滑动验证码破解，缺口验证码滑动，登录验证码破解，UI自动化，selenium验证码滑动，拼图验证码。

话不多说，直接上图上代码：

 

import base64
import os
from time import sleep
import requests
from selenium.webdriver import Chrome
from selenium.webdriver.common.action_chains import ActionChains

try:
    import cv2
except:
    os.system("pip install opencv-python")
    import cv2


"""
破解思路为：
1、先获取到背景图片和缺口图片，我这里是一张网络图片和一张base64的图片，请自行根据图片来源选择保存方式；
2、得到图片后，用cv2库，进行图片比对，自动找出最合适的位置，无需手动调整；
3、得到比对后的坐标后，拿到x轴的坐标，就是需要滑动的距离；
4、开始执行鼠标操作，按住元素，移动距离。完事。
5、如果验证码还有加速度验证等机制，给我留言或者自行找资料。
"""


b = Chrome()

# -------------------------------------------------------
# 打开的网址
# 网址隐藏下，防止你们干坏事。
url = "https://***********/register"

# 验证码背景图名称
code_background = "code_background.jpg"
# 验证码缺口图名称
code_gap = "code_gap.jpg"


# -------------------------------------------------------
b.implicitly_wait(20)
b.get(url)


def identify_gap(bg, tp):
    """ bg: 背景图片 tp: 缺口图片 out:输出图片 """
    # 读取背景图片和缺口图片
    bg_img = cv2.imread(bg)  # 背景图片
    tp_img = cv2.imread(tp)  # 缺口图片
    # 识别图片边缘
    bg_edge = cv2.Canny(bg_img, 100, 200)
    tp_edge = cv2.Canny(tp_img, 100, 200)
    # 转换图片格式
    bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
    tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
    # 缺口匹配
    res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)
    # 寻找最优匹配
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
    # 左上角点的坐标
    tl = max_loc

    return tl[0]


while 1:
    # 尝试删除历史图片
    try:
        os.remove(code_background)
        os.remove(code_gap)
    except:
        pass
    # 需要重新生成动作，否则会导致操作累计执行
    Action = ActionChains(b)
    while 1:
        try:
            sleep(0.2)
            # 下拉一下，方便滑动
            target = b.find_element_by_xpath('// a[text() = "《用户服务协议》"]')
            b.execute_script("arguments[0].scrollIntoView();", target)
            # 获取背景图url
            code_url = b.find_element_by_xpath('//div[@class="drag-section"]//img').get_attribute("src")
            # print(code_url)
            # 如果验证码没加载，则会获取到空的值，则跳过，再来一遍
            if len(code_url) > 5:
                # 保存图片
                img = requests.get(code_url)
                f = open(code_background, 'ab')
                f.write(img.content)
                f.close()
                # 保存缺口图片
                code2_base64 = b.find_element_by_xpath('//div[@class="drag-section"]/div/img[2]').get_attribute("src")

                with open(code_gap, 'wb') as f:
                    # 图片数据前部是“data:image/png;base64,iVBORSGJKGJDK”，需要去掉前面非图片数据部分
                    f.write(base64.b64decode(code2_base64[22:]))
                break
        except:
            pass
    # 开始计算缺口位置
    a = identify_gap(code_background, code_gap)
    print("缺口位置:", a)
    ele = b.find_element_by_xpath('//div[@class="drag-bar"]/div[2]')
    print("开始拖拽")
    Action.move_to_element(ele)
    # 拖拽位置+1是为了防止当识别出来的位置为0时，则不执行拖拽，则会卡在这里。亲测必须加上。
    Action.drag_and_drop_by_offset(ele, a+1, 0).perform()
    sleep(0.2)
    # 获取滑块在滑动后的位置，看下滑块有没有回去，没回去，则破解成功
    left = b.find_element_by_xpath('//div[@id="drag-btn"]').get_attribute('style')
    # print("---", left)
    # 判断下时候验证成功，你们断言可能不同，都是聪明人，自己修改下。
    if "not-allowed" in left:
        print("验证成功")
        break
    else:
        pass