豆瓣自动注册回贴脚本 powered by Python & Selenium

Posted 2020-11-09 funway

前言，之前在豆瓣日志写了这片文章，结果被豆瓣删除了。。。哎

    ----- 所删除内容 -----

    《豆瓣自动注册、回贴脚本  powered by Python & Selenium》  (2018-01-12 15:29)

    故事起因：

上周的时候吧，发现有条疯狗在这张剧照(天生杀人狂)下面骂我。如果只是骂我傻逼我还能忍，毕竟人在江湖飘哪人不挨刀。但是你问候的范围大了，那作为一个社会主义核心价值观没有问题的青年，我必须得去操一下你妈了吧。请点击操他妈热线。结果这个怂逼居然还发私信骂我然后还把我拉黑了，真鸡巴怂。只能在剧照评论下回怼，但剧照毕竟是个公共地方，回多了有碍观瞻。既然私信也没法发了，想了想，那就注册个小号吧，写个脚本骂它7749天也不错呀，说干就干，知识就是骂娘。( _)

=========================分割线=============================

代码思路：

1. 账号注册
豆瓣现在的账号注册机制需要邮箱与短信双重验证。这就比较麻烦了，但是有一个小漏洞可以跳过邮箱，只需要手机号就可以注册。具体链接我就不在这里明说了，请参考代码实现。

2. 手机号
注册一个账号就需要一个手机，并且还要接受验证短信，我哪来那么多手机呀？问这种问题的同学说明你的互联网思维还不够深刻啊。来，请百度“验证码接收平台”，为你打开新世界的大门。

3. 破解验证码
手机号的问题搞定了，但是下一个问题接踵而来。我发现点击接受短信验证码的时候，豆瓣会很贱的先弹出一个Captcha验证码。由于之前做过类似项目，第一思路就是那上Tesseract-OCR呗。我下面的代码实现也是用的PyTesseract。
先对验证码图像二值化，再降噪，最后进行ocr识别。
经过几天的运行，发现识别成功率低的吓人。只有35/882 = 3.97%。 
不过好在豆瓣没有对验证码图像的获取进行限制，可以暴力破解。

作为一个不怕困难、艰苦奋斗的党员，我决定尝试一下对Tesseract进行训练。我取了500张验证码图像，熬瞎了我的眼睛，终于完成了这一项21世纪的伟大工程，兴致勃勃的将db.traineddata放入Tesseract目录下，点击运行。
WTF！识别率稳定在0.00%， 什么鬼哦，是我训练的方式不对吗？    ┌∩┐

算了，万事开头难，只要肯放弃。训练这种事情不适合我这个懒人。这个时候，我的互联网思维突然春光乍泄，诶，有没有验证码破解平台呀？我直接用别人的不就好了！我真棒 
微软、百度、腾讯都有提供ocr接口，但是好像效果也不咋滴，我试了试微软的发现还不如本地Tesseract。就在这时候，我发现有某位不愿意透露姓名的网友提示了可以找“打码平台”，使用真“人工”智能来进行验证码破解，一条验证码也就1分钱左右。卧槽，这简直是为我打开了一扇新世界的大门。我试了下云打码，效果还真不错嘿，大概5秒左右能返回结果。主要是这网站的py接口写的还可以，其他打码平台的py接口写的实在太垃圾了，惨不忍睹。

4. 豆瓣的自动防御机制
首先，新注册的账号给人发送私信的话，好想都会被丢进对方的垃圾豆邮里。我估计豆瓣会验证新账号的完整性，比如有没有头像呀之类的。我懒得测试了，打狗并不值得投入太多时间，毕竟我还在那狗逼的广播页面操他妈了，这个是会有豆瓣提醒的，垃圾豆邮的话，等他哪天不小心点开，大概会很惊喜吧。挺好。

第二，一个ip地址注册的账号数应该是有限制的，比如一天内只允许注册多少个这样。如果超过阈值，注册可以成功，但是登陆后访问任何一个页面，都会被跳转到手机验证页面，提示账号有异常，需要再次发送短信验证。。。。（2018.01.16订正：可能不是注册数限制的问题哦，有可能只是碰巧那几个手机号有“问题”，导致豆瓣需要该手机号主动发短信进行验证。）

=========================分割线=============================

代码：
https://share.weiyun.com/5aaXApZ

=========================分割线=============================

如果这篇文章对你有一点点帮助，肯请不吝口舌，帮我去这以下两个页面问候这个傻逼全家：
  傻逼的主页
  天生怂逼剧照页