python+selenium+opencv验证滑块

我们在使用selenium爬虫的时候在登录时经常会遇到滑块验证码问题，导致登录受阻，正所谓万事开头难。

登录就登录不进去更别提往后的操作的。今天以登录京东后台来演示下如何破解滑块。

一.登录

首先我们先进入XXXX后台登录页面，输入用户名和密码进入滑块页面

import time

from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()

driver.implicitly_wait(10)  # 设置隐形等待
driver.maximize_window()
driver.get("https://passport.xxxx.com/new/login？")
driver.find_element(by=By.XPATH, value="//a[contains(text(),'账户登录')]").click()
driver.find_element(by=By.ID, value="loginname").send_keys("1935762273")
driver.find_element(by=By.ID, value="nloginpwd").send_keys("13833979764")
driver.find_element(by=By.ID, value="loginsubmit").click()
time.sleep(2)

二.获取缺口图和滑块保存到本地

1)首先获取滑块图

我们可以发现滑块图是用base64加密过的，因此在获取img_url时需要base64解密才能将图片保存到本地

img_list = driver.find_elements(by=By.TAG_NAME, value="img")
hk_img = img_list[4].get_attribute("src")  # 获取定位滑块的src
hk_img = hk_img[22:]  # 截取所需要的url
with open("./img/hk.png", mode="wb") as f:
    f.write(base64.b64decode(hk_img))  # base64解密后保存到本地img下

2)获取缺口图

缺口图的获取和滑块方法是一样的，这里直接贴代码了。

qk_img = img_list[3].get_attribute("src")  # 获取定位缺口的src
qk_img = qk_img[22:]  # 截取所需要的url
with open("./img/qk.png", mode="wb") as f:
    f.write(base64.b64decode(qk_img))  # base64解密后保存到本地img下
driver.quit()

三.opencv处理

将缺口图和滑块图保存到本地后工作量就已经完成一半了，离胜利还有半步之遥，接下来就是用opencv处

理图片计算出偏移量

1）安装opencv

pip install opencv-python

2）opencv处理图片计算偏移量

灰度化处理滑块/缺口图，这一步骤需要导包 ：import cv2.cv2 as cv2

hk_img_01 = cv2.imread("./img/hk.png", 0)  # 灰度化
qk_img_01 = cv2.imread("./img/qk.png", 0)

获取滑块在缺口图中匹配的位置

late = cv2.matchTemplate(qk_img_01, hk_img_01, cv2.TM_CCOEFF_NORMED)

计算偏移量

loc = cv2.minMaxLoc(late)

我们打印loc可以发现最终给出来的值是四个，我们直接取最大的那个即可(71)

我们得到的71这个数字其实还不是最终的偏移量，还需要获取到滑块图Rendered size和Intrinsic size

拿获取的loc*Rendered/Intrinsic得到的才是最后要偏移的距离

y = int(loc[2][0] * 39 / 50)

四.模拟鼠标事件拖拽滑块

这一步超级简单，就直接copy代码了

action = ActionChains(driver)
action.click_and_hold(img_list[4])
action.move_by_offset(x, 0)
action.release().perform()

这里需要注意的是万事都不是绝对的，计算偏移量也是一样，不能达到100%成功，但也有个七八十，所以

模拟鼠标拖拽时加个while循环即可，这里就不做过多演示了。

五.破解反爬机制

当你执行到第四步的时候你会发现有时即使滑块和缺口对应上了，但还是会提示验证失败，这是因为京东代码含反

爬机制，检验出你使用的是selenium，所以给你干掉了。下面就来介绍下小编的反反爬之苦逼之路。

1）改变请求头设置无痕模式

当遇到上面的情况后第一时间想到的就是改变请求头，设置无痕模式，于是抱着试试的心态我写了如下代码。

option = webdriver.ChromeOptions()

option.add_argument("--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) "
                    "Chrome/104.0.0.0 Safari/537.36")
option.add_experimental_option("excludeSwitches", ["enable-automation"])
driver = webdriver.Chrome(options=option)

结果可想而知，苍天助error不助succeed。

2）模拟手动拖拽轨迹

一条路走不通那么就走第二条，在尝试多次后可以发现，selenium打开页面到验证滑块的时，这个时候手动去拖拽

滑块，最后可以拼接成功，那么就有一种可能，反爬机制不是一开始就检测出来的，而是在模拟鼠标拖拽时检测出

来的。那么我们只需要模拟手动推拽轨迹使其更像人为操作即可。下面是封装好的方法（网上copy的，如有侵权，

请告知删除）

def get_track(distance):
    # 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 = 1
    while current < distance:
        if current < mid:
            # 加速度为2
            a = 4
        else:
            # 加速度为-2
            a = -3
        v0 = v
        # 当前速度
        v = v0 + a * t
        # 移动距离
        move = v0 * t + 1 / 2 * a * t * t
        # 当前位移
        current += move
        # 加入轨迹
        track.append(round(move))
    return track

这个方法如果高中物理学的不好的人就不要了解了，直接拿来用即可。下面贴下最后代码

action = ActionChains(driver)
    tracks = get_track(x)
    action.click_and_hold(img_list[4]).perform()
    for i in tracks:
        action.move_by_offset(i, 0).perform()
    action.move_by_offset(3, 0).perform()
    action.move_by_offset(-3, 0).perform()
    action.release().perform()
    time.sleep(3)

3）修改window.navigator.webdrive

正常来说第二种方法就可以跳过检测验证成功，那么在了解一种也不错呢，正所谓艺多不压身。

我们在手动进入登录页面时window.navigator.webdrive是为undefined的。但用selenium打开登录

页面时window.navigator.webdrive的值为true，所以在进入页面时我们需要修改该值，最简单的方法

加入一行代码即可。

option.add_argument("--disable-blink-features=AutomationControlled")

4）禁用Chrome浏览器的自动化扩展

option.add_experimental_option('useAutomationExtension', False)

六.验证结果

很抱歉的说句未能成功，原因是什么呢，其实通过模拟手动拖拽轨迹是可以验证成功的，这个亲测有效，

但不知为何xxxx网站又做了什么骚操作，目前无法验证成功，这个会后续研究，有好的方法再更新。

七.源码

import time

from selenium import webdriver
from selenium.webdriver.common.by import By
import base64
import cv2.cv2 as cv2
from selenium.webdriver import ActionChains

option = webdriver.ChromeOptions()
# option.add_argument("--user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) "
#                     "Chrome/104.0.0.0 Safari/537.36")
# option.add_experimental_option("excludeSwitches", ["enable-automation"])
# option.add_argument("--disable-blink-features=AutomationControlled")

option.add_experimental_option('useAutomationExtension', False)

driver = webdriver.Chrome(options=option)

driver.implicitly_wait(10)  # 设置隐形等待
driver.maximize_window()
driver.get("https://passport.xxxx.com/new/login?")
driver.find_element(by=By.XPATH, value="//a[contains(text(),'账户登录')]").click()
driver.find_element(by=By.ID, value="loginname").send_keys("15161581519")
driver.find_element(by=By.ID, value="nloginpwd").send_keys("13633979764")
driver.find_element(by=By.ID, value="loginsubmit").click()
time.sleep(2)

def get_track(distance):
    # 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 = 1
    while current < distance:
        if current < mid:
            # 加速度为2
            a = 4
        else:
            # 加速度为-2
            a = -3
        v0 = v
        # 当前速度
        v = v0 + a * t
        # 移动距离
        move = v0 * t + 1 / 2 * a * t * t
        # 当前位移
        current += move
        # 加入轨迹
        track.append(round(move))
    return track

while True:
    img_list = driver.find_elements(by=By.TAG_NAME, value="img")
    hk_img = img_list[4].get_attribute("src")  # 获取定位滑块的src
    hk_img = hk_img[22:]  # 截取所需要的url
    with open("./img/hk.png", mode="wb") as f:
        f.write(base64.b64decode(hk_img))  # base64解密后保存到本地img下

    qk_img = img_list[3].get_attribute("src")  # 获取定位缺口的src
    qk_img = qk_img[22:]  # 截取所需要的url
    with open("./img/qk.png", mode="wb") as f:
        f.write(base64.b64decode(qk_img))  # base64解密后保存到本地img下

    hk_img_01 = cv2.imread("./img/hk.png", 0)  # 灰度化
    qk_img_01 = cv2.imread("./img/qk.png", 0)
    late = cv2.matchTemplate(qk_img_01, hk_img_01, cv2.TM_CCOEFF_NORMED)  # 获取滑块在缺口图的位置
    loc = cv2.minMaxLoc(late)  # 获取位置
    x = int(loc[2][0] * 39 / 50)
    print(x)
    action = ActionChains(driver)
    tracks = get_track(x)
    action.click_and_hold(img_list[4]).perform()
    for i in tracks:
        action.move_by_offset(i, 0).perform()
    action.move_by_offset(3, 0).perform()
    action.move_by_offset(-3, 0).perform()
    action.release().perform()
    time.sleep(3)

文章来源：https://www.cnblogs.com/lihongtaoya/ ，请勿转载
部分参考：https://blog.csdn.net/m0_59874815/article/details/121195481