find_element_by_css_selector( "[class='text-center black-3 text-4 font-weight-bold my-3']").text mycode = web.find_element_by_css_selector('textarea').get_attribute('value') print('题目:' + tm_title) print(mycode) #接下来可以存入 except: continue
帝王谷资源网 Design By www.wdxyy.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
帝王谷资源网 Design By www.wdxyy.com
暂无评论...
更新日志
2024年12月23日
2024年12月23日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]