python滑块验证码的破解实现

破解滑块验证码的思路主要有2种：

• 获得一张完整的背景图和一张有缺口的图片，两张图片进行像素上的一一对比，找出不一样的坐标。

• 获得一张有缺口的图片和需要验证的小图，两张图片进行二极化以及归一化，确定小图在图片中间的坐标。

• 之后就要使用初中物理知识了，使用直线加速度模仿人手动操作

本次就使用第2种，第一种比较简单。废话不多说，直接上代码：

以下均利用无头浏览器进行获取

获得滑块验证的小图片

def get_image1(self,driver):
 """
 获取滑块验证缺口小图片
 :param driver:chrome对象
 :return:缺口小图片
 """
 canvas = driver.find_element_by_xpath("//div[@id='xy_img']").get_attribute("style")
 image_data=re.findall("data:image/jpg;base64,(.*?)\"\)",canvas)[0]
 # print(image_data)
 binary_image_data=base64.b64decode(image_data,'-_')
 file_like=BytesIO(binary_image_data)
 image=Image.open(file_like)
 return image

一般来说，这张小图片都是独立的，比较好获取，图片如下：

获得滑块验证的背景图片

！！！这个背景图片网页一般会返回乱序的图片，然后通过js对图片进行重新排序，要破解需要的时间较多，且每个js排序算法不一样，不具有复用性。这里就取了个巧，直接对当前浏览器截屏，然后在截取指定范围图片。

def get_image2(self,driver):
 """
 获取滑块验证码背景图片
 :param driver:chrome对象
 :return:背景图片
  """
 driver.save_screenshot('yanzhengma.png')
 # 通过图片元素节点获取坐标值
 # element = driver.find_element_by_id("bgImg")
 # left = element.location['x']
 # top = element.location['y']
 # right = element.location['x'] + element.size['width']
 # bottom = element.location['y'] + element.size['height']
 # 通过画图软件直接获取相应图片的坐标值
 left=359
 top=238
 right=658
 bottom=437
 # print((left, top, right, bottom))
 im = Image.open('yanzhengma.png')
 im = im.crop((left, top, right, bottom))
 return im

图片如下：

轨迹计算方法

def get_track(self, distance):
 """
 根据偏移量获取移动轨迹
 :param distance:偏移量
 :return:移动轨迹
 """
 # 移动轨迹
 track = []
 # 当前位移
 current = 0
 # 减速阈值
 mid = distance * 4 / 5
 # 计算间隔
 t = 0.2
 # 初速度
 v = 0

while current < distance:
   if current < mid:
     # 加速度为正2
     a = 2
   else:
     # 加速度为负3
     a = -3
   # 初速度v0
   v0 = v
   # 当前速度v = v0 + at
   v = v0 + a * t
   # 移动距离x = v0t + 1/2 * a * t^2
   move = v0 * t + 1 / 2 * a * t * t
   # 当前位移
   current += move
   # 加入轨迹
   track.append(round(move))
 return track

验证主程序

def slider_verification_code(self,driver,cnt):
 """
 破解滑块验证主程序
 :param driver:chrome对象；cnt：已验证次数
 :return:已验证次数
 """
 print("出现滑块验证，验证中")
 # 1、出现滑块验证，获取验证小图片
 picture1 = self.get_image1(driver)
 picture1.save("./picture1.png")
 # 2、获取有缺口验证图片
 picture2 = self.get_image2(driver)
 picture2.save("./picture2.png")
 #二值化图片,进行对比，输出匹配的坐标系
 target_rgb=cv2.imread("./picture2.png")
 target_gray=cv2.cvtColor(target_rgb,cv2.COLOR_BGR2GRAY)
 template_rgb=cv2.imread("./picture1.png",0)
 res=cv2.matchTemplate(target_gray,template_rgb,cv2.TM_CCOEFF_NORMED)
 value=cv2.minMaxLoc(res)
 value = value[3][0]
 cnt += 1
 print("需要位移的距离为："+str(value)+",已验证"+str(cnt)+"次")
 #根据距离获取位移的轨迹路线
 track=self.get_track(value)
 time.sleep(1)
 ActionChains(driver).click_and_hold(driver.find_element_by_class_name("handler.handler_bg")).perform()
 for x in track:
   ActionChains(driver).move_by_offset(xoffset=x, yoffset=0).perform()
 time.sleep(0.5)
 ActionChains(driver).release().perform()
 return cnt

看！有 飞 机：

来源：https://segmentfault.com/a/1190000020955506