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
华山资源网 Design By www.eoogi.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:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
2024年09月21日
2024年09月21日
- 金梅子-《靓声妹3又见炊烟》[WAV+CUE]
- 杨阳《约定HQCDII》头版限量编号2024[WAV+CUE]
- 曝《黑神话:悟空》DLC明年推出 农历新年前后
- PS5日本涨价19% 索尼股价应声上涨2.7%
- 《黑神话》发行平台遭大规模网攻 外媒却鲜有报道
- 伍佰《爱你伍佰年 世纪典藏原音精选3CD》[WAV+CUE][2.3GB]
- 伍佰《爱情的尽头》[WAV+CUE][2.6GB]
- 伍佰 《光环摇滚之声DSD》[WAV+CUE][500MB]
- 王菲.1999-只爱陌生人【EMI百代】【WAV+CUE】
- 林美音.1993-酒后的心声【瑞华】【WAV+CUE】
- 群星.2024-凡人歌电视剧原声带【正午阳光】【FLAC分轨】
- 黑神话悟空上品骨悚然精魄获取方法一览|上品骨悚然精魄收集攻略
- 《演灭Evotinction》正式登陆多平台发售!带你进入科幻潜行新境界
- 命运圣契2024公测最新兑换码大全 命运圣契开服可用兑换码汇总
- 银霞.1979-《回答·兰花草》新加坡限量复黑版[WAV+CUE]