本文来自小帅b《学习python的正确姿势》
今天说说Python爬虫里面经常遇到的滑动验证码。大家应该都很熟悉。点击滑块然后移动到图片缺口进行验证：
现在越来越多的网站使用这样的验证方式，为的是增加验证码识别的难度。
那么，
对于这种验证码，
应该怎么破呢？
打开 某 站的登录页面，
可以看到登录的时候需要进行滑块验证。
按下 F12，
进入 Network，
看下我们将滑块移到缺口松开之后做了什么提交：
可以看到是一个 GET 请求。
但是，
这请求链接也太长了吧。
我们来看看请求的参数是怎么样的
- gt？
- challenge？
- w？
这些都是什么鬼参数？还加密了。
既然以请求的方式不好弄，
我们从它们的源代码入手，
看看有什么突破口。
回到 某 站的登录页，
按下 F12，
进入 Element，
然后点击滑块出现了图片。
定位一下
发现有两个 a 标签：
- 一个 class 是 gt_bg gt_show
- 一个 class 是 gt_fullbg gt_show
- 一张是完全的背景图片
- 一张是缺口的图片
那把这两张图片下载下来对比一下不就行了。
打开 a 标签一看：
发现：一张图片被切割成很多小块。
原来这张图片是拼出来的！
我们看看原始图片是怎么样的。
什么乱七八糟的。
再仔细看下源代码，
原来是在同一张图片通过偏移量合成了一张完整的图片：
<code>background-position: -277px -58px;/<code>
厉害厉害！
到这里，
我们的第一个思路就是，
下载这两张原始图片，
然后通过偏移量合成两张真正的图片。
背景图：
合成之后：
缺口图：
合成之后：
那么怎么做呢？
因为我们还要模拟滑动滑块，
所以呢，
我们要用到 selenium。
打开某站的登录页，
然后等到那个滑块显示出来：
<code># 获取滑块按钮
driver.get(url)
slider = WAIT.until(EC.element_to_be_clickable(
(By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))/<code>
接下来我们就获取页面的源码：
<code>driver.page_source/<code>
然后使用 bs 获取两张原始背景图片的 url ：
<code>bs = BeautifulSoup(driver.page_source,'lxml')
# 找到背景图片和缺口图片的div
bg_div = bs.find_all(class_='gt_cut_bg_slice')
fullbg_div = bs.find_all(class_='gt_cut_fullbg_slice')
# 获取缺口背景图片url
bg_url = re.findall('background-image:\\surl\\("(.*?)"\\)',bg_div[0].get('style'))
# 获取背景图片url
fullbg_url = re.findall('background-image:\\surl\\("(.*?)"\\)',fullbg_div[0].get('style'))/<code>
拿到了图片地址之后，
将图片下载下来：
<code> # 将图片格式存为 jpg 格式
bg_url = bg_url[0].replace('webp', 'jpg')
fullbg_url = fullbg_url[0].replace('webp', 'jpg')
# print(bg_url)
# print(fullbg_url)
# 下载图片
bg_image = requests.get(bg_url).content
fullbg_image = requests.get(fullbg_url).content
print('完成图片下载')/<code>
我们已经把两张原始图片下载下来了，那么接下来就是要合成图片了。
我们要根据图片的位置来合成，
也就是源码中的 background-position：
获取每一个小图片的位置，
我们可以通过字典的形式来表示这些位置，
然后将数据放到列表中：
<code> # 存放每个合成缺口背景图片的位置
bg_location_list = []
# 存放每个合成背景图片的位置
fullbg_location_list = []
for bg in bg_div:
location = {}
location['x'] = int(re.findall('background-position:\\s(.*?)px\\s(.*?)px;', bg.get('style'))[0][0])
location['y'] = int(re.findall('background-position:\\s(.*?)px\\s(.*?)px;', bg.get('style'))[0][1])
bg_location_list.append(location)
for fullbg in fullbg_div:
location = {}
location['x'] = int(re.findall('background-position:\\s(.*?)px\\s(.*?)px;', fullbg.get('style'))[0][0])
location['y'] = int(re.findall('background-position:\\s(.*?)px\\s(.*?)px;', fullbg.get('style'))[0][1])
fullbg_location_list.append(location)
/<code>
那么，
现在我们已经有了原始图片，
还知道了每个位置应该显示原始图片的什么部分。
接下来我们就写一个方法，
<code> # 写入图片
bg_image_file = BytesIO(bg_image)
fullbg_image_file = BytesIO(fullbg_image)
# 合成图片
bg_Image = mergy_Image(bg_image_file, bg_location_list)
fullbg_Image = mergy_Image(fullbg_image_file, fullbg_location_list)/<code>
那么问题又来了，怎么合成啊？
这里图片被分割成的每一个小图片的尺寸是
- 10 * 58
所以我们也要将我们刚刚下载的原始图片切割成相应的尺寸大小。而且，这张图片是由上半部分的小图片和下半部分的小图片合成的，所以我们定义两个 list 来装这些小图片：
<code> # 存放上下部分的各个小块
upper_half_list = []
down_half_list = []/<code>
然后将原始的图片切割好放进去：
<code>image = Image.open(image_file)
# 通过 y 的位置来判断是上半部分还是下半部分,然后切割
for location in location_list:
if location['y'] == -58:
# 间距为10，y：58-116
im = image.crop((abs(location['x']), 58, abs(location['x'])+10, 116))
upper_half_list.append(im)
if location['y'] == 0:
# 间距为10，y：0-58
im = image.crop((abs(location['x']), 0, abs(location['x']) + 10, 58))
down_half_list.append(im)/<code>
至此，
我们这两个 list 就分别放好了各个切割的图片了。
那么接下来就创建一张空白的图片，
然后将小图片一张一张（间距为10）的粘贴到空白图片里，
这样我们就可以得到一张合成好的图片了：
<code># 创建一张大小一样的图片
new_image = Image.new('RGB', (260, 116))
# 粘贴好上半部分 y坐标是从上到下（0-116）
offset = 0
for im in upper_half_list:
new_image.paste(im, (offset, 0))
offset += 10
# 粘贴好下半部分
offset = 0
for im in down_half_list:
new_image.paste(im, (offset, 58))
offset += 10/<code>
那么到现在，
我们可以得到网页上显示的那两张图片了。
接下来我们就要通过对比这两张图，
看看我们要滑动的距离是多远：
<code>
# 合成图片
bg_Image = mergy_Image(bg_image_file, bg_location_list)
fullbg_Image = mergy_Image(fullbg_image_file, fullbg_location_list)
# bg_Image.show()
# fullbg_Image.show()
# 计算缺口偏移距离
distance = get_distance(bg_Image, fullbg_Image)
print('得到距离：%s' % str(distance))/<code>
可以通过图片的 RGB 来计算。
我们设定一个阈值，
如果 r、g、b 大于这个阈值，
我们就返回距离：
<code>def get_distance(bg_Image, fullbg_Image):
#阈值
threshold = 200
print(bg_Image.size[0])
print(bg_Image.size[1])
for i in range(60, bg_Image.size[0]):
for j in range(bg_Image.size[1]):
bg_pix = bg_Image.getpixel((i, j))
fullbg_pix = fullbg_Image.getpixel((i, j))
r = abs(bg_pix[0] - fullbg_pix[0])
g = abs(bg_pix[1] - fullbg_pix[1])
b = abs(bg_pix[2] - fullbg_pix[2])
if r + g + b > threshold:
return i/<code>
我们使用 selenium，
拿到滑块的元素，
然后根据这个距离拖动到缺口位置不就好了么。
马上打开 selenium 的文档，
看到了这个函数：
它可以使用左键点击元素，
然后拖动到指定距离，
最后释放鼠标左键。
赶紧试一下：
<code>knob = WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))
ActionChains(driver).drag_and_drop_by_offset(knob, distance, 0).perform()/<code>
运行一下试试看吧：
看来直接拖拽是不行的，这太快了。
试着拖完滑块让它睡一下再释放：
<code>ActionChains(driver).click_and_hold(knob).perform()
ActionChains(driver).move_by_offset(xoffset=distance, yoffset=0.1).perform()
time.sleep(0.5)
ActionChains(driver).release(knob).perform()/<code>
发现拼图还是被吃了：
我们可以使用它来构造一个运动路径，
该加速时加速，
该减速的时候减速，
这样的话就更像人类在滑动滑块了。
<code>def get_path(distance):
result = []
current = 0
mid = distance * 4 / 5
t = 0.2
v = 0
while current < (distance - 10):
if current < mid:
a = 2
else:
a = -3
v0 = v
v = v0 + a * t
s = v0 * t + 0.5 * a * t * t
current += s
result.append(round(s))
return result/<code>
这次，
我们使用这个轨迹来滑动：
<code> knob = WAIT.until(EC.presence_of_element_located((By.CSS_SELECTOR, "#gc-box > div > div.gt_slider > div.gt_slider_knob.gt_show")))
result = get_path(distance)
ActionChains(driver).click_and_hold(knob).perform()
for x in result:
ActionChains(driver).move_by_offset(xoffset=x, yoffset=0).perform()
time.sleep(0.5)
ActionChains(driver).release(knob).perform() /<code>
好了，再来运行一下吧：
完美！
当然，成功率不是 100%，可以多试几次。
以上就是识别滑动验证码的具体过程了，
对于其它大部分的滑动验证码，
也是可以使用这招搞定的。
私信发送“滑动”获取源码！
私信发送“滑动”获取源码！
私信发送“滑动”获取源码！
本文来自小帅b《学习python的正确姿势》
閱讀更多 程序猿架構 的文章
