一、滑塊驗證碼簡述

有爬蟲，自然就有反爬蟲，就像病毒和殺毒軟件一樣，有攻就有防，兩者彼此推進發(fā)展。而目前最流行的反爬技術(shù)驗證碼，為了防止爬蟲自動注冊，批量生成垃圾賬號，幾乎所有網(wǎng)站的注冊頁面都會用到驗證碼技術(shù)。其實驗證碼的英文為 CAPTCHA（Completely Automated Public Turing test to tell Computers and Humans Apart），翻譯成中文就是全自動區(qū)分計算機和人類的公開圖靈測試，它是一種可以區(qū)分用戶是計算機還是人的測試，只要能通過 CAPTCHA 測試，該用戶就可以被認為是人類。由此也可知道破解滑塊驗證碼的關(guān)鍵即是讓計算機更好的模擬人的行為，這也是破解的難點所在。

二、環(huán)境配置1.安裝

selenium 支持 python2.7 以及 python3.5 等主流 python 版本，其安裝較為簡單，有網(wǎng)的環(huán)境下，打開cmd輸入即可自動安裝:

pip install selenium2.webdriver

selenium 安裝完成后，下載所選瀏覽器的 webdriver，本文以 ChromeDriver為例，下載解壓后切記將.exe文件放入對應(yīng)Python應(yīng)用程序的同級目錄下，以確保將 webdriver 的路徑添加至系統(tǒng) PATH 變量中。同時還需將.exe文件放入Chrome應(yīng)用程序的同級目錄下，注意下載的ChromeDriver版本需與Chrome瀏覽器版本對應(yīng)才可使用。ChromeDriver下載地址

3.相關(guān)庫與模板

#圖像處理標準庫from PIL import Image #web測試from selenium import webdriver#鼠標操作from selenium.webdriver.common.action_chains import ActionChains#等待時間 產(chǎn)生隨機數(shù) import time,random三、破解步驟

本文以春秋官網(wǎng)為例：

保存滑塊驗證碼原圖到本地。 利用selenium進入滑塊驗證碼頁面，截取所需頁面圖片。 通過圖片像素對比分析獲取缺口位置與滑塊移動距離。 機器模擬人工滑動軌跡。四、代碼實現(xiàn)

首先通過selenium對網(wǎng)頁元素爬取進入滑塊驗證碼頁面

#打開頁面至屏幕最大尺寸driver = webdriver.Chrome()driver.get(’https://account.ch.com/NonRegistrations-Regist’)driver.maximize_window()#獲取輸入手機號碼的表單input1 = driver.find_element_by_name(’phoneNumberInput’)# 輸入注冊號碼input1.send_keys(phoneNumber)time.sleep(0.2)#獲取打開滑塊驗證碼頁面的元素getcheck=driver.find_element_by_id(’getDynamicPwd’)#點擊進入滑塊驗證碼頁面getcheck.click()

上周國內(nèi)最大的驗證碼平臺極驗（GEETEST）進行了滑塊驗證碼更新，向反爬蟲又邁進了一步，新浪、斗魚等使用極驗驗證碼的各大網(wǎng)站頁也隨之更新，當然春秋也不例外，此次更新顯然是針對了破解滑塊驗證碼的關(guān)鍵痛點，在此之前點擊獲取驗證碼，出現(xiàn)滑塊驗證碼界面之后并不會直接出現(xiàn)滑塊，此時可對屏幕進行截圖，當點擊滑動圓球之后才會出現(xiàn)滑塊與缺口，此時再次進行截圖，即可根據(jù)兩次截圖的像素RGB值逐一遍歷，找到缺口位置。但更新之后點擊獲取驗證碼，直接會出現(xiàn)滑塊與缺口，如圖1所見。問題來了，現(xiàn)在沒有原圖作為參照，怎么找到缺口位置呢？？？仔細一想，其實這個問題并不難，無非就是需要一張原圖作為參照，經(jīng)過觀察發(fā)現(xiàn)每個網(wǎng)站的驗證碼背景圖片不過區(qū)區(qū)幾張，那么我們可以考慮通過人工滑動滑塊，在成功拼圖后出現(xiàn)完整原圖的那一瞬間進行屏幕截圖，將原圖逐一截圖保存至本地，再通過缺口圖片與本地保存的原圖進行像素RGB值匹配，原圖豈不速速現(xiàn)出原形，缺口圖圓球需滑至最右再進行截圖，下文詳細解釋。

# 獲取拖拽的圓球slideblock = driver.find_element_by_class_name(’geetest_slider_button’)# 鼠標點擊圓球不松開ActionChains(driver).click_and_hold(slideblock).perform()# 將圓球滑至相對起點位置的最右邊ActionChains(driver).move_by_offset(xoffset=250, yoffset=0).perform()time.sleep(0.4)# 保存包含滑塊及缺口的頁面截圖driver.save_screenshot(’D:quekou.png’)# 放開圓球ActionChains(driver).release(slideblock).perform()#打開保存至本地的缺口頁面截圖quekouimg=Image.open(’d://quekou.png’)# 匹配本地對應(yīng)原圖sourceimg=match_source(quekouimg)def match_source(image): imagea=Image.open(’d://source1.png’) imageb=Image.open(’d://source2.png’) imagec=Image.open(’d://source3.png’) imaged=Image.open(’d://source4.png’) list=[imagea,imageb,imagec,imaged] #通過像素差遍歷匹配本地原圖 for i in list: #本人電腦原圖與缺口圖對應(yīng)滑塊圖片橫坐標相同，縱坐標原圖比缺口圖大88px，可根據(jù)實際情況修改 pixel1=image.getpixel((868,340)) pixel2=i.getpixel((868,428)) #pixel[0]代表R值，pixel[1]代表G值，pixel[2]代表B值 if abs(pixel1[0]-pixel2[0])<5: return i return image

為了更快捷獲取滑塊移動距離，我們可以考慮將滑塊先滑至最右端再進行截圖，因為采用從左往右對比遍歷的方式，采用這種方式能保證第一次獲取到的便是缺口位置，由于滑塊起點相同，此種方法可減少計算滑塊大小這一步（畢竟滑塊大小計算也是通過像素遍歷，沒必要再計算一次）。

# 獲取缺口位置visualstack=get_diff_location(sourceimg,quekouimg)# 獲取移動距離loc，827為滑塊起點位置loc=visualstack-827# 計算滑塊位移距離def get_diff_location(image1,image2): #（825,1082）（335,463）為滑塊圖片區(qū)域，可根據(jù)實際情況修改 for i in range(825,1082): for j in range(335,463): #遍歷原圖與缺口圖像素值尋找缺口位置 if is_similar(image1,image2,i,j)==False:return i return -1# 對比RGB值得到缺口位置def is_similar(image1,image2,x,y): pixel1=image1.getpixel((x, y+88)) pixel2=image2.getpixel((x, y)) # 截圖像素也許存在誤差，50作為容差范圍 if abs(pixel1[0]-pixel2[0])>=50 and abs(pixel1[1]-pixel2[1])>=50 and abs(pixel1[2]-pixel2[2])>=50: return False return True

接下來，破解滑塊驗證碼最關(guān)鍵也最難的一步來了，機器模擬人工滑動軌跡，或許你可以精準滑動到缺口位置，但還是會被識別為機器被怪物吃掉拼圖，本人在測試的時候也是一把辛酸淚，最后經(jīng)過不斷調(diào)試學習，得到一種通過率還OK的滑動軌跡算法，即采用物理加速度位移相關(guān)公式按照先快后慢的人工滑動規(guī)律進行軌跡計算，同時還采用了模擬人滑動超過了缺口位置再滑回至缺口的情況以使軌跡更契合人工滑動軌跡。由于項目時間有限，本人就沒花過多時間研究了，如果想要99%通過率可以嘗試機器學習，采集人工滑動軌跡進行曲線擬合的方法獲取軌跡。

#滑塊移動軌跡def get_track(self,distance): track=[] current=0 mid=distance*3/4 t=random.randint(2,3)/10 v=0 while current<distance: if current<mid: a=2 else: a=-3 v0=v v=v0+a*t move=v0*t+1/2*a*t*t current+=move track.append(round(move)) return track# 生成拖拽移動軌跡，加3是為了模擬滑過缺口位置后返回缺口的情況track_list=get_track(loc+3)time.sleep(2)ActionChains(driver).click_and_hold(slideblock).perform()time.sleep(0.2)# 根據(jù)軌跡拖拽圓球for track in track_list: ActionChains(driver).move_by_offset(xoffset=track,yoffset=0).perform()# 模擬人工滑動超過缺口位置返回至缺口的情況，數(shù)據(jù)來源于人工滑動軌跡，同時還加入了隨機數(shù)，都是為了更貼近人工滑動軌跡imitate=ActionChains(driver).move_by_offset(xoffset=-1, yoffset=0)time.sleep(0.015)imitate.perform()time.sleep(random.randint(6,10)/10)imitate.perform()time.sleep(0.04)imitate.perform()time.sleep(0.012)imitate.perform()time.sleep(0.019)imitate.perform()time.sleep(0.033)ActionChains(driver).move_by_offset(xoffset=1, yoffset=0).perform()# 放開圓球ActionChains(driver).pause(random.randint(6,14)/10).release(slideblock).perform()time.sleep(2)#務(wù)必記得加入quit()或close()結(jié)束進程，不斷測試電腦只會卡卡西driver.close()

至此，小白破解滑塊驗證碼就算基本了結(jié)，整個步驟看起來挺簡單的，但其中的坑大概只有實踐才會知道，出BUG之后第一件事請認真檢查你的代碼，不要放過任何一個地方，參數(shù)、范圍、返回值、取值等等，甚至可能是你最覺得沒問題的地方，往往是問題所在……over

到此這篇關(guān)于Python Selenium破解滑塊驗證碼最新版(GEETEST95%以上通過率)的文章就介紹到這了,更多相關(guān)Python Selenium破解滑塊驗證碼內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！