超星学习通人脸识别自动化处理实现（原创）

一. 项目介绍

1. 项目目的

自动化处理人脸识别。

2. 项目原理

原理在我写的上篇文章：

https://www.trtyr.top/posts/23887.html

我们根据上篇文章知道，他这个人脸识别主要就这几个参数

clazzid
courseId
uuid
qrcEnc
objectId

这几个参数怎么整出来的我也说了，其中clazzId、uuid和qrcEnc这三个参数可以直接从页面弹出的二维码链接里得到，courseId需要你自己找，objectId是程序自己生成的。

3. 项目流程

现在捋一下项目流程

自己找到courseId参数（懒得做了）
从客户端得到二维码链接
将二维码链接发送给服务端
服务端处理URL，提取clazzId、uuid和qrcEnc这三个参数
进行人脸识别，得到objectId参数
根据参数进行授权

4. 流程理论实现

先说第一个，自己找（主要是懒得写了），怎么找我上篇文章说了

第二步，从客户端得到二维码链接。这里的客户端就是本地浏览器了，从页面获取链接，我想到的是用JS检测DOM树来实现。

第三步，将二维码链接发送给服务端。这一步本来是打算和第二步放一起的，但是这步实现对于我来说有点难受，于是单独拿出来讲讲。服务端就是python了。用python建立个服务器，然后接收JS传来的数据就行了。

第四步，服务端处理URL，提取clazzId、uuid和qrcEnc这三个参数。这步简单，编码处理和正则就行了。

第五步，进行人脸识别，得到objectId参数，这一步上篇文章整完了，主要就是用一张随机图片作为人脸图片上传到接口，从而骗过对方服务器得到objectId参数。

第六步，根据参数进行授权，没啥好说的，直接传接口拿授权就行了。

二. 项目实现

1. Python服务搭建

这里用了好多个库，最后选择用websockets库，这过程在之后JS传递数据那里出了一堆问题。最后有了该代码

import websockets  

async def receive_image_link(websocket, path):  
    while True:  
        try:  
            image_link = await websocket.recv()  
            url = urllib.parse.unquote(image_link)  
            print(f"Received image link: {url}")   
            await websocket.send("Processed and close")  # 处理完成后发送消息给客户端  
        except websockets.exceptions.ConnectionClosedOK:  
            print("WebSocket连接已关闭")  
            print("=" * 50)  
            break  
  
start_server = websockets.serve(receive_image_link, "127.0.0.1", 4200)  
  
async def main():  
    server = await start_server  
    print(f"WebSocket 服务器已启动，正在监听 {server.sockets[0].getsockname()}")  
    await server.wait_closed()  
  
asyncio.get_event_loop().run_until_complete(main())

这里用websockets库搞了一个WebSocket服务器，监听本地的4200端口，等待客户端连接。

receive_image_link函数这里搞了一个异步，用于处理接收到的消息。用一个无限循环来不断接收客户端发送的消息。当接收到消息时，它会对消息进行处理，并发送一个回复消息给客户端。

在main函数中，首先通过websockets.serve函数创建一个WebSocket服务器，并指定监听的IP地址和端口。然后，打印服务器启动的信息。

最后，通过asyncio.get_event_loop().run_until_complete来运行main函数，使服务器一直运行，直到被关闭。

总结，没啥难度。主要是这个异步的处理

下面放一个运行截图

2. 人脸识别脚本

上篇文章讲过，这里不在过多赘述

import string  
import time  
import random  
  
import cv2  
import numpy as np  
import requests  
from requests_toolbelt import MultipartEncoder  
  
  
def random_picture():  
    print("正在生成图片……")  
    d = 400  
    img = np.ones((d, d, 3), np.uint8) * 255  
    for i in range(0, 100):  
        center_x = np.random.randint(0, high=d)  
        center_y = np.random.randint(0, high=d)  
  
        radius = np.random.randint(5, high=d / 5)  
        color = np.random.randint(0, high=256, size=(3,)).tolist()  
  
        cv2.circle(img, (center_x, center_y), radius, color, -1)  
  
    cv2.imwrite("1.jpg", img)  
  
  
def face():  
    print("正在处理人脸识别……")  
    url = "https://pan-yz.chaoxing.com/upload?uploadtype=face"  
  
    headers = {  
        "Cookie": "",  
        "User-Agent": "",  
        "Host": "pan-yz.chaoxing.com",  
    }  
  
    rand_str = ''.join(random.sample(string.ascii_letters + string.digits, 16))  
  
    random_picture()  
    file = open('1.jpg', 'rb')  
  
    body = MultipartEncoder(  
        fields={  
            '_token': 'ca2f75fa81f41ccdbc9a613314ef9890',  
            'puid': '244263407',  
            'file': (f"{str(int(time.time() * 1000))}.jpg", file, 'image/jpg'),  
  
        }, boundary=f'Boundary+{rand_str}')  
  
    contentype = body.content_type  
    headers['content-type'] = contentype  
    response = requests.post(url, headers=headers, data=body)  
    objectId = response.json()["objectId"]  
    print(objectId)  
    return objectId

没啥好讲的。会的都会。

3. 授权

上篇文章也讲过，这里不在过多赘述

# coding=utf-8  
  
import re  
import urllib  
import requests  
from 人脸识别模块 import face  
  
  
# 主程序  
def authorize(message):  
    print("正在授权……")  
    url = "https://mooc1-api.chaoxing.com/mooc-ans/qr/updateqrstatus"  
  
    new_txt = urllib.parse.unquote(message)  
    for i, ii, iii in re.findall('uuid=(.*?)&clazzid=(.*?)&enc=(.*?)&', new_txt):  
        uuid = i  
        clazzid = ii  
        enc = iii  
  
        params = {  
            "clazzId": clazzid,  
            "courseId": "204589142",  
            "uuid": uuid,  
            "qrcEnc": enc,  
            "objectId": face()  
        }  
        headers = {  
            "Origin": "https://mooc1-api.chaoxing.com",  
            "Cookie": "",  
            "Referer": "",  
            "User-Agent": "",  
            "Host": "mooc1-api.chaoxing.com"  
        }  
  
        response = requests.post(url, headers=headers, params=params)  
  
        print(response.text)

4. JS客户端

博主JS不咋地，就是简单的学了学，在写这代码的时候直接给我干发烧了……然后解决了一堆BUG，得到了以下代码

// ==UserScript==
// @name         学习通人脸识别二维码链接
// @namespace    http://tampermonkey.net/
// @version      0.1
// @description  获取学习通人脸识别二维码的链接
// @author       特让他也让
// @include      *
// @require      https://scriptcat.org/lib/513/2.0.0/ElementGetter.js
// ==/UserScript==
// 客户端代码（JavaScript）

// 等待渲染模块
document.addEventListener("DOMContentLoaded", function(event) {
  // 在页面渲染完毕后运行检测模块
  checkWindowAndImage();
});

// 检测模块
function checkWindowAndImage() {
  const windowDiv = document.querySelector(".popDiv.wid640.faceCollectQrPop.popClass");
  if (windowDiv) {
    const image = windowDiv.querySelector("#fcqrimg");
    if (image) {
      processData(image.src);
      return;
    }
  }
  setTimeout(checkWindowAndImage, 1000); // 页面加载完成后，每隔1秒检测一次窗口和图片是否存在
}

// 数据处理模块
function processData(imageSrc) {
  // 处理图片链接
  const processedData = imageSrc;

  sendToServer(processedData);
}

// 发送模块
function sendToServer(data) {
  const websocket = new WebSocket("ws://127.0.0.1:4200"); // 连接到 python 服务器

  websocket.onopen = function () {
    console.log("WebSocket 连接已建立");
    websocket.send(data);
  };

  websocket.onmessage = function (event) {
    console.log("接收到服务器响应: " + event.data);
    websocket.close();
    endModule();
  };
}

// 结束模块
function endModule() {
  console.log("连接已关闭");
  // 在连接关闭后等待2秒后重新运行检测模块
  setTimeout(checkWindowAndImage, 2000);
}

// 运行检测模块
checkWindowAndImage();