抖音web端 s_v_web_id 参数生成分析与实现
本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰，更不会影响计算机信息系统的正常运行。不得将代码用于非法用途，如侵立删！
抖音web端 s_v_web_id 参数生成分析与实现
操作环境
win10
Python3.9
分析
s_v_web_id 作用：web端使用滑块后的s_v_web_id 参数可以实现免signature验证 s_v_web_id 生成：在验证码中间页的html中的fp参数就是s_v_web_id 详细介绍这边就不在赘述，可以参考下玺佬的文章：s_v_web_id介绍 生成方案：
Python + selenium 自动化过滑块
RPC远程调用自动，验证滑块
这两种方案有个前提是页面必须出现滑块才可以（之前搜素视频会强制滑块效验），具体过滑块的方法玺佬都已经分享过。 现在应该是web端有更新，现在搜索页面只有综合会出点选验证，视频和用户页面都没有强制滑块验证了，清cookie和开无痕都没办法触发滑块，经过几天的分析研究出以下方案 最新解决方案：
通过js生成滑块s_v_web_id
识别滑块
生成验证参数并验证
验证通过后就可正常使用了
通过js生成滑块s_v_web_id
function create_s_v_web_id() {
var e = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz".split("")
, t = e.length
, n = (new Date).getTime().toString(36)
, r = [];
r[8] = r[13] = r[18] = r[23] = "_",
r[14] = "4";
for (var o, i = 0; i < 36; i++)
r[i] || (o = 0 | Math.random() * t,
r[i] = e[19 == i ? 3 & o | 8 : o]);
return "verify_" + n + "_" + r.join("")
}
此方法生成的s_v_web_id是不可以用来采集评论的，评论验证使用的s_v_web_id需要从页面取下来，然后在拿着过滑块，此处再次感谢玺佬@李玺
识别滑块
def calculate_distance(self, pic1_path, pic2_path):
"""
计算滑块到缺口的距离
"""
img1 = self.clear_white(pic1_path)
img1 = CV2.cvtColor(img1, CV2.COLOR_RGB2GRAY)
slide = CV2.Canny(img1, 100, 200)
img2 = CV2.imread(pic2_path, 0)
back = CV2.Canny(img2, 100, 200)
slide_pic = CV2.cvtColor(slide, CV2.COLOR_GRAY2RGB)
back_pic = CV2.cvtColor(back, CV2.COLOR_GRAY2RGB)
x, y = self.template_match(slide_pic, back_pic)
dis_x = int((x + 5) * (340 / 552))
dis_y = int(y * (340 / 552))
return dis_x, dis_y
def get_tracks(self, distance, _y):
"""
获取轨迹参数
"""
tracks = list()
y, v, t, current = 0, 0, 1, 0
mid = distance * 3 / 4
exceed = random.randint(40, 90)
z = random.randint(30, 150)
while current < (distance + exceed):
if current < mid / 2:
a = 2
elif current < mid:
a = 3
else:
a = -3
a /= 2
v0 = v
s = v0 * t + 0.5 * a * (t * t)
current += int(s)
v = v0 + a * t
y += random.randint(-3, 3)
z = z + random.randint(5, 10)
tracks.append([min(current, (distance + exceed)), y, z])
while exceed > 0:
exceed -= random.randint(0, 5)
y += random.randint(-3, 3)
z = z + random.randint(5, 9)
tracks.append([min(current, (distance + exceed)), y, z])
tr = []
for i, x in enumerate(tracks):
tr.append({
'x': x[0],
'y': _y,
'relative_time': x[2]
})
return tr
生成验证参数并验证
captchaBody需要js生成
def captcha_verify(self, s_v_web_id, captchaBody):
url = "aHR0cHM6Ly92ZXJpZnkuc25zc2RrLmNvbS9jYXB0Y2hhL3ZlcmlmeQ=="
params = {
"os_type": "2",
"fp": s_v_web_id,
"subtype": "slide",
}
data = {
'captchaBody': captchaBody
}
r = self._parse_url(url=url, params=params, data=json.dumps(data))
return r.json()
效果
识别率成功率还是可以的
本文仅供学习交流使用，如侵立删！
