亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python+dddocr實現(xiàn)自動化通過多缺口滑塊驗證

 更新時間:2025年06月12日 10:05:32   作者:冷月半明  
滑塊驗證是一種常見的反爬蟲手段,多缺口滑塊驗證則是在背景圖上有多個缺口,滑塊需要精確拖動到正確的缺口位置,下面我們就來看看如何使用Python實現(xiàn)自動化通過多缺口滑塊驗證吧

一、什么是滑塊驗證

滑塊驗證是一種常見的反爬蟲手段,用戶需要按住滑塊拖動到指定位置,才能通過驗證。多缺口滑塊驗證則是在背景圖上有多個缺口,滑塊需要精確拖動到正確的缺口位置。

手動操作很簡單,但自動化通過卻難倒了不少爬蟲新手。本文將帶你用 Python + DrissionPage 實現(xiàn)自動化滑塊驗證。

二、核心思路

  • 識別滑塊和背景圖:獲取頁面上的滑塊和背景圖片。
  • 識別缺口位置:用 OCR 或圖像處理算法識別缺口的準確位置。
  • 模擬人類拖動滑塊:用代碼模擬鼠標按下、移動、釋放,完成滑塊驗證。

三、代碼實戰(zhàn)

1. 環(huán)境準備

  • Python 3.8+
  • DrissionPage
  • pillow(用于圖片處理)
  • ddddocr(滑塊識別)
pip install DrissionPage pillow ddddocr

2. 主要代碼結(jié)構(gòu)

2.1 滑塊識別核心:recognize_slider_distance

滑塊驗證的關(guān)鍵是如何準確識別滑塊需要移動的距離。下面詳細講解 recognize_slider_distance 的實現(xiàn)原理和代碼:

import base64
import numpy as np
from PIL import Image
import io
import ddddocr

def base64_decode(str):
    return base64.b64decode(str)

def slider_puzzle_qg(p_puzzle_path: str = ''):
    """
    將小拼圖去除透明邊緣,返回處理后的base64圖片和位置信息
    """
    image = Image.open(p_puzzle_path)
    width, height = image.size
    pixels = image.load()
    _a = 0  # 頂部透明行數(shù)
    _b = 0  # 有效拼圖高度
    _c = 0  # 底部透明行數(shù)
    k = []  # 有效像素
    buffered = io.BytesIO()
    for x in range(height):
        data_pixel = []
        for y in range(width):
            r, g, b, a = pixels[y, x]
            data_pixel += [(r, g, b, a)]
        NumPy_data_pixel = np.array(data_pixel)
        if np.all(NumPy_data_pixel == 0):
            if _b == 0:
                _a += 1
            else:
                if _c == 0:
                    new_image = Image.new('RGBA', (width, _b), color=(0, 0, 0, 0))
                    new_image.putdata(k)
                    new_image.save(buffered, format="PNG")
                _c += 1
        else:
            _b += 1
            k += data_pixel
    return {
        '最頂層-頂層距離': _a,
        '中間層-拼圖的高度': _b,
        '最底層-底層距離': _c,
        'base64': base64.b64encode(buffered.getvalue()).decode()
    }

def background_cutting(b_puzzle_path: str = '', b_size_h: int = 0, p_size_h: int = 0):
    """
    按小拼圖的高度切割背景圖,返回base64
    """
    image = Image.open(b_puzzle_path)
    width, height = image.size
    left, right = 0, width
    top, bottom = b_size_h, b_size_h + p_size_h
    cropped_image = image.crop((left, top, right, bottom))
    buffered = io.BytesIO()
    cropped_image.save(buffered, format="PNG")
    return {'base64': base64.b64encode(buffered.getvalue()).decode()}

def recognize_slider_distance(xiaopintu_path, beijingtu_path):
    """
    識別滑塊需要移動的距離
    :param xiaopintu_path: 小拼圖路徑
    :param beijingtu_path: 背景圖路徑
    :return: 滑動距離
    """
    det = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)
    xiaopintu_data = slider_puzzle_qg(p_puzzle_path=xiaopintu_path)
    beijingtu_data = background_cutting(b_puzzle_path=beijingtu_path, b_size_h=xiaopintu_data['最頂層-頂層距離'],
                                        p_size_h=xiaopintu_data['中間層-拼圖的高度'])
    res1 = det.slide_match(base64_decode(beijingtu_data['base64']), base64_decode(xiaopintu_data['base64']),
                           simple_target=True)
    res1 = res1['target'][0]
    # 為了更像人類操作,可以加一點偏移
    res = res1 * 1.1 - 4
    return res

原理說明:

  • 先用 slider_puzzle_qg 去除小拼圖的透明邊緣,獲得有效區(qū)域和高度。
  • background_cutting 按小拼圖的高度切割背景圖,獲得滑道。
  • 用 ddddocr 的 slide_match 方法,計算小拼圖在滑道中的最佳匹配位置(即缺口橫坐標)。
  • 最后加一點偏移,模擬人類誤差,防止被反爬蟲檢測。

2.2 登錄與滑塊拖動

下面是完整的登錄與滑塊拖動自動化代碼示例,適合新手理解:

import random
import time
import base64
from DrissionPage import Chromium, ChromiumOptions
from utils.ocr_util import recognize_slider_distance  # 上文已詳細講解
from service.logger import logger

# 創(chuàng)建瀏覽器實例
co = ChromiumOptions().set_browser_path(r'C:\Path\To\chrome.exe')
tab = Chromium().latest_tab

def base64_decode(data):
    return base64.b64decode(data + '==')

def login_with_slider(tab, username, password):
    try:
        # 1. 打開登錄頁面(URL已脫敏)
        tab.get('https://your-domain.com/login')
        # 2. 輸入賬號密碼
        username_ele = tab.ele('@@tag()=input@@placeholder=請輸入賬號')
        password_ele = tab.ele('@@tag()=input@@placeholder=請輸入密碼')
        username_ele.input(username)
        password_ele.input(password)
        # 3. 點擊登錄按鈕
        login_button = tab.ele('@@tag()=span@@text():登 錄')
        login_button.click(by_js=True)

        # 4. 獲取滑塊和背景圖片
        background_image_ele = tab.ele('@@tag()=div@@class=verify-img-panel').ele('@@tag()=img')
        gap_image_ele = tab.ele('@@tag()=div@@class=verify-sub-block').ele('@@tag()=img')
        xiaopintu_data = gap_image_ele.attr('src').split("data:image/png;base64,")[-1]
        background_img_data = background_image_ele.attr('src').split("data:image/png;base64,")[-1]
        with open('beijingtu.png', 'wb') as f:
            f.write(base64_decode(background_img_data))
        with open('xiaopintu.png', 'wb') as f:
            f.write(base64_decode(xiaopintu_data))

        # 5. 識別滑塊需要移動的距離
        distance = recognize_slider_distance(xiaopintu_path="xiaopintu.png", beijingtu_path="beijingtu.png")
        tab.wait.ele_displayed('@@tag()=div@@class=verify-move-block', timeout=10)
        slider = tab.ele('@@tag()=div@@class=verify-move-block').wait.clickable(timeout=10)
        if not slider:
            logger.error('未找到滑塊元素,請檢查類名或頁面結(jié)構(gòu)')
            return False
        else:
            tab.run_js('arguments[0].style.border="2px solid red"', slider)
            logger.info(' 找到滑塊元素,開始滑動')
            # 6. 獲取滑塊中心點坐標
            slider_rect = tab.run_js('''
                const rect = arguments[0].getBoundingClientRect();
                return {
                    x: rect.x + rect.width / 2,
                    y: rect.y + rect.height / 2
                }
            ''', slider)
            try:
                # 7. 用 JS 模擬鼠標事件拖動滑塊
                tab.run_js('''
                    function simulateMouseEvent(element, eventType, x, y) {
                        const event = new MouseEvent(eventType, {
                            view: window,
                            bubbles: true,
                            cancelable: true,
                            clientX: x,
                            clientY: y
                        });
                        element.dispatchEvent(event);
                    }
                    const slider = arguments[0];
                    const startX = arguments[1];
                    const startY = arguments[2];
                    const distance = arguments[3];
                    simulateMouseEvent(slider, 'mousedown', startX, startY);
                    const segments = 5;
                    const segmentDistance = distance / segments;
                    let currentX = startX;
                    for (let i = 0; i < segments; i++) {
                        currentX += segmentDistance;
                        simulateMouseEvent(slider, 'mousemove', currentX, startY);
                    }
                    currentX -= 5;
                    simulateMouseEvent(slider, 'mousemove', currentX, startY);
                    simulateMouseEvent(slider, 'mouseup', currentX, startY);
                ''', slider, slider_rect['x'], slider_rect['y'], distance)
                logger.info(' 滑動操作已發(fā)送')
                time.sleep(1)
            except Exception as e:
                logger.error(f' 滑動出錯: {e}')
                return False
        # 8. 后續(xù)驗證、UKey等操作略
        return True
    except Exception as e:
        logger.error(f"登錄失敗,錯誤信息:{e}")
        return False

代碼說明:

步驟1-3:自動化輸入賬號、密碼并點擊登錄。

步驟4:獲取滑塊和背景圖片,保存為本地文件。

步驟5:調(diào)用 recognize_slider_distance 識別滑塊需要移動的距離。

步驟6:獲取滑塊元素的中心點坐標。

步驟7:用 JavaScript 分段模擬鼠標拖動滑塊,模擬人類操作。此處也可以使用drisionpage操作元素例如:

# 向右移動鼠標
# tab_.actions.right(distance - 10)
time.sleep(0.05)
# tab_.actions.right(10)

步驟8:后續(xù)如UKey驗證等可根據(jù)實際需求補充。

3. 關(guān)鍵技術(shù)點說明

  • 圖片識別recognize_slider_distance 利用 ddddocr 的滑塊識別能力,極大簡化了滑塊距離的計算。
  • 圖片預(yù)處理:去除透明邊緣、切割滑道,是提升識別準確率的關(guān)鍵。
  • JS 模擬鼠標事件:直接用 JS 觸發(fā) mousedown、mousemove、mouseup,比傳統(tǒng)動作鏈更容易繞過部分反爬蟲。
  • 分段移動:模擬人手抖動,分多段移動更像真人。
  • 異常處理:每一步都要加 try/except,方便調(diào)試。

四、常見問題與排查

1.滑塊沒動?

  • 檢查元素選擇器是否準確。
  • 檢查 JS 事件是否被頁面攔截。
  • 嘗試加大分段數(shù),或調(diào)整每段距離。

2.識別距離不準?

  • 檢查圖片保存是否完整。
  • 調(diào)整識別算法參數(shù)。
  • 檢查小拼圖和背景圖的預(yù)處理是否正確。

3.驗證失???

  • 檢查是否有額外的行為驗證(如軌跡分析、行為分析)。
  • 嘗試加大拖動時間,模擬更慢的拖動。

五、總結(jié)

自動化通過多缺口滑塊驗證并不神秘,關(guān)鍵在于:

  • 正確識別滑塊和缺口位置(圖片預(yù)處理+滑塊識別)
  • 用 JS 或動作鏈模擬真實拖動
  • 多調(diào)試、多嘗試,遇到問題多看日志

到此這篇關(guān)于Python+dddocr實現(xiàn)自動化通過多缺口滑塊驗證的文章就介紹到這了,更多相關(guān)Python滑塊驗證內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python應(yīng)用實現(xiàn)雙指數(shù)函數(shù)及擬合代碼實例

    Python應(yīng)用實現(xiàn)雙指數(shù)函數(shù)及擬合代碼實例

    這篇文章主要介紹了Python應(yīng)用實現(xiàn)雙指數(shù)函數(shù)及擬合代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-06-06
  • Python小工具之消耗系統(tǒng)指定大小內(nèi)存的方法

    Python小工具之消耗系統(tǒng)指定大小內(nèi)存的方法

    今天小編就為大家分享一篇Python小工具之消耗系統(tǒng)指定大小內(nèi)存的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • 用python修改excel表某一列內(nèi)容的操作方法

    用python修改excel表某一列內(nèi)容的操作方法

    這篇文章主要介紹了用python修改excel表某一列內(nèi)容的操作代碼,在實現(xiàn)過程中用到openpyxl這個庫,要生成隨機數(shù)就要有random這個庫,具體代碼跟隨小編一起看看吧
    2021-06-06
  • Python通用函數(shù)實現(xiàn)數(shù)組計算的方法

    Python通用函數(shù)實現(xiàn)數(shù)組計算的方法

    數(shù)組的運算可以進行加減乘除,同時也可以將這些算數(shù)運算符進行任意的組合已達到效果。這篇文章主要介紹了Python通用函數(shù)實現(xiàn)數(shù)組計算的代碼,非常不錯,具有一定的參考借鑒價值,需要的朋友參考下吧
    2019-06-06
  • Django多數(shù)據(jù)庫配置及逆向生成model教程

    Django多數(shù)據(jù)庫配置及逆向生成model教程

    這篇文章主要介紹了Django多數(shù)據(jù)庫配置及逆向生成model教程,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-03-03
  • python實現(xiàn)簡單的超市商品銷售管理系統(tǒng)

    python實現(xiàn)簡單的超市商品銷售管理系統(tǒng)

    這篇文章主要為大家詳細介紹了python實現(xiàn)超市商品銷售管理系統(tǒng),文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2019-11-11
  • 利用python實現(xiàn)簡單的情感分析實例教程

    利用python實現(xiàn)簡單的情感分析實例教程

    商品評論挖掘、電影推薦、股市預(yù)測……情感分析大有用武之地,下面這篇文章主要給大家介紹了關(guān)于利用python實現(xiàn)簡單的情感分析的相關(guān)資料,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下
    2022-06-06
  • python之multimethod包多分派解讀

    python之multimethod包多分派解讀

    這篇文章主要介紹了python之multimethod包多分派問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-08-08
  • Pytorch中實現(xiàn)CPU和GPU之間的切換的兩種方法

    Pytorch中實現(xiàn)CPU和GPU之間的切換的兩種方法

    本文主要介紹了Pytorch中實現(xiàn)CPU和GPU之間的切換的兩種方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-01-01
  • django用戶登錄驗證的完整示例代碼

    django用戶登錄驗證的完整示例代碼

    這篇文章主要給大家介紹了關(guān)于django用戶登錄驗證的相關(guān)資料,文中通過示例代碼介紹的非常詳細,對大家學(xué)習(xí)或者使用Spring django具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-07-07

最新評論