Python 自动登录哔哩哔哩(2captcha打码平台)
前言
研究爬虫的各位小伙伴都知道,需要登录才能获取信息的网站,是比较难爬的,原因就是在于,现在各大网站为了反爬,都加入了图片验证码,滑动验证码之类的干扰
本篇就针对哔哩哔哩的滑动验证码进行讲解和破解
关于破解滑动验证究竟是自己使用机器学习还是第三方服务讨论
先说一下个人观点:本人作为一个爬虫老鸟,如果只是为了使用,非常建议使用第三方服务,为什么呢,来听我细细分析,
现在是2020年了,混it的都知道,现在大红大紫的热门行业是哪个,肯定都说机器学习,都想入门机器学习,但是很多人还没入门就挂了,这是为什么呢,因为入门机器学习,是需要有高数的底子的,可不是以前学一个语言,会常用逻辑就可以入门的了,这也是为什么到现在为止,依然还有非常大的机器学习人才缺口,再说一下为什么自己做爬虫不建议使用机器学习,三个字,玩不起,
首先,你需要有大量的数据,然后再有一个不错的主机用于训练,再然后,就是需要你有高数的底子,如果这三个都有,并且学习了机器学习,你才可以勉强破解滑动验证码,并且不敢保证自己训练的准确度,
这就是我推荐使用第三方接口的原因,因为第三方接口就是专门做这类机器学习的,它们有强大的人力物力专门做破解各种验证码,并且识别率非常高,现在一般都是90%以上,价格还香,何乐不为了,自己做是头发掉的少还是加不够多
当然,并不是说我不让学习机器学习,毕竟现在是一个人工智能时代,如果已有不错的数学基础,并且有很强大兴趣,在工作之余,可以入坑机器学习的,毕竟趋势如此,
本人的观点是,如果是爬虫遇到了滑动验证码,直接使用第三方平台,如果你很有兴趣,继续需坑机器学习,
本文使用的第三方服务:
根据本人测试,是目前识别率最高的平台,价格还行,3美元几百次吧
所需工具
en.... 我们这里不需要 selenium,2captcha打码平台很神奇,我们只需要 requests 模块就可以啦,
2captcha打码平台参数分析
既然我们选择了第三方平台,我们务必要看一下人家的文档,下面我们就2captcha平台的极验破解,看一下人家的操作
首先打开人家官网
嗯...纯英文,我也看不懂..怎么办呢,别着急,我带你们一步一步分析主要功能
登录账号
登录完成后,会自动跳到主页
红色圈起来的地方表示剩余多少钱,没有钱的话记得要氪金,否则是不能用滴,氪金过程这里就不多做解释了哈,问题不大
蓝色圈起来的地方表示这是你的唯一key,每次请求要带上这个key的,所以要保管好
进入主题,研究文档
点击红色圈的地方,api,一般api都是文档,let's go
en....什么玩意..完全看不懂,别慌,往下滑
滑动到rates,我们能看到一个列表,我们要解决的就是极验(geetest),所以我们只看geetest就好了
点击geetest
go
好了,已经懵逼了,但是,怕什么,我们有翻译!!!
这里大概整理一下它的意思
首先,找到目标网站的gt,challenge和api_server三个值,然后,加上其他一些参数发送到 https://2captcha.com/in.php,会返回一个任务id
然后等个15秒左右以后,再向 https://2captcha.com/res.php 请求,带上任务id加上一些其他参数,会返回三个值,返回的三个值+用户名密码等的向目标网站请求,就可以通过验证了
开始行动
在目标网站上,我们寻找一下gt,challenge,api_server三个东西,我们切换到哔哩哔哩找一下
我们点击network,刷新网页,重新加载所有请求,crtl+f,搜索challenge,竟然发现
combine 这个接口返回的是这个
竟然在 https://passport.bilibili.com/web/captcha/combine?plat=11 请求中 找到了,但是到底之不是这个呢,人家 2captcha文档 说了,通常可以在initgeetest发现他,我们尝试下
点击elements,按ctrl+shift+f全局搜索一下,搜索 initgeetest
还真有一个,我们点进去看看
还真有这个,我们打上断点,再次刷新,匹配一下是否和network里的一样
上面是断点的值,下面是network的值,至少看着一样的,我们至少可以确定,有很大关系
至少我们确定了两个值,gt和challenge,还差一个api_server
我们随便输入账号密码点击登录一下,触发一下极验,在elements中,搜索api_server
红色圈起来的地方就表示是api_server,基本参数都找齐了
刚才我们也说了,参数都找齐了,那我们就该请求打码平台了
那我们,就干呐,前面说到,在network中,请求 https://passport.bilibili.com/web/captcha/combine?plat=11 就可以获得gt,challenge,外加一个key
ok,我们来请求一下
这样,我们就拿到了gt,challenge
我们请求一下打码平台的接口,带上自己参数
打码平台需要请求两次,第一次返回的是任务id,第二次才是滑动模块的成功值
注:challenge是动态的,其他的是静态的
api_key是打码平台的key
两个函数,我们就成功的拿到了打码平台返回的值
红色圈起来的,就是破解极验的第一个关键参数,这个参数拿到之后呢,就已经跟人家打码平台没关系啦,我们只需要带着相关参数,登录哔哩哔哩就好了,但是这个参数要往哪发呢,在network经过一番查找后,似乎发现一个和登录有关的接口
https://passport.bilibili.com/web/login/v2
我们可以看到,红色框圈起来的部分,正式 2captcha平台 返回给我们的数据,key,正是 https://passport.bilibili.com/web/captcha/combine?plat=11 返回的key,但是password,进行了加密,他是如何加密的呢
经过不断的断点,不断地断点.....终于确定了,密码会经过这个函数进行加密,它本质是 rsa非对称加密 听着就吓人,不慌,盘它,
这个函数逻辑是先请求//passport.bilbilli.com/login?act=get&r="" ,带上一个随机数,然后会返回一个随机hash,和一个公钥key
公钥key是固定的,然后将随机hash和密码进行加密,发送后他后,后台进行解密
破解代码
通过上述两个函数,就模拟出了密码,最后,最后,我们只需要拼接所有参数,请求一下就ok了
示例效果
如果账号密码错误
如果账号密码正确
第一个表示跳转的url,第二个是返回的cookie,以后我们想干什么,只需要带着这个cookie就好了
完整代码
from pprint import pprint
import time
import random
import requests
import base64
from crypto.publickey import rsa
from crypto.cipher import pkcs1_v1_5 as cipher_pkcs1_v1_5
api_key = "be308827049bfeb0c4c222b76e8b1c92"
method = "geetest"
gt = "b6cc0fc51ec7995d8fd3c637af690de3"
# challenge = "0fb2ae2da43962c1f7aec1dd3f9a58fe"
pageurl = "https://passport.bilibili.com/login"
api_server = "api.geetest.com"
def getchallengeandkey():
commbine_header = {
"accept": "application/json, text/plain, */*",
"accept-encoding": "gzip, deflate, br",
"accept-language": "zh-cn,zh;q=0.9",
"connection": "keep-alive",
# "cookie": "sid=9qe9dmi7",
"host": "passport.bilibili.com",
"referer": "https://passport.bilibili.com/login",
"sec-fetch-mode": "cors",
"sec-fetch-site": "same-origin",
"user-agent": "mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/78.0.3904.70 safari/537.36"
}
commbine_url = "https://passport.bilibili.com/web/captcha/combine?plat=11"
response_commbine = requests.get(url=commbine_url, headers=commbine_header)
# print(response_commbine.text)
# pprint(response_commbine.json())
key = response_commbine.json().get("data").get("result").get("key")
challenge = response_commbine.json().get("data").get("result").get("challenge")
return key, challenge
def get2captchachallengeandvalidateseccode(challenge):
captcha_url = f"https://2captcha.com/in.php?key={api_key}&method={method}>={gt}&challenge={challenge}&pageurl={pageurl}&api_server={api_server}&json=1"
r = requests.get(captcha_url)
print(r.json())
rid = r.json().get("request")
# print(rid, type(rid))
time.sleep(15)
while true:
re_cpatcha_url = f"https://2captcha.com/res.php?key={api_key}&action=get&id={int(rid)}&json=1"
# print(re_cpatcha_url)
r2 = requests.get(re_cpatcha_url)
print(r2.json())
if r2.json().get("status") == 1:
geetest_challenge = r2.json().get("request").get("geetest_challenge")
geetest_validate = r2.json().get("request").get("geetest_validate")
geetest_seccode = r2.json().get("request").get("geetest_seccode")
return geetest_challenge, geetest_validate, geetest_seccode
time.sleep(5)
# 密码加密
def crack_pwd(hash: str, pwd: str):
key = """-----begin public key-----
migfma0gcsqgsib3dqebaquaa4gnadcbiqkbgqdjb4v7eidx/ym28t2ybo0u6t0n
6p4ej8vjqkhg100va6jknbntrlqqmcqcaytxmxxp2fwkk6wr+12n9zknljf+c9sx
/+l48mjuu8rqahifd1xt/u2e0m2en029ohcgkhx3fc/klfsibak93eh/xlyis0w+
xl69gv6klzgxw6d2xqidaqab
-----end public key-----
"""
# 注意上述key的格式
rsakey = rsa.importkey(key)
cipher = cipher_pkcs1_v1_5.new(rsakey) # 生成对象
new_pwd = hash + pwd
cipher_text = base64.b64encode(
cipher.encrypt(new_pwd.encode("utf-8"))
) # 对传递进来的用户名或密码字符串加密
value = cipher_text.decode('utf8') # 将加密获取到的bytes类型密文解码成str类型
return value
# 获取key
def get_act():
act_header = {
"accept": "*/*",
"accept-encoding": "gzip, deflate, br",
"accept-language": "zh-cn,zh;q=0.9",
"connection": "keep-alive",
"cookie": "sid=9qe9dmi7; _uuid=a8f38e21-6734-4291-c4ec-404aea0294c750293infoc; buvid3=8548f035-99e8-41f8-bda1-c63065b96fd5155813infoc",
"host": "passport.bilibili.com",
"referer": "https://passport.bilibili.com/login",
"sec-fetch-mode": "cors",
"sec-fetch-site": "same-origin",
"user-agent": "mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/78.0.3904.70 safari/537.36",
"x-requested-with": "xmlhttprequest"
}
r1 = random.random()
c_url = f"https://passport.bilibili.com/login?act=getkey&r={r1}"
print("url:", c_url)
response = requests.get(c_url, headers=act_header)
# print(response.json())
hash = response.json().get("hash")
key = response.json().get("key")
# print(hash)
# print(key)
return hash, key
def login_v2():
login_v2_header = {
"accept": "application/json, text/plain, */*",
"accept-encoding": "gzip, deflate, br",
"accept-language": "zh-cn,zh;q=0.9",
"connection": "keep-alive",
# "cookie": "sid=9qe9dmi7",
"host": "passport.bilibili.com",
"referer": "https://passport.bilibili.com/login",
"sec-fetch-mode": "cors",
"sec-fetch-site": "same-origin",
"user-agent": "mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/78.0.3904.70 safari/537.36"
}
login_v2_url = "https://passport.bilibili.com/web/login/v2"
r1 = requests.post(login_v2_url, headers=login_v2_header, data=login_v2_dict)
pprint(r1.json())
print(r1.cookies.get_dict())
if __name__ == '__main__':
username = "1234"
password = "1234"
login_v2_dict = {
"captchatype": 11, # ok
"username": username, # ok
# 需要构建 js 获取密码
"password": "",
"keep": true,
# 通过 commbine 获取
"key": "",
"gourl": "",
# 通过 2captcha 获取
"challenge": "",
"validate": "",
"seccode": ""
}
v2_key, challenge = getchallengeandkey()
# print(v2_key, challenge)
geetest_challenge, geetest_validate, geetest_seccode = get2captchachallengeandvalidateseccode(challenge)
# print(geetest_challenge)
# print(geetest_validate)
# print(geetest_seccode)
hash, key_public_key = get_act()
n = crack_pwd(hash, password)
login_v2_dict["key"] = v2_key
login_v2_dict["challenge"] = geetest_challenge
login_v2_dict["validate"] = geetest_validate
login_v2_dict["seccode"] = geetest_seccode
login_v2_dict["password"] = n
print(n)
print(login_v2_dict)
login_v2()