Python selenium 破解腾讯滑块举动验证码

直接上代码：

1. from selenium import webdriver
2. from selenium.webdriver.common.action_chains import ActionChains
3. import time,re,requests
4. from selenium.webdriver.common.by import By
5. from selenium.webdriver.support.ui import WebDriverWait
6. from selenium.webdriver.support import expected_conditions as EC
7. from PIL import Image
9. import os,cv2
10. import sys
11. path = os.path.dirname(os.path.dirname(__file__))
12. sys.path.append(path)
14. class main():
15.     def __init__(self):
16.         self.url = 'https://static-mp-dc3bab1b-06be-41ca-9070-ab7368c17ae5.next.bspapp.com/'
17.         self.distance = 0
18.         self.left = 0
19.         self.track = []
21.     # 启动浏览器
22.     def Launch_browser(self):
23.         options = webdriver.ChromeOptions()
24.         options.add_argument('--headless')
25.         # self.driver = webdriver.Chrome(options=options)
26.         self.driver = webdriver.Chrome()
27.         self.wait = WebDriverWait(self.driver, 10, 0.5)
28.         self.driver.get(self.url)
29.         self.driver.find_element(By.XPATH,'/html/body/button').click()
31.         # 等待className为geetest_slider_button的元素在元素表中出现
32.         time.sleep(5)
33.         element = WebDriverWait(self.driver, 10).until(
34.             EC.visibility_of_element_located((By.CLASS_NAME, 'tcaptcha-transform'))
35.         )
36.         time.sleep(5)
37.         # 切换到iframe
38.         # 假设iframe有id或者其他属性，可以通过这些属性定位
39.         self.iframe = self.driver.find_element(By.ID,'tcaptcha_iframe_dy')
40.         self.driver.switch_to.frame(self.iframe)
41.         self.slider = self.driver.find_element(By.XPATH, '/html/body/div/div[3]/div[2]/div[7]')
42.         self.sliderImg = self.driver.find_element(By.XPATH, '/html/body/div/div[3]/div[2]/div[1]/div[2]/div')
43.         sliderImg_background_image_url = self.sliderImg.value_of_css_property('background-image')
44.         sliderImg_background_image_url = sliderImg_background_image_url[5:len(sliderImg_background_image_url) - 3]
45.         resp = requests.get(sliderImg_background_image_url)
46.         with open('./sliderImg.png', 'wb') as f:
47.             f.write(resp.content)
48.         slider_background_image_url = self.slider.value_of_css_property('background-image')
49.         slider_background_image_url = slider_background_image_url[5:len(slider_background_image_url) - 3]
50.         resp = requests.get(slider_background_image_url)
51.         with open('./slider.png', 'wb') as f:
52.             f.write(resp.content)
53.         # 150,270
54.         # 500,600
55.         image = Image.open('./slider.png')
56.         bg = image.crop([130, 479, 272, 622])
57.         bg.save('slider.png')
58.         import ddddocr
59.         det = ddddocr.DdddOcr(det=False, ocr=True, show_ad=False)
60.         with open('slider.png', 'rb') as f:
61.             target_bytes = f.read()
62.         with open('sliderImg.png', 'rb') as f:
63.             background_bytes = f.read()
65.         res = det.slide_match(target_bytes, background_bytes, simple_target=True)
66.         print(res)
67.         self.distance = res['target'][0]
68.         self.left = self.slider.value_of_css_property('left').split('px')[0]
69.         self.left = eval(self.left)
70.         xoffset = int(self.distance * 0.51)
71.         print(xoffset)
72.         verify_img = cv2.imread('sliderImg.png')
73.         # 调用函数，得到x坐标
74.         x = get_pos(verify_img)
75.         x = int(x * 0.51) - 30
77.         # 实现拖拽滑动
78.         ActionChains(self.driver).click_and_hold(self.slider).perform()
79.         ActionChains(self.driver).move_by_offset(x, 0).perform()
80.         ActionChains(self.driver).release().perform()
81.         self.quit()
83.     # 关闭浏览器
84.     def quit(self):
85.         time.sleep(10)
86.         self.driver.quit()
90.     # main方法
91.     def main(self):
92.         self.Launch_browser()
94.         # self.cjy()
95.         # self.move()
96.         # self.quit()
99. # 定义一个处理图片缺口的函数，最后是返回x坐标，滑块移动不需要y坐标
100. def get_pos(image):
101.     # 首先使用高斯模糊去噪，噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉
102.     blurred = cv2.GaussianBlur(image, (5, 5), 0, 0)
104.     # 边缘检测，得到图片轮廓
105.     canny = cv2.Canny(blurred, 200, 400)  # 200为最小阈值，400为最大阈值，可以修改阈值达到不同的效果
107.     # 轮廓检测
108.     # cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图，此处canny已经是二值图
109.     # contours：所有的轮廓像素坐标数组，hierarchy 轮廓之间的层次关系
110.     contours, hierarchy = cv2.findContours(canny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
111.     # print(contours, hierarchy)
113.     for i, contour in enumerate(contours):  # 对所有轮廓进行遍历
114.         M = cv2.moments(contour)  # 并计算每一个轮廓的力矩(Moment)，就可以得出物体的质心位置
115.         # print(M)
116.         if M['m00'] == 0:
117.             cx = cy = 0
118.         else:
119.             # 得到质心位置，打印这个轮廓的面积和周长，用于过滤
120.             cx, cy = M['m10'] / M['m00'], M['m01'] / M['m00']
121.             print(cv2.contourArea(contour), cv2.arcLength(contour, True))
123.         # 判断这个轮廓是否在这个面积和周长的范围内
124.         if 5000 < cv2.contourArea(contour) < 8000 and 300 < cv2.arcLength(contour, True) < 500:
125.             print(cx)
126.             if cx < 300:
127.                 continue
128.             print(cv2.contourArea(contour))
129.             print(cv2.arcLength(contour, True))
131.             # 外接矩形，x，y是矩阵左上点的坐标，w，h是矩阵的宽和高
132.             x, y, w, h = cv2.boundingRect(contour)
134.             cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 画出矩行
135.             # cv2.imshow('image', image)
136.             cv2.imwrite('111.jpg', image)  # 保存
137.             return x
138.     return 0
139. if __name__ == '__main__':
140.     ma = main()
141.     ma.main()

复制代码

结果展示：

 
Tip：用的是腾讯提供的web端接入示例

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。