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！

多缺口滑块验证demo

环境

• win10

• Python3.9

分享一下项目中碰到的一个多缺口滑块验证，先触发一下滑块抓包分析一下是用的哪一家滑块

经过分析发现不是用的顶象或数美，验证图片的接口地址是他自己的的一个接口，应该是自己写的验证，往有经验的大佬指点下。 抓到滑块图片地址，是经过加密的，通过canvas绘画至页面，始终没有找到真实的url，用最笨的方法直接在页面截图

   def get_v3(self):
       # 新开一个窗口，通过执行js来新开一个窗口（有奇效，可以不被检测到）
       js = 'window.open("https://www.vivo.com.cn/service/mobilePhoneAuthenticityCheck/query");'
       self.driver.execute_script(js)
       # 切换窗口
       self.driver.switch_to.window(self.driver.window_handles[1])
       IMEI = "862056063123458"
       # 定位输入框
       phone_IMEI = self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[@id="phone_IMEI"]')))
       phone_IMEI.send_keys(IMEI)
       # 勾选复选框
       self.wait.until(EC.presence_of_element_located((By.XPATH, '/html/body/main/div[2]/div/p/span'))).click()
       # 点击立即查询
       self.wait.until(EC.presence_of_element_located((By.XPATH, '//*[@id="query_IMEI"]'))).click()
       # 定位滑块图片
       # 必须先遍历一遍页面所有元素，否则找不到新弹出的滑块元素
       self.web_driver_wait_ruishu(10, "class", 'dx_captcha dx_captcha_loading-style-popup dx_captcha_basic dx_captcha-type-basic dx_captcha_basic-style-popup')
       print("定位到滑块弹窗")
       dx_captcha = self.wait.until(EC.presence_of_all_elements_located((By.XPATH, '/html/body/div/div/div[2]/div[2]/div[1]/div[2]/div[2]')))
       print(len(dx_captcha))
       if len(dx_captcha) > 1:
           dx_captcha = dx_captcha[-1]
       else:
           dx_captcha = dx_captcha[0]
       # 截图
       dx_captcha.screenshot(self.bgImg_path)

剩下的就是识别缺口距离了，并生成移动轨迹

@staticmethod
   def clear_white(img):
       """清除图片的空白区域，这里主要清除滑块的空白"""
       img = CV2.imread(img)
       rows, cols, channel = img.shape
       min_x = 255
       min_y = 255
       max_x = 0
       max_y = 0
       for x in range(1, rows):
           for y in range(1, cols):
               t = set(img[x, y])
               if len(t) >= 2:
                   if x <= min_x:
                       min_x = x
                   elif x >= max_x:
                       max_x = x

                   if y <= min_y:
                       min_y = y
                   elif y >= max_y:
                       max_y = y
       img1 = img[min_x:max_x, min_y: max_y]
       return img1

   @staticmethod
   def template_match(tpl, target):
       th, tw = tpl.shape[:2]
       result = CV2.matchTemplate(target, tpl, CV2.TM_CCOEFF_NORMED)
       min_val, max_val, min_loc, max_loc = CV2.minMaxLoc(result)
       tl = max_loc
       br = (tl[0] + tw, tl[1] + th)
       CV2.rectangle(target, tl, br, (0, 0, 255), 2)
       return tl[0], tl[1]

   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)
       # 滑块在图片上的位置
       x, y = self.template_match(slide_pic, back_pic)
       # 滑块到缺口的距离
       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

效果

本文仅供学习交流使用，如侵立删！