破解滑块验证码的思路主要有2种:
- 一张完整的背景图和一张有缺口的图片的场景,解决思路:两张图片同一个坐标位置进行像素上的一一对比,找出不一样的坐标。
- 一张有缺口的图片和需要验证的小图,解决思路:1.两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。这种办法我没有验证通过,可以参考这里。2.通过opencv获得缺口位置
- 之后就要使用初中物理知识了,使用先加速后减速模仿人手动拖动
通过opencv获得图片的缺口位置
#coding=utf-8
import cv2
import numpy as np
from PIL import Image
def get_element_slide_distance():
otemp = 'captcha2.png'
oblk = 'captcha1.png'
target = cv2.imread(otemp, 0) # 读取进行色度图片,转换为numpy中的数组类型数据
template = cv2.imread(oblk, 0)
width, height = target.shape[::-1] # 获取缺口图数组的形状 -->缺口图的宽和高
temp = 'temp.jpg' # 将处理之后的图片另存
targ = 'targ.jpg'
cv2.imwrite(temp, template)
cv2.imwrite(targ, target)
target = cv2.imread(targ) # 读取另存的滑块图
target = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY) # 进行色彩转换
# 去除白色部分 获取滑块正常大小
target = target[target.any(1)]
target = abs(255 - target) # 获取色差的绝对值
cv2.imwrite(targ, target) # 保存图片
target = cv2.imread(targ) # 读取滑块
template = cv2.imread(temp) # 读取背景图
result = cv2.matchTemplate(target, template, cv2.TM_CCOEFF_NORMED) # 比较两张图的重叠区域
top, left = np.unravel_index(result.argmax(), result.shape) # 获取图片的缺口位置
#缺口位置
print((left, top, left + width, top + height)) # 背景图中的图片缺口坐标位置
#调用PIL Image 做测试
image = Image.open("captcha1.png")
rectangle = (left + 3, top + 3, left + width - 3, top + height - 3) #去掉白色块的影响(上面去掉白色部分的功能并没有真的起作用)
#切割
imagecrop = image.crop(rectangle)
#保存切割的缺口
imagecrop.save("new_image.jpg")
return left+3
distance = get_element_slide_distance()
# 滑动距离误差校正,滑动距离*图片在网页上显示的缩放比-滑块相对的初始位置
distance = distance*(280/680) - 22
拖动轨迹
def generate_tracks1(XCoordinates):
element = browser.find_element_by_xpath("//div[@class='secsdk-captcha-drag-icon sc-jKJlTe fsBatO']")
ActionChains(browser).click_and_hold(on_element = element).perform()
#
# ActionChains(browser).move_by_offset(xoffset=0, yoffset=y - 445).perform()
#
# time.sleep(0.15)
# print("第二步,拖动元素")
distance = XCoordinates - 60
# 初速度
v = 0
# 单位时间为0.2s来统计轨迹,轨迹即0.2内的位移,越低看起来越丝滑!!
t = 0.08
# 位移/轨迹列表,列表内的一个元素代表0.2s的位移
tracks = []
# 当前的位移
current = 0
# 到达mid值开始减速
mid = distance * 5 / 8
distance += 10 # 先滑过一点,最后再反着滑动回来
# a = random.randint(1,3)
while current < distance:
if current < mid:
# 加速度越小,单位时间的位移越小,模拟的轨迹就越多越详细
a = random.randint(100, 200) # 加速运动
else:
a = -random.randint(2, 10) # 减速运动
# 初速度
v0 = v
# 0.2秒时间内的位移
s = v0 * t + 0.5 * a * (t ** 2)
# 当前的位置
current += s
# 添加到轨迹列表
tracks.append(round(s))
# 速度已经达到v,该速度作为下次的初速度
v = v0 + a * t
if current > distance:
break
# 反着滑动到大概准确位置
# for i in range(4):
# tracks.append(-random.randint(1, 3))
# for i in range(4):
# tracks.append(-random.randint(1,3))
random.shuffle(tracks)
count = 0
for item in tracks:
print(item)
count += item
ActionChains(browser).move_by_offset(xoffset = item, yoffset = random.randint(-2, 2)).perform()
# ActionChains(browser).move_to_element_with_offset(to_element=element, xoffset=XCoordinates-18,yoffset=y - 445).perform()
# time.sleep(2)
# # 释放鼠标
print(count)
ActionChains(browser).release(on_element = element).perform()