大家应该都很熟悉
点击滑块然后移动到图片缺口进行验证
现在越来越多的网站使用这样的验证方式
为的是增加验证码识别的难度
那么
对于这种验证码
应该怎么破呢
接下来就是
打开 b 站的登录页面
https://passport.bilibili.com/login
image
可以看到登录的时候需要进行滑块验证
按下 F12
进入 Network
看下我们将滑块移到缺口松开之后做了什么提交
可以看到是一个 GET 请求
但是
这请求链接也太特么长了吧
我们来看看请求的参数是怎么样的
哇靠
gt？
challenge？
w？
这些都是什么鬼参数
还加密了
完全下不了手啊
既然以请求的方式不好弄
我们从它们的源代码入手
看看有什么突破口
回到 b 站的登录页
按下 F12
进入 Element
然后点击滑块出现了图片
定位一下
发现有两个 a 标签
一个 class 是 gt_bg gt_show
一个 class 是 gt_fullbg gt_show
和小帅b想的一样
这个验证码应该是有两张图片
一张是完全的背景图片
一张是缺口的图片
那把这两张图片下载下来对比一下不就行了
打开 a 标签一看
一张图片被切割成很多小块
原来这张图片是拼出来的
我们看看原始图片是怎么样的
什么乱七八糟的
再仔细看下源代码
原来是在同一张图片通过偏移量合成了一张完整的图片
background-position: -277px -58px;
看了一下缺口的图片也是如此
到这里
我们的第一个思路就是
下载这两张原始图片
然后通过偏移量合成两张真正的图片
背景图
image
缺口图
↓变身
那么怎么做呢？
因为我们还要模拟滑动滑块
所以呢
我们要用到 selenium
打开b站的登录页
然后等到那个滑块显示出来
# 获取滑块按钮
接下来我们就获取页面的源码
driver.page_source
然后使用 bs 获取两张原始背景图片的 url
bs = BeautifulSoup(driver.page_source,'lxml')
拿到了图片地址之后
将图片下载下来
# 将图片格式存为 jpg 格式
ok
我们已经把两张原始图片下载下来了
那么接下来就是要合成图片了
我们要根据图片的位置来合成
也就是源码中的 background-position
获取每一个小图片的位置
我们可以通过字典的形式来表示这些位置
然后将数据放到列表中
# 存放每个合成缺口背景图片的位置
那么
现在我们已经有了原始图片
还知道了每个位置应该显示原始图片的什么部分
接下来我们就写一个方法
用来合成图片
# 写入图片
那么问题又来了
怎么合成啊
我们再看看一开始分析的图片
这里图片被分割成的每一个小图片的尺寸是
10 * 58
所以我们也要将我们刚刚下载的原始图片切割成相应的尺寸大小
而且
这张图片是由上半部分的小图片和下半部分的小图片合成的
所以我们定义两个 list 来装这些小图片
# 存放上下部分的各个小块
然后将原始的图片切割好放进去
image = Image.open(image_file)
至此
我们这两个 list 就分别放好了各个切割的图片了
那么接下来就创建一张空白的图片
然后将小图片一张一张（间距为10）的粘贴到空白图片里
这样我们就可以得到一张合成好的图片了
# 创建一张大小一样的图片
那么到现在
我们可以得到网页上显示的那两张图片了
一张完全的图片
一张带缺口的图片
接下来我们就要通过对比这两张图
看看我们要滑动的距离是多远
# 合成图片
可以通过图片的 RGB 来计算
我们设定一个阈值
如果 r、g、b 大于这个阈值
我们就返回距离
def get_distance(bg_Image, fullbg_Image):
现在
我们知道了关键的滑动距离了
激动人心的时刻到了
我们使用 selenium
拿到滑块的元素
然后根据这个距离拖动到缺口位置不就好了么
马上打开 selenium 的文档
看到了这个函数
它可以使用左键点击元素
然后拖动到指定距离
最后释放鼠标左键
knob = WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))
运行一下试试看吧
妖怪吃了拼图了
看来直接拖拽是不行的
试着拖完滑块让它睡一下再释放
ActionChains(driver).click_and_hold(knob).perform()
发现拼图还是特么的被妖怪吃了
有个叫匀速直线运动的东西
什么 加速度
什么 v = v0 + at
什么 s = ½at²
什么鬼
回到正题
我们可以使用它来构造一个运动路径
该加速时加速
该减速的时候减速
这样的话就更像人类在滑动滑块了
这次
我们使用这个轨迹来滑动
knob = WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))
好了好了
我们再来运行一下吧
哈哈哈
成功识别了
当然了
成功率不是 100%
可以多调戏它几次
ok
以上就是识别滑动验证码的具体过程了
对于其它大部分的滑动验证码
也是可以使用这招搞定的
如果大家想找一个Python学习环境，可以加入我们的Python学习圈，自己是一名高级python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、人工智能、机器学习等。送给正在学习python的小伙伴！每天会准时的讲一些项目实战案例，分享一些学习的方法和需要注意的小细节，我们的python学习交流q–u--n【 784758214 】,这里是python学习者聚集地，欢迎初学和进阶中的小伙伴！
完整代码：
进口时间
导入请求
来自 PIL 导入图片
来自 selenium import webdriver
来自 selenium.webdriver 导入 ActionChains
从 selenium.webdriver.common.by 进口通过
来自 selenium.webdriver.support.ui 导入 WebDriverWait
从 selenium.webdriver.support 导入 expected_conditions 作为 EC
来自 bs4 进口 BeautifulSoup
进口重新
来自 io import BytesIO
driver = webdriver.Chrome（' / usr / lib / chromium-browser / chromedriver '）
WAIT = WebDriverWait（驱动程序，10）
url = ' https://passport.bilibili.com/login '
def mergy_Image（image_file，location_list）：
“””
将原始图片进行合成
：param image_file：图片文件
：param location_list：图片位置
：return：合成新的图片
“””
＃存放上下部分的各个小块
upper_half_list = []
down_half_list = []
image = Image.open（image_file）
＃通过y的位置来判断是上半部分还是下半部分，然后切割
在 location_list 中的位置：
如果 location [ ' y ' ] == - 58：
＃间距为10，Y：58-116
IM = image.crop（（ABS（位置[ ' X ' ]），58，ABS（位置[ ' X ' ]）+ 10，116））
upper_half_list.append（IM）
如果 location [ ' y ' ] == 0：
＃间距为10，Y：0-58
IM = image.crop（（ABS（位置[ ' X ' ]），0，ABS（位置[ ' X ' ]）+ 10，58））
down_half_list.append（IM）
＃创建一张大小一样的图片
new_image = Image.new（' RGB '，（260，116））
＃粘贴好上半部分y坐标是从上到下（0-116）
offset = 0
对于 IM 在 upper_half_list：
new_image.paste（im，（offset，0））
偏移+ = 10
＃粘贴好下半部分
offset = 0
对于 IM 在 down_half_list：
new_image.paste（im，（offset，58））
偏移+ = 10
返回 new_image
def get_distance（bg_Image，fullbg_Image）：
＃阈值
阈值= 200
print（bg_Image.size [ 0 ]）
print（bg_Image.size [ 1 ]）
对于我在 范围（60，bg_Image.size [ 0 ]）：
为 Ĵ 在 范围（bg_Image.size [ 1 ]）：
bg_pix = bg_Image.getpixel（（i，j））
fullbg_pix = fullbg_Image.getpixel（（i，j））
r = abs（bg_pix [ 0 ] - fullbg_pix [ 0 ]）
g = abs（bg_pix [ 1 ] - fullbg_pix [ 1 ]）
b = abs（bg_pix [ 2 ] - fullbg_pix [ 2 ]）
如果 r + g + b >阈值：
回来我
def get_path（距离）：
result = []
current = 0
中期=距离* 4 / 5
t = 0.2
v = 0
而当前<（距离- 10）：
如果当前< mid：
a = 2
否则：
a = - 3
v0 = v
v = v0 + a * t
s = v0 * t + 0.5 * a * t * t
当前+ = s
result.append（round（s））
返回结果
def start_drag（driver，distance）：
＃被妖怪吃掉了
＃旋钮= WAIT.until（EC.presence_of_element_located（（By.CSS_SELECTOR， “＃GC-箱> DIV> div.gt_slider> div.gt_slider_knob.gt_show”）））
＃ ActionChains（司机）.click_and_hold（旋钮）.perform（）
＃ ActionChains（驱动程序）.move_by_offset（X偏移=距离，Y偏移= 0.1）.perform（）
# time.sleep（0.5）
＃ ActionChains（司机）.release（旋钮）.perform（）
＃被妖怪吃掉了
＃ ActionChains（驱动程序）.drag_and_drop_by_offset（旋钮，距离10，0）.perform（）
knob = WAIT .until（EC .presence_of_element_located（（。CSS_SELECTOR，“＃gc-box> div> div.gt_slider> div.gt_slider_knob.gt_show ”）））
result = get_path（距离）
ActionChains（司机）.click_and_hold（旋钮）.perform（）
for x in result：
ActionChains（驱动程序）.move_by_offset（xoffset = x，yoffset = 0）.perform（）
time.sleep（0.5）
ActionChains（司机）.release（旋钮）.perform（）
高清 recognize_code（司机）：
“””
识别滑动验证码
：param driver：selenium驱动
：返回：
“””
bs = BeautifulSoup（driver.page_source，' lxml '）
＃找到背景图片和缺口图片的DIV
bg_div = bs.find_all（class_ = ' gt_cut_bg_slice '）
fullbg_div = bs.find_all（class_ = ' gt_cut_fullbg_slice '）
＃获取缺口背景图片网址
bg_url = re.findall（' background-image：\ surl \（“（。*？）”\）'，bg_div [ 0 ] .get（' style '））
＃获取背景图片的URL
fullbg_url = re.findall（' background-image：\ surl \（“（。*？）”\）'，fullbg_div [ 0 ] .get（' style '））
＃存放每个合成缺口背景图片的位置
bg_location_list = []
＃存放每个合成背景图片的位置
fullbg_location_list = []
为 BG 在 bg_div：
location = {}
location [ ' x ' ] = int（re.findall（' background-position：\ s（。*？）px \ s（。*？）px; '，bg.get（' style '））[ 0 ] [ 0 ]）
location [ ' y ' ] = int（re.findall（' background-position：\ s（。*？）px \ s（。*？）px; '，bg.get（' style '））[ 0 ] [ 1 ]）
bg_location_list.append（位置）
for fullbg in fullbg_div：
location = {}
location [ ' x ' ] = int（re.findall（' background-position：\ s（。*？）px \ s（。*？）px; '，fullbg.get（' style '））[ 0 ] [ 0 ]）
location [ ' y ' ] = int（re.findall（' background-position：\ s（。*？）px \ s（。*？）px; '，fullbg.get（' style '））[ 0 ] [ 1 ]）
fullbg_location_list.append（位置）
print（bg_location_list）
print（fullbg_location_list）
＃将图片格式存为jpg格式
bg_url = bg_url [ 0 ] .replace（' webp '，' jpg '）
fullbg_url = fullbg_url [ 0 ] .replace（' webp '，' jpg '）
＃打印（bg_url）
＃打印（fullbg_url）
＃下载图片
bg_image = requests.get（bg_url）.content
fullbg_image = requests.get（fullbg_url）.content
print（'完成图片下载'）
＃写入图片
bg_image_file = BytesIO（bg_image）
fullbg_image_file = BytesIO（fullbg_image）
＃合成图片
bg_Image = mergy_Image（bg_image_file，bg_location_list）
fullbg_Image = mergy_Image（fullbg_image_file，fullbg_location_list）
# bg_Image.show（）
# fullbg_Image.show（）
＃计算缺口偏移距离
distance = get_distance（bg_Image，fullbg_Image）
print（'得到 距离：％s '％ str（距离））
start_drag（司机，距离）
如果 __name__ == ' __main__ '：
＃获取滑块按钮
driver.get（URL）
slider = WAIT .until（EC .element_to_be_clickable（
（通过.CSS_SELECTOR，“＃gc-box> div> div.gt_slider> div.gt_slider_knob.gt_show ”）））
recognize_code（驱动器）
# driver.close（）
网友评论