Python实现滑块验证码详解

简介

滑块验证码是当前主流的验证码之一，其通过让用户拖动滑块来验证身份，比传统的输入验证码更加便捷和直观。因此在很多网站中都广泛应用。

实现流程

1. 获取验证码图片

首先，需要从验证码接口或者其他途径获取验证码图片。一般来说，验证码图片都是由字符或者数字组成的图片，而滑块通常是一张带有缺口的验证码图片。

2. 切分验证码图片

将获取到的验证码图片进行切分，分为包含滑块的图片部分和滑块部分两组图片。

其中，包含滑块的图片部分且不包含滑块缺口的一侧为背景图片部分，另外一侧分别为滑块位置的原图和滑块的验证图。

3. 模板匹配

使用模板匹配算法，通过比对滑块验证图和包含滑块的原图的相似度，以此来得出滑块在原图中的位置。

通过一些基本的计算，可以得到滑块移动的距离，即为滑块实际距离 - 滑块原本位置的距离。

示例1：通过OpenCV实现

import cv2
import numpy as np

BG_PATH = 'screenshot_bg.png'
SLIDER_PATH = 'screenshot_slider.png'

class Verifier:

    def __init__(self):
        self.bg = cv2.imread(BG_PATH)
        self.slider = cv2.imread(SLIDER_PATH)
        self.width, self.height = self.bg.shape[:2]
        self.temp = 'temp.jpg'

    def find_slider(self):
        result = cv2.matchTemplate(self.bg, self.slider, cv2.TM_CCOEFF_NORMED)
        return np.where(result >= 0.98)

    def cut_image(self, img, x, y, w, h):
        return img[y:y + h, x:x + w]

    def detect_slider_position(self):
        x, y = self.find_slider()
        x, y = int(x[0]), int(y[0])
        # 滑块位置
        slider = self.cut_image(self.bg, x, y, 75, 45)
        cv2.imwrite(self.temp, slider)
        # 滑块验证图
        slider_img = cv2.imread(self.temp)
        # 包含滑块的原图
        bg = self.cut_image(self.bg, 0, 0, x + 75, self.height)
        res = cv2.matchTemplate(bg, slider_img, cv2.TM_CCOEFF_NORMED)
        x, *_ = np.where(res > 0.9)
        distance = x[0]
        print('距离为:', distance)

v = Verifier()
v.detect_slider_position()

在这个示例中，我们使用了OpenCV库对验证码进行切分，返回滑块在原图中的位置，并计算出滑块的移动距离。

示例2：通过Selenium和Pillow实现

from io import BytesIO

from selenium import webdriver
from PIL import Image

DRIVER_PATH = 'chromedriver.exe'
URL = 'https://www.geetest.com/demo/slide-popup.html'

class Verifier:

    def __init__(self):
        self.driver = webdriver.Chrome(DRIVER_PATH)

    def get_screenshot(self):
        # 获取滑块页面的截图
        screenshot = self.driver.get_screenshot_as_png()
        screenshot = Image.open(BytesIO(screenshot))
        return screenshot

    def get_position(self):
        # 获取滑块图片，并得到滑块在原图中的位置
        screenshot = self.get_screenshot()
        captcha_img = screenshot.crop((690, 390, 1030, 510))
        background_img = screenshot.crop((0, 0, 690, 510))
        captcha_img.save('captcha.jpg')
        background_img.save('background.jpg')
        captcha = Image.open('captcha.jpg')
        bg = Image.open('background.jpg')
        res = Image.fromarray(np.array(bg) - np.array(captcha))
        res.save('res.jpg')
        w, h = captcha.size
        for distance in range(w):
            for i in range(h):
                r, g, b = captcha.getpixel((distance, i))
                if r < 60 and g < 60 and b < 60:
                    print('距离为:', distance)
                    return distance

    def move_slider(self, distance):
        # 拖动滑块
        slider = self.driver.find_element_by_css_selector('.geetest_slider_button')
        webdriver.ActionChains(self.driver).click_and_hold(on_element=slider).perform()
        webdriver.ActionChains(self.driver).move_by_offset(xoffset=distance - 7, yoffset=0).perform()
        webdriver.ActionChains(self.driver).release(on_element=slider).perform()

v = Verifier()
v.driver.get(URL)
v.get_position()
v.move_slider(210)

在这个示例中，我们使用了Selenium库模拟用户滑动验证码操作，并使用了Pillow库对验证码进行切分。

总结

本文从实现流程出发，给出了两个示例代码，演示了如何通过代码实现滑块验证码。在实现过程中，我们利用了图像处理技术，使用模板匹配算法得出了滑块在原图中的位置，并根据计算得到了滑块的移动距离。