“opaque”: 0.6,
“minVerticalLineCount”: 10
})
bgOffsetX = veriImageUtil.getVerticalLineOffsetX(bgImage)
print("bgOffsetX:{} ".format(bgOffsetX))
首先，我们需要从html中获取滑块验证的图片，通过执行js，将画布像素转为base64，然后python即可获取，进行拖拽处理：
from selenium import webdriver
import time
import base64
from PIL import Image
from io import BytesIO
from selenium.webdriver.support.ui import WebDriverWait
def checkVeriImage(driver):
WebDriverWait(driver, 5).until(
lambda driver: driver.find_element_by_css_selector(‘.geetest_canvas_bg.geetest_absolute’))
time.sleep(1)
im_info = driver.execute_script(
‘return document.getElementsByClassName(“geetest_canvas_bg geetest_absolute”)[0].toDataURL(“image/png”);’)
拿到base64编码的图片信息
im_base64 = im_info.split(‘,’)[1]
转为bytes类型
im_bytes = base64.b64decode(im_base64)
with open(‘./temp_bg.png’, ‘wb’) as f:
保存图片到本地，方便查看预览
f.write(im_bytes)
image_data = BytesIO(im_bytes)
bgImage = Image.open(image_data)
滑块距离左边有 5~10 像素左右误差
offsetX = VeriImageUtil().getVerticalLineOffsetX(bgImage)
eleDrag = driver.find_element_by_css_selector(“.geetest_slider_button”)
action_chains = webdriver.ActionChains(driver)
action_chains.drag_and_drop_by_offset(eleDrag,offsetX-10,0).perform()
貌似可以了，但实际上，验证时会遇到“拼图被怪物吃掉了，请重试”，导致失败。这是因为被检测到机器人（爬虫）操作了。
B站滑块验证码的人机识别，其实不咋滴，主要靠是否存在停留间隔来判断。一开始被网上文章误导，弄了什么距离=初速度乘以时间t + 1/2加速度乘以(时间平方)模拟拖拽，实际上是完全不对路的。
webdriver.ActionChains(driver).drag_and_drop_by_offset(eleDrag,offsetX-10,0).perform() 拖动滑块会导致验证失败。在B站中，这是因为这个动作太快了的缘故。
有的同学就打算直接加 time.sleep(1) 了，这么做是不会成功的，会提示拼图被怪物吃掉了，请重试
实际上人做滑块验证的过程可以归为：手指快速拖拽验证码到指定位置，修正误差，停留一会儿，释放滑块。
代码可以简单实现，都不需要模拟人修正拖拽误差的过程，普通网站不会去统计这个，至少B站不会。
def simpleSimulateDragX(self, source, targetOffsetX):
“”"
简单拖拽模仿人的拖拽：快速沿着X轴拖动，直接一步到达正确位置，再暂停一会儿，然后释放拖拽动作
B站是依据是否有暂停时间来分辨人机的，这个方法适用。
:param source:
:param targetOffsetX:
:return: None
“”"
#参考drag_and_drop_by_offset(eleDrag,offsetX-10,0)的实现，使用move方法
action_chains = webdriver.ActionChains(self.driver)
点击，准备拖拽
action_chains.click_and_hold(source)
action_chains.pause(0.2)
action_chains.move_by_offset(targetOffsetX,0)
action_chains.pause(0.6)
action_chains.release()
action_chains.perform()
其实也就最后一段多出了fix的过程， action_chains.move_by_offset(10,0)
def fixedSimulateDragX(self, source, targetOffsetX):
#参考drag_and_drop_by_offset(eleDrag,offsetX-10,0)的实现，使用move方法
action_chains = webdriver.ActionChains(self.driver)
点击，准备拖拽
action_chains.click_and_hold(source)
action_chains.pause(0.2)
action_chains.move_by_offset(targetOffsetX-10,0)
action_chains.pause(0.6)
action_chains.move_by_offset(10,0)
action_chains.pause(0.6)
action_chains.release()
action_chains.perform()
为了更像人类操作，可以进行拖拽间隔时间和拖拽次数、距离的随机化。虽然这对B站没什么用，还可能会导致验证时间变久一些。
拖拽多次，可以使用循环遍历，不过代码可能不好理解，直接判断就行，最多也就两到3次就完成修正误差的过程。
def __getRadomPauseScondes(self):
“”"
:return:随机的拖动暂停时间
“”"
return random.uniform(0.6, 0.9)
def simulateDragX(self, source, targetOffsetX):
“”"
模仿人的拖拽动作：快速沿着X轴拖动（存在误差），再暂停，然后修正误差
防止被检测为机器人，出现“图片被怪物吃掉了”等验证失败的情况
:param source:要拖拽的html元素
:param targetOffsetX: 拖拽目标x轴距离
:return: None
“”"
action_chains = webdriver.ActionChains(self.driver)
点击，准备拖拽
action_chains.click_and_hold(source)
拖动次数，二到三次
dragCount = random.randint(2, 3)
if dragCount == 2:
总误差值
sumOffsetx = random.randint(-15, 15)
action_chains.move_by_offset(targetOffsetX + sumOffsetx, 0)
暂停一会
action_chains.pause(self.__getRadomPauseScondes())
修正误差，防止被检测为机器人，出现图片被怪物吃掉了等验证失败的情况
action_chains.move_by_offset(-sumOffsetx, 0)
elif dragCount == 3:
总误差值
sumOffsetx = random.randint(-15, 15)
action_chains.move_by_offset(targetOffsetX + sumOffsetx, 0)
暂停一会
action_chains.pause(self.__getRadomPauseScondes())
已修正误差的和
fixedOffsetX = 0
第一次修正误差
if sumOffsetx < 0:
offsetx = random.randint(sumOffsetx, 0)
else:
offsetx = random.randint(0, sumOffsetx)
fixedOffsetX = fixedOffsetX + offsetx
action_chains.move_by_offset(-offsetx, 0)
action_chains.pause(self.__getRadomPauseScondes())
最后一次修正误差
action_chains.move_by_offset(-sumOffsetx + fixedOffsetX, 0)
action_chains.pause(self.__getRadomPauseScondes())
else:
raise Exception(“莫不是系统出现了问题？!”)
参考action_chains.drag_and_drop_by_offset()
action_chains.release()
action_chains.perform()
-- coding: utf-8 --
@Date:2020/2/15 2:09
@Author: Lu
@Description bilibili滑块验证码识别。B站有反爬限制，过快地拖拽会提示“怪物吃了拼图，请重试”。
目前B站有三张图片，只要对比完整图和缺失滑块背景图的像素，就可以得到偏移图片y轴距离，减去滑块空白距离=需要滑动的像素距离
这里采用边缘检测，检测缺失滑块的底图是否存在一条灰色竖线，即认为是滑块目标位置，存在失败的概率，适用范围应该更大些。
from selenium import webdriver
import time
import base64
from PIL import Image
from io import BytesIO
from selenium.webdriver.support.ui import WebDriverWait
import random
import copy
class VeriImageUtil():
def init(self):
self.defaultConfig = {
“grayOffset”: 20,
“opaque”: 1,
“minVerticalLineCount”: 30
}
self.config = copy.deepcopy(self.defaultConfig)
def updateConfig(self, config):
temp = copy.deepcopy(config)
for k in self.config:
if k in config.keys():
self.config[k] = config[k]
def getMaxOffset(self, *args):
计算偏移平均值最大的数
av = sum(args) / len(args)
maxOffset = 0
for a in args:
offset = abs(av - a)
if offset > maxOffset:
maxOffset = offset
return maxOffset
def isGrayPx(self, r, g, b):
是否是灰度像素点，允许波动offset
return self.getMaxOffset(r, g, b) < self.config[“grayOffset”]
def isDarkStyle(self, r, g, b):
灰暗风格
return r < 128 and g < 128 and b < 128
def isOpaque(self, px):
不透明
return px[3] >= 255 * self.config[“opaque”]
def getVerticalLineOffsetX(self, bgImage):
bgImage = Image.open(“./image/bg.png”)
bgImage.im.mode = ‘RGBA’
bgBytes = bgImage.load()
x = 0
while x < bgImage.size[0]:
y = 0
点》》线，灰度线条数量
verticalLineCount = 0
while y < bgImage.size[1]:
px = bgBytes[x, y]
r = px[0]
g = px[1]
b = px[2]
alph = px[3]
print(px)
if self.isDarkStyle(r, g, b) and self.isGrayPx(r, g, b) and self.isOpaque(px):
verticalLineCount += 1
else:
verticalLineCount = 0
y += 1
continue
if verticalLineCount >= self.config[“minVerticalLineCount”]:
连续多个像素都是灰度像素，直线，认为需要滑动这么多
print(x, y)
return x
y += 1
x += 1
pass
class DragUtil():
def init(self, driver):
self.driver = driver
def __getRadomPauseScondes(self):
“”"
:return:随机的拖动暂停时间
“”"
return random.uniform(0.6, 0.9)
def simulateDragX(self, source, targetOffsetX):
“”"
模仿人的拖拽动作：快速沿着X轴拖动（存在误差），再暂停，然后修正误差
防止被检测为机器人，出现“图片被怪物吃掉了”等验证失败的情况
:param source:要拖拽的html元素
:param targetOffsetX: 拖拽目标x轴距离
:return: None
“”"
action_chains = webdriver.ActionChains(self.driver)
点击，准备拖拽
action_chains.click_and_hold(source)
拖动次数，二到三次
dragCount = random.randint(2, 3)
if dragCount == 2:
总误差值
sumOffsetx = random.randint(-15, 15)
action_chains.move_by_offset(targetOffsetX + sumOffsetx, 0)
暂停一会
action_chains.pause(self.__getRadomPauseScondes())
修正误差，防止被检测为机器人，出现图片被怪物吃掉了等验证失败的情况
action_chains.move_by_offset(-sumOffsetx, 0)
elif dragCount == 3:
总误差值
sumOffsetx = random.randint(-15, 15)
action_chains.move_by_offset(targetOffsetX + sumOffsetx, 0)
暂停一会
action_chains.pause(self.__getRadomPauseScondes())
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新
如果你觉得这些内容对你有帮助，可以添加V：vip1024c 备注Python获取（资料价值较高，非无偿）
最后
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
https://img-blog.csdnimg.cn/img_convert/fa276175617e0048f79437bd30465479.png)
👉Python全套学习视频👈
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
576
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
