Python爬虫第22节- 结合Selenium识别滑动验证码实战_python爬虫滑动验证码
目录
一、引言
二、滑动验证码原理与反爬机制
2.1 验证码原理
2.2 反爬机制
三、工程实战：滑动验证码识别全流程
3.1 工程准备
3.1.1 环境依赖
3.1.2 目标网站与验证码识别案例
3.2 核心破解流程
3.2.1 自动化打开网页与登录
3.2.2 获取验证码图片（适配缩放）
3.2.3 识别缺口左边缘
3.2.4 计算滑动距离（左边缘对齐）
3.2.5 生成自然滑动轨迹与回弹
3.2.6 按轨迹移动滑块
3.2.7 主流程整合
结语
🎬 攻城狮7号：个人主页
🔥 个人专栏: 《python爬虫教程》
⛺️ 君子慎独!
🌈 大家好，欢迎来访我的博客！
⛳️ 此篇文章主要介绍 滑动验证码 的识别
📚 本期文章收录在《python爬虫教程》，大家有兴趣可以自行查看！
⛺️ 欢迎各位 ✔️ 点赞 👍 收藏 ⭐留言 📝！
一、引言
随着互联网安全需求的提升，滑动验证码（Slider Captcha）已成为各大网站防止自动化攻击和恶意爬虫的主流手段之一。相比传统的字符型验证码，滑动验证码通过人机交互和行为轨迹分析，大幅提升了破解难度。对于自动化测试、数据采集和安全研究者来说，如何精准识别和模拟滑动验证码，是一项极具挑战性的工程任务。
本章将以实际工程代码为主线，系统讲解结合Selenium知识进行滑动验证码的识别与破解流程（不懂Selenium的请自行学习前面章节），涵盖原理分析、反爬机制、核心代码实现、调试技巧、常见问题与工程实战经验，帮助读者掌握滑动验证码自动化识别的全流程。
二、滑动验证码原理与反爬机制
2.1 验证码原理
滑动验证码的基本流程是：
（1）用户在页面上看到一张带有缺口的图片和一个可拖动的滑块。
（2）用户需要按住滑块，将其拖动到缺口处，使图片拼合完整。
（3）系统通过前端和后端双重校验，判断滑块是否准确对齐缺口，并分析拖动轨迹是否自然。
滑动验证码的常见类型有：
- 拼图型滑动验证码：最常见，用户需将滑块拖到缺口处。
- 轨迹型滑动验证码：要求用户沿特定轨迹拖动滑块。
- 多步验证型：滑动后还需输入字符或完成其他操作。
2.2 反爬机制
滑动验证码的反爬机制主要包括：
- 轨迹分析：检测滑块移动轨迹是否自然（加速度、抖动、停顿等）。
- 环境检测：检测浏览器指纹、User-Agent、Cookie、Referer 等参数。
- 图片混淆：验证码图片可能经过切片、加密、canvas 绘制等处理。
- 行为识别：分析鼠标事件、点击频率、页面交互等行为特征。
破解滑动验证码的难点在于：
- 缺口识别：需精准定位缺口左边缘，避免阴影、边框等干扰。
- 轨迹模拟：需生成近似人类的加速-减速轨迹，并加入微小抖动和回弹。
- 环境伪装：需伪装浏览器指纹、请求头等，防止被反爬机制识别。
三、工程实战：滑动验证码识别全流程
接下来详细讲解滑动验证码识别与破解的完整工程流程。
3.1 工程准备
3.1.1 环境依赖
- Python 3.x
- Selenium
- Pillow (PIL)
- Chrome 浏览器及 ChromeDriver
安装依赖：
pip install selenium pillow3.1.2 目标网站与验证码识别案例
以保险公司产品查询系统（ 财产保险公司自主注册产品查询V1.0.0 ）为例，登录页面集成了典型的拼图型滑动验证码。验证码区域如图所示：
下面是实现滑动验证码识别的动图（滑动的速度可以自行调整）：
那么我们是如何实现的呢，那请看下面内容分析
3.2 核心破解流程
3.2.1 自动化打开网页与登录
首先，使用 Selenium 自动化打开目标网页，随便输入用户名和密码，点击登录按钮，触发滑动验证码弹窗。下面是定位用户名密码框输入模拟登录操作
from selenium import webdriver # 导入Selenium库，用于自动化浏览器操作from selenium.webdriver.common.by import By # 用于元素定位from selenium.webdriver.support.ui import WebDriverWait # 显式等待，确保元素加载完成from selenium.webdriver.support import expected_conditions as EC # 等待条件from selenium.webdriver import ActionChains # 用于模拟鼠标拖动等复杂操作from PIL import Image, ImageDraw # 图像处理库，用于截图和画辅助线import time # 时间控制class CrackSlider(): def __init__(self): self.url = \"https://cxcx.iachina.cn/\" # 目标网站 self.chrome_options = webdriver.ChromeOptions() # 创建Chrome配置对象 self.chrome_options.add_experimental_option(\'excludeSwitches\', [\'enable-automation\']) # 隐藏自动化标识，降低被检测风险 self.browser = webdriver.Chrome(options=self.chrome_options) # 启动Chrome浏览器 self.browser.maximize_window() # 最大化窗口，防止截图区域不全 self.wait = 2 # 默认等待时间（秒） def open(self): self.browser.get(self.url) # 打开目标网页 time.sleep(self.wait) # 等待页面加载 def input_login_info(self): myname = self.browser.find_element(By.XPATH, \"/html/body/form/div/div[2]/div[1]/input[1]\") # 定位用户名输入框 myname.send_keys(\"1111\") # 输入用户名 mycode = self.browser.find_element(By.XPATH, \'//*[@id=\"passWord\"]\') # 定位密码输入框 mycode.send_keys(\"1111\") # 输入密码 time.sleep(2) # 等待输入完成 def click_login(self): button = self.browser.find_element(By.XPATH, \'/html/body/form/div/div[3]/input[5]\') # 定位登录按钮 button.click() # 点击登录 time.sleep(2) # 等待滑动验证码弹出实现思路与设计原因：
- 采用Selenium自动化浏览器，能够真实模拟用户操作，绕过大部分前端反爬机制。
- 显式等待和sleep结合，确保页面元素加载和渲染完成，避免截图黑屏或元素未找到。
- 最大化窗口和隐藏自动化标识，有助于提升截图准确性和通过率。
3.2.2 获取验证码图片（适配缩放）
验证码图片通常经过缩放或高分屏渲染，需获取 devicePixelRatio 并裁剪出验证码区域。
screenshot_all.png
def get_captcha_image(self, filename): wait = WebDriverWait(self.browser, 10) # 显式等待，确保验证码图片元素可见 element = wait.until(EC.visibility_of_element_located((By.XPATH, \'//*[@id=\"slideBar\"]/div/div[1]/div[2]/div[2]/div[1]\'))) time.sleep(2) # 等待图片渲染，防止截图为黑色 self.device_pixel_ratio = self.browser.execute_script(\'return window.devicePixelRatio\') # 获取浏览器缩放比例 location = element.location # 获取验证码图片左上角坐标（页面坐标） size = element.size # 获取验证码图片宽高 left = location[\'x\'] * self.device_pixel_ratio # 左坐标（页面坐标*缩放） top = location[\'y\'] * self.device_pixel_ratio # 上坐标 right = left + size[\'width\'] * self.device_pixel_ratio # 右坐标 bottom = top + size[\'height\'] * self.device_pixel_ratio # 下坐标 self.browser.save_screenshot(\"screenshot_all.png\") # 截取全屏 im = Image.open(\"screenshot_all.png\") # 打开截图 img = im.crop((left, top, right, bottom)) # 裁剪验证码区域 img.save(filename) # 保存验证码图片 return img # 返回PIL.Image对象实现思路与设计原因：
- 通过显式等待和sleep，确保验证码图片已完全渲染，避免截图黑屏。
- 获取devicePixelRatio，适配高分屏和浏览器缩放，保证裁剪区域与实际验证码一致。
- 先全屏截图再裁剪，兼容所有浏览器和页面布局。
3.2.3 识别缺口左边缘
通过对比\"无缺口\"和\"有缺口\"两张图片，遍历像素，找出差异最大的区域，确定缺口左边缘。
def get_gap(self, image1, image2): beforecode = image1.convert(\"L\") # 转为灰度图，简化像素对比 aftercode = image2.convert(\"L\") # 转为灰度图 threshold = 60 # 像素差阈值，调节灵敏度 width = beforecode.size[0] # 图片宽度 height = beforecode.size[1] # 图片高度 diff_w = [] # 存储所有差异点的横坐标 for h in range(0, height): # 遍历每一行 for w in range(int(round(width/3,0)), width): # 从1/3宽度开始，避开左侧干扰 beforepixel = beforecode.getpixel((w,h)) # 获取无缺口像素 afterpixel = aftercode.getpixel((w,h)) # 获取有缺口像素 if abs(beforepixel - afterpixel) > threshold: # 差异大于阈值 diff_w.append(w) # 记录差异点横坐标 if diff_w: gap_left = min(diff_w) # 差异区间左边界 gap_right = max(diff_w) # 差异区间右边界 gap_center = (gap_left + gap_right) // 2 # 取中心点 return gap_left, gap_center # 返回左边缘和中心 return 0, 0 # 未找到则返回0实现思路与设计原因：
- 灰度化处理简化像素对比，提升识别速度和鲁棒性。
- 只遍历右侧2/3区域，避开左侧logo或干扰元素。
- 统计所有差异点，取最左为gap_left，最右为gap_right，中心为gap_center。
- 返回gap_left用于滑块左边缘对齐，gap_center用于调试和可视化。
3.2.4 计算滑动距离（左边缘对齐）
滑块左边缘应对齐缺口左边缘，滑动距离为：
gap_left, gap_center = self.get_gap(image1, image2) # 获取缺口左边缘和中心 captcha_left = captcha_element.location[\'x\'] * self.device_pixel_ratio # 验证码图片左上角页面坐标 gap_left_page = captcha_left + gap_left # 缺口左边缘页面坐标 slider_left = slider_location[\'x\'] * self.device_pixel_ratio # 滑块左边缘页面坐标 move_distance = gap_left_page - slider_left # 实际需要滑动的距离实现思路与设计原因：
- 所有坐标都统一为页面坐标并乘以devicePixelRatio，避免缩放误差。
- 滑块左边缘对齐缺口左边缘，符合大多数滑动验证码的判定逻辑。
- move_distance为正，表示向右滑动。
3.2.5 生成自然滑动轨迹与回弹
轨迹需模拟人类加速-减速运动，并在末尾加入回弹和微小抖动。
def get_track(self, distance): if distance <= 0: return [0] # 距离为0直接返回 track = [] # 存储每次移动的距离 current = 0 # 当前位移 mid = distance * 4 / 5 # 前4/5为加速，后1/5为减速 t = 0.2 # 时间间隔 v = 0 # 初速度 while current < distance: # 未到目标距离 if current 0: track[-1] = int(round(distance - sum(track[:-1]))) # 修正最后一步 if abs(sum(track) - distance) > 1: track.append(int(distance - sum(track))) # 再次修正 return track实现思路与设计原因：
- 轨迹分为加速和减速两段，模拟人手自然运动。
- 每步位移用物理公式计算，提升轨迹真实性。
- 最后一步修正，确保总距离精确。
- 可在轨迹末尾加微小抖动和回弹，进一步提升\"人味\"。
轨迹末尾加回弹：
track = self.get_track(move_distance) # 生成主轨迹track.extend([3, -2, 1, -1]) # 加入回弹和微调3.2.6 按轨迹移动滑块
def move_to_gap(self, slider, tracks): actions = ActionChains(self.browser) # 创建动作链 actions.click_and_hold(slider).perform() # 按住滑块 for x in tracks: actions.move_by_offset(xoffset=x, yoffset=0).perform() # 拖动滑块 time.sleep(1) # 停顿，模拟人类松手前的停留 actions.release().perform() # 松开滑块，完成验证实现思路与设计原因：
- 使用ActionChains模拟鼠标按住、拖动、松开全过程。
- 每步移动后立即执行，模拟真实鼠标拖动。
- 松手前适当停顿，提升通过率。
3.2.7 主流程整合
beforecode.png（获取的无缺口图片）
aftercode.png（获取的缺口图片）
def crack(self): self.open() # 打开网页 self.input_login_info() # 输入用户名和密码 self.click_login() # 点击登录，弹出验证码 image1 = self.get_captcha_image(\'beforecode.png\') # 获取无缺口图片 slider = self.get_slider() # 获取滑块元素 slider.click() # 点击滑块，显示缺口 time.sleep(3) # 等待缺口图片渲染 image2 = self.get_captcha_image(\'aftercode.png\') # 获取带缺口图片 gap_left, gap_center = self.get_gap(image1, image2) # 识别缺口左边缘和中心 captcha_element = self.browser.find_element(By.XPATH, \'//*[@id=\"slideBar\"]/div/div[1]/div[2]/div[2]/div[1]\') # 验证码元素 captcha_left = captcha_element.location[\'x\'] * self.device_pixel_ratio # 验证码左上角页面坐标 gap_left_page = captcha_left + gap_left # 缺口左边缘页面坐标 slider_location = slider.location # 滑块左上角页面坐标 slider_size = slider.size # 滑块宽高 slider_left = slider_location[\'x\'] * self.device_pixel_ratio # 滑块左边缘页面坐标 slider_center = slider_left + slider_size[\'width\'] * self.device_pixel_ratio / 2 # 滑块中心页面坐标 move_distance = gap_left_page - slider_left # 需要滑动的距离 print(f\"gap_left (in image): {gap_left}\") print(f\"gap_center (in image): {gap_center}\") print(f\"captcha_left (page): {captcha_left}\") print(f\"gap_left_page: {gap_left_page}\") print(f\"slider_left: {slider_left}\") print(f\"slider_center: {slider_center}\") print(f\"move_distance (left edge align): {move_distance}\") img1_debug = image1.copy() # 调试用图片 img2_debug = image2.copy() self.draw_debug_line(img1_debug, gap_left, \'green\', \'beforecode_debug.png\') # 画缺口左边缘 self.draw_debug_line(img1_debug, gap_center, \'red\', \'beforecode_debug.png\') # 画缺口中心 self.draw_debug_line(img2_debug, gap_left, \'green\', \'aftercode_debug.png\') self.draw_debug_line(img2_debug, gap_center, \'red\', \'aftercode_debug.png\') slider_center_in_img = int(slider_center - captcha_left) # 滑块中心在图片内的横坐标 self.draw_debug_line(img1_debug, slider_center_in_img, \'blue\', \'beforecode_debug.png\') # 画滑块中心 track = self.get_track(move_distance) # 生成轨迹 track.extend([3, -2, 1, -1]) # 加入回弹 print(f\"track: {track}\") print(f\"track sum: {sum(track)}\") self.move_to_gap(slider, track) # 拖动滑块 time.sleep(2) # 等待验证结果 self.browser.close() # 关闭浏览器实现思路与设计原因：
- 主流程串联所有步骤，自动化完成验证码识别与破解。
- 关键变量和调试图片便于排查问题和优化算法。
- 结构清晰，便于扩展和维护。
结语
滑动验证码的自动识别与破解，是自动化测试、数据采集和安全攻防领域的经典难题。本文以实际工程代码为主线，系统梳理了滑动验证码的原理、反爬机制、识别与破解流程、核心算法实现、调试技巧与工程经验。通过对缺口识别、轨迹生成、滑块模拟等关键环节的逐步剖析，我们不仅掌握了破解滑动验证码的技术细节，也深入理解了背后的安全逻辑与攻防博弈。
在实际工程中，滑动验证码的样式和反爬机制会不断演化，破解方法也需灵活调整。面对更复杂的验证码（如canvas绘制、AI行为识别、图片加密等），我们可以结合深度学习、图像处理、浏览器指纹伪装等多种手段，不断提升自动化能力。
滑动验证码的研究，不仅有助于提升自动化测试和数据采集的效率，更有助于理解Web安全、反爬机制和人机交互的前沿发展。希望本章内容能为你的工程实践和技术探索提供有力参考。未来，随着AI与安全技术的持续进步，滑动验证码的攻防也将更加精彩，期待你在实践中不断创新、持续精进！
看到这里了还不给博主点一个：
⛳️ 点赞☀️收藏 ⭐️ 关注！
💛 💙 💜 ❤️ 💚💓 💗 💕 💞 💘 💖
再次感谢大家的支持！
你们的点赞就是博主更新最大的动力！
