python滑块验证码的破解实现

Python  /  管理员 发布于 7年前   160

破解滑块验证码的思路主要有2种：

• 获得一张完整的背景图和一张有缺口的图片，两张图片进行像素上的一一对比，找出不一样的坐标。
• 获得一张有缺口的图片和需要验证的小图，两张图片进行二极化以及归一化，确定小图在图片中间的坐标。
• 之后就要使用初中物理知识了，使用直线加速度模仿人手动操作

本次就使用第2种，第一种比较简单。废话不多说，直接上代码：

以下均利用无头浏览器进行获取

获得滑块验证的小图片

def get_image1(self,driver):  """  获取滑块验证缺口小图片  :param driver:chrome对象  :return:缺口小图片  """  canvas = driver.find_element_by_xpath("//div[@id='xy_img']").get_attribute("style")  image_data=re.findall("data:image/jpg;base64,(.*?)\"\)",canvas)[0]  # print(image_data)  binary_image_data=base64.b64decode(image_data,'-_')  file_like=BytesIO(binary_image_data)  image=Image.open(file_like)  return image

一般来说，这张小图片都是独立的，比较好获取，图片如下：

获得滑块验证的背景图片

！！！这个背景图片网页一般会返回乱序的图片，然后通过js对图片进行重新排序，要破解需要的时间较多，且每个js排序算法不一样，不具有复用性。这里就取了个巧，直接对当前浏览器截屏，然后在截取指定范围图片。

def get_image2(self,driver):  """  获取滑块验证码背景图片  :param driver:chrome对象  :return:背景图片   """  driver.save_screenshot('yanzhengma.png')  # 通过图片元素节点获取坐标值  # element = driver.find_element_by_id("bgImg")  # left = element.location['x']  # top = element.location['y']  # right = element.location['x'] + element.size['width']  # bottom = element.location['y'] + element.size['height']  # 通过画图软件直接获取相应图片的坐标值  left=359  top=238  right=658  bottom=437  # print((left, top, right, bottom))  im = Image.open('yanzhengma.png')  im = im.crop((left, top, right, bottom))  return im

图片如下：

轨迹计算方法

def get_track(self, distance):  """  根据偏移量获取移动轨迹  :param distance:偏移量  :return:移动轨迹  """  # 移动轨迹  track = []  # 当前位移  current = 0  # 减速阈值  mid = distance * 4 / 5  # 计算间隔  t = 0.2  # 初速度  v = 0  while current < distance:    if current < mid:      # 加速度为正2      a = 2    else:      # 加速度为负3      a = -3    # 初速度v0    v0 = v    # 当前速度v = v0 + at    v = v0 + a * t    # 移动距离x = v0t + 1/2 * a * t^2    move = v0 * t + 1 / 2 * a * t * t    # 当前位移    current += move    # 加入轨迹    track.append(round(move))  return track

验证主程序

 def slider_verification_code(self,driver,cnt):  """  破解滑块验证主程序  :param driver:chrome对象；cnt：已验证次数  :return:已验证次数  """  print("出现滑块验证，验证中")  # 1、出现滑块验证，获取验证小图片  picture1 = self.get_image1(driver)  picture1.save("./picture1.png")  # 2、获取有缺口验证图片  picture2 = self.get_image2(driver)  picture2.save("./picture2.png")  #二值化图片,进行对比，输出匹配的坐标系  target_rgb=cv2.imread("./picture2.png")  target_gray=cv2.cvtColor(target_rgb,cv2.COLOR_BGR2GRAY)  template_rgb=cv2.imread("./picture1.png",0)  res=cv2.matchTemplate(target_gray,template_rgb,cv2.TM_CCOEFF_NORMED)  value=cv2.minMaxLoc(res)  value = value[3][0]  cnt += 1  print("需要位移的距离为："+str(value)+",已验证"+str(cnt)+"次")  #根据距离获取位移的轨迹路线  track=self.get_track(value)  time.sleep(1)  ActionChains(driver).click_and_hold(driver.find_element_by_class_name("handler.handler_bg")).perform()  for x in track:    ActionChains(driver).move_by_offset(xoffset=x, yoffset=0).perform()  time.sleep(0.5)  ActionChains(driver).release().perform()  return cnt

看！有 飞 机：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。