process on 自动注册实操

Posted 2021-03-25 imine-lightq-jane

本文涉及到的技术知识有：

• selenium 自动化定位；
• html dom element 抓取；
• 基于 opencv 的缺口滑块定位；
• 正则表达式；

偶然地阅读到一篇关于：利用爬虫增加 processon 免费文件数，刚好 process on 文件数要满了，所以想实操一把。

经分析，获知 process on 可以通过分享自己专属链接给别人，别人通过这个链接注册账号后，可以获得系统扩容3个文件。

通过撸代码整理出了通过 selenium 自动注册的逻辑。直接上图：

从上面可以了解到当时 ProcessOn 的登录注册过程还是比较简单的，dom元素也不复杂，全部为输入框。验证也是通过邮箱验证链接。

当时看到这篇文章的时候，ProcessOn 的注册已经发生了变更，验证方式改成了腾讯验证滑块。验证滑块通过后会发送邮件到注册邮箱。邮件的内容是验证码。

selenium，soup，dom，temp-mail 都是新技能。其实 python 也撸得少。搭建了个环境大概的运行了一下，在 selenium 定位 dom element 的时候频频报错。

万能的度娘（我可能不是一只合格的猿，我还是习惯度娘，没有趁手的梯子，速度忍不了），修改代码如下：

def open(self):
    """
    open browser, and input register code
    """
    self.browser.get(self.url)
    time.sleep(5)
    # press ‘register‘ button
    self.browser.find_element_by_class_name(‘button‘).click()
    # fill ‘email/phone‘ as user_name
    self.browser.find_element_by_id(‘login_phone‘).send_keys(self.email)
    # fill ‘password‘
    self.browser.find_element_by_id(‘login_password‘).send_keys(self.psw)
    # fill ‘fullname/nickname‘
    self.browser.find_element_by_id(‘login_fullname‘).send_keys(self.name)
    # trigger ‘TencentCaptcha‘ button to send verify email
    self.browser.find_element_by_id(‘TencentCaptcha‘).click()

还算见得多，知道那个是腾讯验证滑块，有了关键字，度娘之。找到一篇：腾讯防水墙验证码破解。拉下来复现之，可能比较新。复现通过了。

看了下源码，主要的技术点是通过 opencv 获取缺口的位置，当然还有模拟人体操作。

可以将 Login 类整体接入到 ProcessOn，修改的地方比较少：

class Login(object):
    def __init__(self, browser):
        # 跟 ProcessOn 在同一个浏览器上
        # self.url = "https://open.captcha.qq.com/online.html"
        self.driver = browser

    def login_main(self):
        # 去掉触发滑块的动作，滑块触发由 ProcessOn 操作
        # ssl._create_default_https_context = ssl._create_unverified_context
        driver = self.driver
        # wait for the dom load otherwise can not find the element
        # 此处一定要睡一会等待 dom 加载完成
        time.sleep(5)

        driver.switch_to.frame(driver.find_element_by_id(‘tcaptcha_iframe‘))  # switch 到 滑块frame
        time.sleep(0.5)
        bk_block = driver.find_element_by_xpath(‘//img[@id="slideBg"]‘)  # 大图
        web_image_width = bk_block.size
        web_image_width = web_image_width[‘width‘]
        bk_block_x = bk_block.location[‘x‘]
        ...
        # 此处省略若干
        ...
        # 不要将浏览器关闭
        # self.after_quit()

接下来是要到 temp-mail 中获取邮件并拿到验证码了。

在这之前有个小插曲，当时（几个月前？）从 temp-mail 里获取 domain 列表是正常的。

def getdomain():
    global domains
    if domains == []:
        r = requests.get("https://temp-mail.org/en/option/change/")
        soup = BeautifulSoup(r.text, "html.parser")
        domains = [tag.text for tag in soup.find(id="domain").find_all("option")]
    return random.choice(domains)

今天运行的时候，发现拿到的 domains 为空。经过浏览器 F12 查看 element 变化情况后发现，temp-mail 进行了一定的反爬策略（也不知道是不是我的网速慢^_^）。<option> 是通过脚本动态加载的。当下拿到的html还未加载。

def getdomain():
    global domains
    if domains == []:
        url = "https://temp-mail.org/en/option/change/"
        browser = webdriver.Chrome()
        browser.get(url)
        domainsText = browser.find_element_by_id(‘domain‘).get_attribute(‘innerHTML‘)
        patt = re.compile(r‘<option.+?>(.+?)</option>‘)
        domains = patt.findall(domainsText)
        browser.quit()
    return random.choice(domains)

当时想到的方案是等待dom加载完成之后，再通过soup进行解析抓取邮件domain列表。研究了一阵未果，遂直接使用 selenium 神器。

加载完成比较慢，但是也是一锤子买卖。

拿到email domain 之后，我们就可以随机构造邮箱地址、用户名和密码了，即准备好了账号信息。

接下来的事情就是触发验证码发送，并且去对应的邮箱在抓取验证码。

因为之前体验过一次 temp-mail，邮箱随便设置，邮件随意收，以为小作品可以闭环了，不曾想大家技术升级太快，temp-mail 又在使妖。

欲知后事如何，且听下文分解。

 

PS：不曾想 process on 又作妖了。

社会逼着我们成长！