利用Python模拟登录B站并破解滑动验证码。

1.验证码节点

B站验证码只要鼠标悬浮滑块就会出现, 当验证码出现后定位节点即可。过程比较繁琐，直接贴出来：

img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'gt_box')))

2.获取坐标值

获取的坐标值分别是左上角和右下角, 而前端页面的坐标原点在屏幕左上角并且元素节点一般都是相对位置，所以坐标值部分需要好好理解。比如B站登录界面包含"登录"的div节点其父节点是id=" login-app"的div,如图：

3.缺口偏移量

通过遍历图片的每个坐标点获取两张图片对应像素点的RGB，如果RGB差距在阈值范围内就认为相同，继续比对下一像素点。如果超过阈值，则说明像素点不同，当前位置 即为缺口位置。

'''
想要学习Python？Python学习交流群：984632579满足你的需求，资料都已经上传群文件，可以自行下载！
'''
    def get_gap(self, image1, image2):
        """
        获取缺口偏移量
        :param image1: 不带缺口的图片
        :param image2: 带缺口的图片
        :return: None
        """
        left = 60
        # 遍历两张图片的每个像素并判断同一位置像素是否相同,不相同的像素点即缺口位置
        for i in range(left, image1.size[0]):
            for j in range(image1.size[1]):
                if not self.is_pixel_equal(image1, image2, i, j):
                    left = i
                    return left
        return left

    def is_pixel_equal(self, image1, image2, x, y):
        """
        判断像素是否相同
        :param image1: 极验原图
        :param image2: 缺口图片
        :param x: 位置X
        :param y: 位置Y
        :return: 像素是否相同
        """
        # 取两个图片的像素点
        pixel1 = image1.load()[x, y]
        pixel2 = image2.load()[x, y]
        # 阈值60
        threshold = 60
        # 比较RGB的绝对值是否小于阈值60,如果在阈值内则相同,反之不同
        if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(pixel1[2] - pixel2[2]) < threshold:
            return True
        else:
            return False

4.模拟拖动

模拟拖动滑块继承崔大模拟人类行为轨迹的"前段匀加速后段匀减速"。

5.点按滑块呼出验证码

点按滑块后, 两到三秒后验证码会自动隐藏, 所以不要添加延时，直接获取。

完整代码

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver import ActionChains
from utils.config import *
from time import sleep
from PIL import Image
from io import BytesIO
'''
想要学习Python？Python学习交流群：984632579满足你的需求，资料都已经上传群文件，可以自行下载！
'''
class Crack_bb(object):
    def __init__(self):
        """
        初始化
        """
        self.url = URL
        self.browser = webdriver.Chrome()
        self.wait = WebDriverWait(self.browser, 15)
        # 邮箱、密码
        self.email = EMAIL
        self.password = PASSWORD

    def __del__(self):
        """
        gc机制关闭浏览器
        """
        self.browser.close()

    def open(self):
        """
        打开B站登录界面输入邮箱和密码
        :return: None
        """
        # 访问B站登录界面
        self.browser.get(self.url)
        # 邮箱
        username = self.wait.until(EC.presence_of_element_located((By.ID, 'login-username')))
        # 密码
        passwd = self.wait.until(EC.presence_of_element_located((By.ID, 'login-passwd')))
        # 输入账号
        username.clear()
        username.send_keys(self.email)
        sleep(3)
        # 输入密码
        passwd.clear()
        passwd.send_keys(self.password)
        sleep(3)

    def get_slider(self):
        """
        获取滑块
        :return: 滑块对象
        """
        slider = self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[contains(@class,"gt_slider_knob")]')))
        return slider

    def get_code_position(self):
        """
        获取验证码位置
        :return: 验证码位置列表
        """
        # B站滑动验证码原图由多个切片组成
        img = self.wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'gt_box')))
        sleep(1)
        # 获取验证码在网页中的相对位置
        location = img.location
        # 获取节点宽高
        size = img.size
        # img坐标值
        top, bottom, left, right = location['y'], location['y'] + size['height'], location['x'], location['x'] + size['width']
        # 验证码左上角和右下角坐标
        return [left, top, right, bottom]

    def get_geetest_image(self, name='demo.png'):
        """
        获取验证码图片
        :return: 图片对象
        """
        # 获取坐标值
        left, top, right, bottom = self.get_code_position()
        print('验证码位置：({}, {}), ({}, {})'.format(left, top, right, bottom))
        # 获取网页截图
        screenshot = self.get_screenshot()
        # 裁剪验证码图片
        captcha = screenshot.crop((left, top, right, bottom))
        # 存储
        captcha.save(name)
        return captcha

    def get_screenshot(self):
        """
        获取网页截图
        :return: 截图对象
        """
        screenshot = self.browser.get_screenshot_as_png()
        screenshot = Image.open(BytesIO(screenshot))
        return screenshot

    def get_gap(self, image1, image2):
        """
        获取缺口偏移量
        :param image1: 不带缺口的图片
        :param image2: 带缺口的图片
        :return: None
        """
        left = 60
        # 遍历两张图片的每个像素并判断同一位置像素是否相同,不相同的像素点即缺口位置
        for i in range(left, image1.size[0]):
            for j in range(image1.size[1]):
                if not self.is_pixel_equal(image1, image2, i, j):
                    left = i
                    return left
        return left

    def is_pixel_equal(self, image1, image2, x, y):
        """
        判断像素是否相同
        :param image1: 极验原图
        :param image2: 缺口图片
        :param x: 位置X
        :param y: 位置Y
        :return: 像素是否相同
        """
        # 取两个图片的像素点
        pixel1 = image1.load()[x, y]
        pixel2 = image2.load()[x, y]
        # 阈值60
        threshold = 60
        # 比较RGB的绝对值是否小于阈值60,如果在阈值内则相同,反之不同
        if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(pixel1[2] - pixel2[2]) < threshold:
            return True
        else:
            return False

    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

    def move_to_gap(self, slider, tracks):
        """
        拖动滑块到缺口位置
        :param slider: 滑块
        :param tracks: 轨迹
        :return: None
        """
        # 按住鼠标准备拖动
        ActionChains(self.browser).click_and_hold(slider).perform()
        # 拖动滑块
        for x in tracks:
            ActionChains(self.browser).move_by_offset(xoffset=x, yoffset=0).perform()
        sleep(0.5)
        # 释放滑块
        ActionChains(self.browser).release().perform()

    def crack_login(self):
        """
        登录
        :return: None
        """
        # 打开B站登录界面,输入用户名密码
        self.open()
        # 鼠标悬停滑块(自动显示极验原图)
        slider = self.get_slider()
        ActionChains(self.browser).move_to_element(slider).perform()
        # 获取不带缺口的验证码图片
        image1 = self.get_geetest_image('captcha1.png')
        # 点按呼出缺口
        slider.click()
        sleep(2)
        # 获取带缺口的验证码图片
        image2 = self.get_geetest_image('captcha2.png')
        # 获取缺口位置
        gap = self.get_gap(image1, image2)
        print('缺口位置：', gap)
        # 减去缺口位移
        gap -= BORDER
        # 获取移动轨迹
        track = self.get_track(gap)
        print('滑动轨迹：', track)
        # 拖动滑块
        self.move_to_gap(slider, track)
        # 延迟5秒,等待登录成功后的主页节点完全加载
        sleep(5)

        success = self.wait.until(
            EC.text_to_be_present_in_element((By.CLASS_NAME, 't'), '验证成功'))
        print(success)

        # 失败重试
        if not success:
            self.crack_login()

if __name__ == '__main__':
    crack = Crack_bb()
    crack.crack_login()

正常情况下的破解率应该在50%以上, 主要看服务器怎么判定边界(像素差)。