【分享】Python 多缺口滑块验证demo

​本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰，更不会影响计算机信息系统的正常运行。不得将代码用于非法用途，如侵立删！​多缺口滑块验证demo环境win10Python3.9

分享一下项目中碰到的一个多缺口滑块验证，先触发一下滑块抓包分析一下是用的哪一家滑块

经过分析发现不是用的顶象或数美，验证图片的接口地址是他自己的的一个接口，应该是自己写的验证，往有经验的大佬指点下。
抓到滑块图片地址，是经过加密的，通过canvas绘画至页面，始终没有找到真实的url，用最笨的方法直接在页面截图

   def get_v3(self):        # 新开一个窗口，通过执行js来新开一个窗口（有奇效，可以不被检测到）        js = 'window.open("https://www.vivo.com.cn/service/mobilePhoneAuthenticityCheck/query");'        self.driver.execute_script(js)        # 切换窗口        self.driver.switch_to.window(self.driver.window_handles[1])        IMEI = "862056063123458"        # 定位输入框        phone_IMEI = self.wait.until(EC.presence_of_element_located((By.XPATH, '//[@id="phone_IMEI"]')))        phone_IMEI.send_keys(IMEI)        # 勾选复选框        self.wait.until(EC.presence_of_element_located((By.XPATH, '/html/body/main/div[2]/div/p/span'))).click()        # 点击立即查询        self.wait.until(EC.presence_of_element_located((By.XPATH, '//[@id="query_IMEI"]'))).click()        # 定位滑块图片        # 必须先遍历一遍页面所有元素，否则找不到新弹出的滑块元素        self.web_driver_wait_ruishu(10, "class", 'dx_captcha dx_captcha_loading-style-popup dx_captcha_basic dx_captcha-type-basic dx_captcha_basic-style-popup')        print("定位到滑块弹窗")        dx_captcha = self.wait.until(EC.presence_of_all_elements_located((By.XPATH, '/html/body/div/div/div[2]/div[2]/div[1]/div[2]/div[2]')))        print(len(dx_captcha))        if len(dx_captcha) > 1:            dx_captcha = dx_captcha[-1]        else:            dx_captcha = dx_captcha[0]        # 截图        dx_captcha.screenshot(self.bgImg_path)

剩下的就是识别缺口距离了，并生成移动轨迹@staticmethod    def clear_white(img):        """清除图片的空白区域，这里主要清除滑块的空白"""        img = cv2.imread(img)        rows, cols, channel = img.shape        min_x = 255        min_y = 255        max_x = 0        max_y = 0        for x in range(1, rows):            for y in range(1, cols):                t = set(img[x, y])                if len(t) >= 2:                    if x <= min_x:                        min_x = x                    elif x >= max_x:                        max_x = x​                    if y <= min_y:                        min_y = y                    elif y >= max_y:                        max_y = y        img1 = img[min_x:max_x, min_y: max_y]        return img1​    @staticmethod    def template_match(tpl, target):        th, tw = tpl.shape[:2]        result = cv2.matchTemplate(target, tpl, cv2.TM_CCOEFF_NORMED)        min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)        tl = max_loc        br = (tl[0] + tw, tl[1] + th)        cv2.rectangle(target, tl, br, (0, 0, 255), 2)        return tl[0], tl[1]​    def calculate_distance(self, pic1_path, pic2_path):        """       计算滑块到缺口的距离       """        img1 = self.clear_white(pic1_path)        img1 = cv2.cvtColor(img1, cv2.COLOR_RGB2GRAY)        slide = cv2.Canny(img1, 100, 200)​        img2 = cv2.imread(pic2_path, 0)        back = cv2.Canny(img2, 100, 200)​        slide_pic = cv2.cvtColor(slide, cv2.COLOR_GRAY2RGB)        back_pic = cv2.cvtColor(back, cv2.COLOR_GRAY2RGB)        # 滑块在图片上的位置        x, y = self.template_match(slide_pic, back_pic)        # 滑块到缺口的距离        dis_x = int((x + 5) (340 / 552))        dis_y = int(y (340 / 552))        return dis_x, dis_y​    def get_tracks(self, distance, _y):        """       获取轨迹参数       """        tracks = list()        y, v, t, current = 0, 0, 1, 0​        mid = distance 3 / 4​        exceed = random.randint(40, 90)        z = random.randint(30, 150)​        while current < (distance + exceed):            if current < mid / 2:                a = 2            elif current < mid:                a = 3            else:                a = -3            a /= 2            v0 = v            s = v0 t + 0.5 a (t t)            current += int(s)            v = v0 + a t​            y += random.randint(-3, 3)            z = z + random.randint(5, 10)            tracks.append([min(current, (distance + exceed)), y, z])​        while exceed > 0:            exceed -= random.randint(0, 5)            y += random.randint(-3, 3)            z = z + random.randint(5, 9)            tracks.append([min(current, (distance + exceed)), y, z])        tr = []        for i, x in enumerate(tracks):            tr.append({                'x': x[0],                'y': _y,                'relative_time': x[2]           })        return tr效果

​本文仅供学习交流使用，如侵立删！​