python滑块验证码的破解实现
(编辑：jimmy 日期: 2024/11/12 浏览：2)
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：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。