使用java + selenium + OpenCV破解腾讯防水墙滑动验证码

最新推荐文章于 2024-06-09 11:59:34 发布
置顶 最新推荐文章于 2024-06-09 11:59:34 发布
阅读量10w+ 收藏 197
点赞数 33
分类专栏： 人机验证 文章标签： opencv 腾讯 经验分享 安全
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_49701447/article/details/109449010
版权

使用java + selenium + OpenCV破解腾讯防水墙滑动验证码

腾讯防水墙：007.qq.com
戳这里→康康你手机号在过多少网站注册过！！！
友情推荐：新一代安全短信

* 验证码地址：https://007.qq.com/online.html
* 使用OpenCv模板匹配
* 成功率90%左右
* Java + Selenium + OpenCV

产品样例
腾讯防水墙
来吧！展示！

结果展示
注意！！！
· 在模拟滑动时不能按照相同速度或者过快的速度滑动，需要向人滑动时一样先快后慢，这样才不容易被识别。
模拟滑动代码↓↓↓

/**
	 * 模拟人工移动
	 * @param driver
	 * @param element页面滑块
	 * @param distance需要移动距离
	 */
	public static void move(WebDriver driver, WebElement element, int distance) throws InterruptedException {
		int randomTime = 0;
		if (distance > 90) {
			randomTime = 250;
		} else if (distance > 80 && distance <= 90) {
			randomTime = 150;
		}
		List<Integer> track = getMoveTrack(distance - 2);
		int moveY = 1;
		try {
			Actions actions = new Actions(driver);
			actions.clickAndHold(element).perform();
			Thread.sleep(200);
			for (int i = 0; i < track.size(); i++) {
				actions.moveByOffset(track.get(i), moveY).perform();
				Thread.sleep(new Random().nextInt(300) + randomTime);
			}
			Thread.sleep(200);
			actions.release(element).perform();
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
	/**
	 * 根据距离获取滑动轨迹
	 * @param distance需要移动的距离
	 * @return
	 */
	public static List<Integer> getMoveTrack(int distance) {
		List<Integer> track = new ArrayList<>();// 移动轨迹
		Random random = new Random();
		int current = 0;// 已经移动的距离
		int mid = (int) distance * 4 / 5;// 减速阈值
		int a = 0;
		int move = 0;// 每次循环移动的距离
		while (true) {
			a = random.nextInt(10);
			if (current <= mid) {
				move += a;// 不断加速
			} else {
				move -= a;
			}
			if ((current + move) < distance) {
				track.add(move);
			} else {
				track.add(distance - current);
				break;
			}
			current += move;
		}
		return track;
	}

看操作，no bb，直接上代码

private final String INDEX_URL = "https://007.qq.com/online.html?ADTAG=index.head";
private void seleniumTest() {
		ChromeDriverManager manager = ChromeDriverManager.getInstance();
		int status = -1;
		try {
			WebDriver driver = manager.getDriver();
			driver.get(INDEX_URL);
			driver.manage().window().maximize(); // 设置浏览器窗口最大化
			Thread.sleep(10000);
			driver.findElement(By.className("wp-onb-tit")).findElements(By.tagName("a")).get(1).click();
			Thread.sleep(500);
			// 点击出现滑动图
			waitWebElement(driver, By.id("code"), 500).click();
			Thread.sleep(100);
			// 获取到验证区域
			driver.switchTo().frame(waitWebElement(driver, By.id("tcaptcha_iframe"), 500));
			Thread.sleep(100);
			// 获取滑动按钮
			WebElement moveElemet = waitWebElement(driver, By.id("tcaptcha_drag_button"), 500);
			Thread.sleep(100);
			// 获取带阴影的背景图
			String bgUrl = waitWebElement(driver, By.id("slideBg"), 500).getAttribute("src");
			Thread.sleep(100);
			// 获取带阴影的小图
			String sUrl = waitWebElement(driver, By.id("slideBlock"), 500).getAttribute("src");
			Thread.sleep(100);
			// 获取高度
			String topStr = waitWebElement(driver, By.id("slideBlock"), 500).getAttribute("style").substring(32, 36);
			int top = Integer.parseInt(topStr.substring(0, topStr.indexOf("p"))) * 2;
			Thread.sleep(100);
			// 计算移动距离
			int distance = (int) Double.parseDouble(getTencentDistance(bgUrl, sUrl, top));
			// 滑动
			move(driver, moveElemet, distance);
			Thread.sleep(5000);

		} catch (Exception e) {
			e.printStackTrace();
		} finally {
			manager.closeDriver(status);
		}
	}

	/**
	 * 获取腾讯验证滑动距离
	 * 
	 * @return
	 */
	public static String dllPath = "C://chrome//opencv_java440.dll";

	public String getTencentDistance(String bUrl, String sUrl, int top) {
		System.load(dllPath);
		File bFile = new File("C:/qq_b.jpg");
		File sFile = new File("C:/qq_s.jpg");
		try {
			FileUtils.copyURLToFile(new URL(bUrl), bFile);
			FileUtils.copyURLToFile(new URL(sUrl), sFile);
			BufferedImage bgBI = ImageIO.read(bFile);
			BufferedImage sBI = ImageIO.read(sFile);
			// 裁剪
			bgBI = bgBI.getSubimage(360, top, bgBI.getWidth() - 370, sBI.getHeight());
			ImageIO.write(bgBI, "png", bFile);
			Mat s_mat = Imgcodecs.imread(sFile.getPath());
			Mat b_mat = Imgcodecs.imread(bFile.getPath());
			// 转灰度图像
			Mat s_newMat = new Mat();
			Imgproc.cvtColor(s_mat, s_newMat, Imgproc.COLOR_BGR2GRAY);
			// 二值化图像
			binaryzation(s_newMat);
			Imgcodecs.imwrite(sFile.getPath(), s_newMat);

			int result_rows = b_mat.rows() - s_mat.rows() + 1;
			int result_cols = b_mat.cols() - s_mat.cols() + 1;
			Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);
			Imgproc.matchTemplate(b_mat, s_mat, g_result, Imgproc.TM_SQDIFF); // 归一化平方差匹配法
			// 归一化相关匹配法
			Core.normalize(g_result, g_result, 0, 1, Core.NORM_MINMAX, -1, new Mat());
			Point matchLocation = new Point();
			MinMaxLocResult mmlr = Core.minMaxLoc(g_result);
			matchLocation = mmlr.maxLoc; // 此处使用maxLoc还是minLoc取决于使用的匹配算法
			Imgproc.rectangle(b_mat, matchLocation,
					new Point(matchLocation.x + s_mat.cols(), matchLocation.y + s_mat.rows()), new Scalar(0, 0, 0, 0));
			return "" + ((matchLocation.x + s_mat.cols() + 360 - sBI.getWidth() - 46) / 2);
		} catch (Throwable e) {
			e.printStackTrace();
			return null;
		} finally {
			bFile.delete();
			sFile.delete();
		}
	}
/**
	 * 
	 * @param mat
	 *            二值化图像
	 */
	public static void binaryzation(Mat mat) {
		int BLACK = 0;
		int WHITE = 255;
		int ucThre = 0, ucThre_new = 127;
		int nBack_count, nData_count;
		int nBack_sum, nData_sum;
		int nValue;
		int i, j;
		int width = mat.width(), height = mat.height();
		// 寻找最佳的阙值
		while (ucThre != ucThre_new) {
			nBack_sum = nData_sum = 0;
			nBack_count = nData_count = 0;

			for (j = 0; j < height; ++j) {
				for (i = 0; i < width; i++) {
					nValue = (int) mat.get(j, i)[0];

					if (nValue > ucThre_new) {
						nBack_sum += nValue;
						nBack_count++;
					} else {
						nData_sum += nValue;
						nData_count++;
					}
				}
			}
			nBack_sum = nBack_sum / nBack_count;
			nData_sum = nData_sum / nData_count;
			ucThre = ucThre_new;
			ucThre_new = (nBack_sum + nData_sum) / 2;
		}
		// 二值化处理
		int nBlack = 0;
		int nWhite = 0;
		for (j = 0; j < height; ++j) {
			for (i = 0; i < width; ++i) {
				nValue = (int) mat.get(j, i)[0];
				if (nValue > ucThre_new) {
					mat.put(j, i, WHITE);
					nWhite++;
				} else {
					mat.put(j, i, BLACK);
					nBlack++;
				}
			}
		}
		// 确保白底黑字
		if (nBlack > nWhite) {
			for (j = 0; j < height; ++j) {
				for (i = 0; i < width; ++i) {
					nValue = (int) (mat.get(j, i)[0]);
					if (nValue == 0) {
						mat.put(j, i, WHITE);
					} else {
						mat.put(j, i, BLACK);
					}
				}
			}
		}
	}
	// 延时加载
	private static WebElement waitWebElement(WebDriver driver, By by, int count) throws Exception {
		WebElement webElement = null;
		boolean isWait = false;
		for (int k = 0; k < count; k++) {
			try {
				webElement = driver.findElement(by);
				if (isWait)
					System.out.println(" ok!");
				return webElement;
			} catch (org.openqa.selenium.NoSuchElementException ex) {
				isWait = true;
				if (k == 0)
					System.out.print("waitWebElement(" + by.toString() + ")");
				else
					System.out.print(".");
				Thread.sleep(50);
			}
		}
		if (isWait)
			System.out.println(" outTime!");
		return null;
	}

代码仅供学习交流，请勿商用，后果自负！！

戳这里→康康你手机号在过多少网站注册过！！！
友情推荐：新一代安全短信

猜你喜欢：
《腾讯防水墙滑动拼图验证码》
《百度旋转图片验证码》
《网易易盾滑动拼图验证码》
《顶象区域面积点选验证码》
《顶象滑动拼图验证码》
《极验滑动拼图验证码》
《使用深度学习来破解 captcha 验证码》

香芋味的猫
关注
  • 33
    点赞
  • 踩
  • 197
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 43
    评论
专栏目录
【2022-06-22】某盾滑块验证码-selenium自动化
不愿意透露姓名的网友
02-24 886
得到横纵坐标位置后，我们该验证码只需要移动横坐标，但是在OpenCV中我们横向移动相当于OpenCV的纵向移动，因此我们首先去寻找滑动块的标签，然后由上述算法得到x，y,将横线移动y的距离。看到上图图片，发现原图比例和现在的图比例不同，即网页中按比例缩小了图片，但是此图比例太小，略微不计，也可以通过，但是不是一定通过，可能存在误差。灰度处理完后会发现，滑块图多出一些黑色，因为下载过程中就有了多余的块，灰度后会变为黑色，因此我们将亮的块保留，黑色部分切除。使用算法，对滑块和背景图进行匹配。
selenium+java破解极验滑动验证码的示例代码
08-28
本篇文章主要介绍了selenium+java破解极验滑动验证码的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
selenium-java自动化教程
最新发布
Lifelong learning
06-09 1291
Selenium是一个自动化测试工具，可以模拟用户操作web端浏览器的行为，包括点击、输入、选择等。也可以获取交互界面上的指定元素的内的数据，也就是爬虫。
【验证码识别】OpenCV挑战腾讯防水墙滑动验证码
01-31 4万+
使用java + selenium + OpenCV破解腾讯防水墙滑动验证码 戳这里→康康你手机号在过多少网站注册过！！！ 友情推荐：新一代安全短信 * 验证码地址：https://007.qq.com/online.html * 使用OpenCv模板匹配 * 成功率90%左右 * Java + Selenium + OpenCV 产品样例 来吧！展示！ 注意！！！ · 在模拟滑动时不能按照相同速度或者过快的速度滑动，需要向人滑动时一样先快后慢，这样才不容易被识别。
使用java + selenium + OpenCV破解网易易盾滑动验证码
香芋味的猫
11-17 3万+
使用java + selenium + OpenCV破解网易易盾滑动验证码 网易易盾：dun.163.com * 验证码地址：https://dun.163.com/trial/jigsaw * 使用OpenCv模板匹配 * Java + Selenium + OpenCV 产品样例 接下来就是见证奇迹的时刻！ 注意！！！ · 在模拟滑动时不能按照相同速度或者过快的速度滑动，需要向人滑动时一样先快后慢，这样才不容易被识别。 模拟滑动代码↓↓↓ /** * 模拟人工移动 * @param d
【2019.05】腾讯防水墙滑动验证码破解 python + selenium + OpenCV
ybsde博客
04-25 8886
captcha_qq 腾讯防水墙滑动验证码破解 * 使用OpenCV库 * 成功率大概90%左右：在实际应用中，登录后可判断当前页面是否有登录成功才会出现的信息：比如用户名等。循环 * 验证码地址：https://open.captcha.qq.com/online.html * 破解 腾讯滑动验证码 * 腾讯防水墙 * python + seleniuum + cv2 代码在这里 star ...
使用OpenCV库破解腾讯防水墙滑动验证码
weixin_44387713的博客
01-23 677
#!/usr/bin/env python # encoding: utf-8 import numpy as np import random from selenium.webdriver import ActionChains import time from selenium.webdriver import Chrome from selenium.webdriver import ChromeOptions from PIL import Image import os from sel.
【2019.5】java/python + selenium 破解腾讯滑动验证码
ybsde博客
12-14 3361
最近开始新项目web自动化，登录页面有个验证码，很难受。经过百度、谷歌、若干大法，终于实现了登录。钦此。 我后来用python实现了，移步这里看看 腾讯防水墙滑动验证码破解 python + selenium + OpenCV https://blog.csdn.net/qq_38534107/article/details/89522481 package com.answer...
【2019.05】滑动验证码腾讯安全网址中心 python + selenium + OpenCV
ybsde博客
04-30 1966
上次发了博客 腾讯防水墙滑动验证码破解 之后有人问我： 腾讯防水墙滑动验证码破解 https://open.captcha.qq.com/online.html 有人问我 博主你好，试过你的代码，可以跑通，但是这个网站的防水墙无法验证通过https://urlsec.qq.com/report.html 我使用webdriver.Chrome()打开该网站后，手动拖动验证码仍然失效… 不知...
最新腾讯防水墙滑块验证码破解，代码可以直接运行
JJ_BoY的博客
06-05 7869
此代码请勿用来商用，后果自负。 仅供学习。 import numpy as np import random import requests from selenium.webdriver import ActionChains import time from selenium import webdriver from PIL import Image import os from selenium.webdriver.support.ui import WebDriverWait import cv
使用selenium+OpenCV破解极验滑动/滑块验证码项目源码
02-22
本项目演示了如何使用selenium+OpenCV破解极验的滑动/滑块验证码，本项目仅作为技术交流使用，禁止用于非法用途。
Java selenium处理极验滑动验证码示例
08-29
本篇文章主要介绍了Java selenium处理极验滑动验证码示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
selenium+Chrome滑动验证码破解二(某某网站)
01-20
具体详情见代码，研究网站，随便输入手机号点击获取验证码 在自己写代码前参考了一批博客,是把所有验证码...直接给缺口图片,先滑动到缺口找到完整验证码图片,对比有缺口的验证码图片，然后计算缺口坐标，再利用seleniu
java+selenium初级入门
05-08
简单的Java+selenium初级入门知识，自己自学记录的，仅供参考。
破解验证码(2)滑动验证码
ytraister的博客
05-30 1246
前言 做爬虫时，难免会遇到需要通过验证码才能访问网址进行爬取内容，所以需要额外掌握破解验证码的技巧才行。 本文将讲解另一个验证码示例来进行演示（滑动验证码） 上一篇写了： 破解验证码(1)数字英文验证码，可跳转到：https://blog.csdn.net/ytraister/article/details/106307610 实例 对腾讯防水墙滑动验证码进行破解 python + selenium + OpenCV 验证码地址：https://open.captcha.qq.com/online.htm
旋转图片验证码（识别/破解）解决（一）
热门推荐
香芋味的猫
09-16 7万+
旋转图片验证码（识别/破解）解决（一） 头一回写博客啥也不会写就先看些结果吧。。详情方案下回讲解 问题-----旋转图片验证码 结果-------
【破解旋转验证码】百度拖动旋转验证码识别方案
香芋味的猫
12-18 4万+
前言 百度的验证码又双叒更新了，这次在图片请求和图片库上又做了手脚。 当然出于好奇，猫又拿起了键盘开始挑战。 正文来了。 先来看看继上次破解百度旋转验证码后，百度的大佬又做出了哪些改变。 首先来看下我们获取到的图片: 截图是这个亚子的 后台拿到的却是这个亚子的 哦呦，这个马赛克有点东西的呀~ 图片抓下来都不一样还咋识别，百度这里也是煞费苦心，给您点个赞。 不过话说回来，就算这样也难不住我们的呀，这里我思考了一下还有几种方式来获取这个图片： 1 .通过系统级鼠标来获取 2 .通过网页截图来获
使用java + OpenCV破解破解顶象面积验证码
香芋味的猫
12-04 3万+
前言 我们又来破解验证码啦，今天上场的是–顶象面积验证码 根据场景来看，我们需要根据图片中分隔好的区域找到面积最大的一块来点击它。 那么我们把它拆分成以下几个步骤： 检测出图中标记的点 将检测出来的点连成线 根据线分割出的区域计算各区域面积，并得到最大面积 在该区域面积中选取一个坐标点作为结果 一、检测出图中标记的点 第一个问题，怎么检测出图片中被标记出来的点? 这里使用哈里斯角点检测，这里采用OpenCV中的cornerHarris()来实现。 参考下面两篇文章，感兴趣的话可以阅读一下： H
python实现滑动图片验证码
08-04
### 回答1： 可以使用Python的PIL库来实现滑动图片验证码，具体步骤如下： 1. 读取图片，使用PIL库中的Image.open()方法； 2. 计算两张图片的像素差，使用PIL库中的ImageChops.difference()方法； 3. 计算滑块的位置，使用PIL库中的Image.histogram()方法； 4. 移动滑块，使用Selenium库中的ActionChains.drag_and_drop()方法； 5. 提交验证，使用Selenium库中的WebDriver.submit()方法。 ### 回答2： Python可以使用第三方库如Pillow和OpenCV实现滑动图片验证码。 首先，我们需要生成一个带有滑块的验证码图片。可以使用Python的Pillow库来生成验证码图片。我们可以使用Pillow的Image和ImageDraw模块来创建一个空白的图片，并在图片上添加文字和干扰线，然后将其中一部分作为滑块。 ```python from PIL import Image, ImageDraw # 创建一个空白图片 image = Image.new('RGB', (width, height), (255, 255, 255)) draw = ImageDraw.Draw(image) # 在图片上添加文字和干扰线 # 添加滑块 # 保存验证码图片 image.save('captcha.png') ``` 接下来，我们需要实现验证滑块位置的功能。可以使用OpenCV库来处理验证码图片和滑块图片之间的关系。我们可以使用OpenCV的模板匹配算法来找出滑块在验证码图片中的位置。首先，我们需要将验证码图片和滑块图片加载进来，并将它们转换成灰度图像。然后，我们可以使用OpenCV库中的matchTemplate方法来查找滑块在验证码图片中的位置。 ```python import cv2 # 加载验证码图片和滑块图片 captcha_image = cv2.imread('captcha.png') slider_image = cv2.imread('slider.png') # 将图片转换成灰度图像 captcha_gray = cv2.cvtColor(captcha_image, cv2.COLOR_BGR2GRAY) slider_gray = cv2.cvtColor(slider_image, cv2.COLOR_BGR2GRAY) # 使用模板匹配算法查找滑块在验证码图片中的位置 result = cv2.matchTemplate(captcha_gray, slider_gray, cv2.TM_CCOEFF_NORMED) # 获取滑块在验证码图片中的位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) ``` 最后，我们可以将找到的滑块位置作为结果返回。 ```python slider_position = max_loc[0] # 滑块在验证码图片中的横坐标位置 # 返回滑块位置 return slider_position ``` 以上是使用Python实现滑动图片验证码的简单示例。具体实现可以根据实际需求进行调整和优化。 ### 回答3： Python可以通过使用第三方库来实现滑动图片验证码。 首先，我们可以使用Pillow库（一个Python图像处理库）来加载验证码图片。可以使用`Image.open()`方法打开验证码图片。 接下来，要实现滑动验证码的功能，我们需要通过一些算法来计算滑动的距离。可以使用OpenCV库（一个图像处理和计算机视觉库）来处理图片并获取滑块的位置。可以使用`cv2.matchTemplate()`方法来寻找滑块的位置。 然后，我们需要通过模拟滑动动作来完成验证操作。可以使用Selenium库（一个用于Web应用程序的自动化测试库）来模拟用户在网页上的操作。可以使用`ActionChains`类和`draggable()`方法来模拟滑动滑块的操作。 最后，我们还可以使用Flask库（一个Python web框架）来搭建一个简单的网页应用来展示滑动图片验证码，并实现滑动验证码的功能。 综上所述，通过使用Pillow库加载验证码图片，使用OpenCV库获取滑块位置，使用Selenium库模拟滑动操作，并使用Flask库搭建网页应用，我们可以实现Python的滑动图片验证码功能。
评论 43
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

香芋味的猫

你的鼓励的我继续创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值