文章日期：2024.07.25

使用工具：Python

文章类型：自动化过简书滑块

文章全程已做去敏处理！！！  【需要做的可联系我】 

AES解密处理（直接解密即可）（crypto-js.js 标准算法）：​​​​​​在线AES加解密工具

【点赞 收藏 关注 】仅供学习，仅供学习。

注意：简书的滑块不仅可以用selenium，也可以直接代码跳过，本文只讲解selenium跳过滑块，勿喷

今天用Python 的 selenium模块，自动化过简书滑块验证，来看视频，滑块验证后出现的页面找不到是因为我直接调用了简书的验证地址，意思是我直接打开了简书的人机验证页面，当我验证成功过后就会出现页面找不到，正常的。

1、首先这个滑块不能直接用OCR识别，需要把图片经过处理才能用COR识别，你看下面的图，如果直接用OCR识别会导致识别出错误的坐标，可能真人去操作都会出错，但经过处理就不会

2、怎么处理呢，看下面的图（PNG），大家应该都知道PNG透明像素是【(0, 0, 0, 0)】，而非透明部分应该是【(0,0,0,此处非0)】，为了更精准，只需要判断最后一位数，只要不低于5-10.就表示此处是非透明像素点，哪就可以证明它是已经检测到了小拼图的位置，由此可以得出拼图位于顶部的高度。小拼图自身的高度可以通过，向下继续检测，当第四位像素点是低于5-10的时候，就表示此处是小拼图的底部了，由此也可得出小拼图的高度。剩下的就不需要检测了，直接跳过即可，如果有需要，那可以通过总拼图的高度减去小拼图的顶部高度和自身高度，也就能得出小拼图距离底部的高度了。

 3、放简单了来说，我们只要这个【滑道背景】和【小拼图】即可，这样可以保证OCR识别准确，不会识别错误。到这里你要是还不明白，就去自己尝试尝试，慢慢你就明白了

【附上代码】代码拿走吧，注释写的很明白，不懂可以留言哦

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.action_chains import ActionChains
import re
import numpy as np
from PIL import Image
import io
import time
import base64
# 安装库 pip install ddddocr
import ddddocr
# 运行脚本实列化一次即可，不要重复实列化，会浪费时间
det = ddddocr.DdddOcr(det=False, ocr=False)

# 配置 Chrome 浏览器
chrome_options = webdriver.ChromeOptions()
chrome_options.binary_location = "chrome/chrome.exe"  # 指定 Chrome 浏览器的路径
chrome_options.add_argument("--disable-infobars")   #  禁用浏览器中的"信息栏"，避免干扰测试。
# 启动浏览器
driver = webdriver.Chrome(options=chrome_options)
def start_url():
    driver.get("https://www.jianshu.com/sfservice/index.html")
start_url()
print('点击开始验证')
time.sleep(0.5)

while True:
    try:
        # 定位按钮
        element = driver.find_element(By.XPATH, r'/html/body/div/div[1]/div[2]/div/div')
        print('检测到滑块！！！')
        time.sleep(1.5)
        data = driver.page_source
        break
    except:
        print('刷新页面-跳转到滑块页面为止')
        start_url()
        time.sleep(1.5)
print('开始获取小拼图和背景图！！！')
# 背景图
beijingtu = re.findall('verify-tips.*?<img src="data:image/png;base64,(.*?)"',data)[0]
# 小拼图
xiaopintu = re.findall('verify-sub-block.*?<img src="data:image/png;base64,(.*?)"',data)[0]

# base64 解密
def base64_decode(str):
    return base64.b64decode(str)
with open('beijingtu.png','wb') as f:
    f.write(base64_decode(beijingtu))
with open('xiaopintu.png','wb') as f:
    f.write(base64_decode(xiaopintu))

# 将正常大拼图转换为小拼图, 使用前先去掉多余的透明
def slider_puzzle_qg(
                     p_puzzle_path: str = '',
                     save_file: bool = False,
                     save_file_path: str = ''):
    '''
    :param p_puzzle_path:  本地长拼图的路径
    :param save_file:  是否保存最终修改后的图片 默认False
    :param save_file_path:  保存最终修改后的图片名称，不含后缀    默认：自动生成
    :return: base64图片
    '''

    # 打开大拼图图片
    image = Image.open(p_puzzle_path)
    width, height = image.size
    pixels = image.load()
    # 采用红绿灯模式 存储和记录信息
    # _a:第一层-行数  _b:第二层-行数  _c:第三层-行数  k:记录拼图的像素数据
    _a = 0  # 红灯-最顶层 - 透明
    _b = 0  # 黄灯-中间层 - 数据核心 - 拼图的像素
    _c = 0  # 绿灯-最底层 - 透明
    k = []  # 将拼图的像素存储, 存储为一维数组
    buffered = io.BytesIO()
    for x in range(height):
        # 临时的行数据像素 - 左右
        data_pixel = []
        for y in range(width):
            # 读取png像素点 RGBA 值   （png是4通道、jpg是3通道）  PNG：RGBA  JPG：RGB
            r, g, b, a = pixels[y, x]
            data_pixel += [(r, g, b, a)]
        # 转换为NumPy数组
        NumPy_data_pixel = np.array(data_pixel)
        # 计算一整行像素值是否为透明, 是透明则跳过并记录在红绿灯内, 如果不是透明则将数据进行存储并记录在红绿灯内
        # True:透明(无数据)   False:不透明(有数据)
        if np.all(NumPy_data_pixel == 0):
            if _b == 0:
                # 记录最顶层的行数 - 小拼图距离顶部的距离
                _a += 1
            else:
                # 当开始底层为0时,则表示第一次执行此命令,则要存储刚刚所保存的一维像素数组数据, 保存为图片
                if _c == 0:
                    # 创建空白图片 - 宽：拼图的宽度   高：通过数据层获取    颜色：透明  格式：png
                    new_image = Image.new('RGBA', (width, _b), color=(0, 0, 0, 0))
                    # 采用一维的像素组数据写入图片
                    new_image.putdata(k)
                    # 将数据写入buffered里
                    new_image.save(buffered, format="PNG")
                    if save_file:
                        if save_file_path:
                            new_image.save(save_file_path + '.png')
                        else:
                            # 保存最终图片  随机名称
                            new_image.save(''.join(str(time.time()).split('.') + [".png"]))
                # 记录最底层的行数 - 小拼图距离底部的距离
                _c += 1
        else:
            # 记录拼图的有多少行-高度-上下距离-仅拼图的高度
            _b += 1
            # 拼图的像素数据 一维
            k += data_pixel
    # 最后返回字典格式数据
    return {
        '最顶层-顶层距离': _a,
        '中间层-拼图的高度': _b,
        '最底层-底层距离': _c,
        'base64': base64.b64encode(buffered.getvalue()).decode()
    }
# 将滑块背景图切割为小滑道
def background_cutting(
                       b_puzzle_path: str = '',
                       b_size_h: int = 0,
                       p_size_h: int = 0,
                       save_file: bool = False,
                       save_file_path: str = ''):
    '''
    :param b_puzzle_path:  本地滑块背景图的路径
    :param b_size_h:  小拼图在背景图中的所在高度，上下距离
    :param p_size_h:  小拼图的高度大小
    :param save_file:  是否保存最终修改后的图片 默认False
    :param save_file_path:  保存最终修改后的图片名称，不含后缀    默认：自动生成
    :return: base64图片
    '''
    # 打开图片
    image = Image.open(b_puzzle_path)
    width, height = image.size
    # 宽度，从左到右的距离
    left, right = 0, width
    # 高度，从上到下的距离
    top, bottom = b_size_h, b_size_h + p_size_h
    # 切割图片
    cropped_image = image.crop((left, top, right, bottom))
    if save_file:
        if save_file_path:
            cropped_image.save(save_file_path + '.png')
        else:
            # 保存最终图片  随机名称
            cropped_image.save(''.join(str(time.time()).split('.') + [".png"]))
    buffered = io.BytesIO()
    # 将数据写入buffered里
    cropped_image.save(buffered, format="PNG")
    return {'base64': base64.b64encode(buffered.getvalue()).decode()}
# 将小拼图多余的透明部分删除并返回其图片信息
xiaopintu_data = slider_puzzle_qg(p_puzzle_path='xiaopintu.png',save_file=True,save_file_path='c1')
print(f'小拼图数据：{xiaopintu_data}')
# 通过小拼图返回的数据 切割背景图的划线通道 方便准确识别
beijingtu_data = background_cutting(b_puzzle_path='beijingtu.png',b_size_h=xiaopintu_data['最顶层-顶层距离'],p_size_h=xiaopintu_data['中间层-拼图的高度'],save_file=True,save_file_path='c2')
print(f'背景图数据：{beijingtu_data}')
# 将base64数据转为二进制数据导入OCR识别 开始识别滑块距离
res1 = det.slide_match(base64_decode(beijingtu_data['base64']), base64_decode(xiaopintu_data['base64']), simple_target=True)['target'][0]
# 略微的误差值才能知道你不是人机
res = res1*400/300-4
print(f'距离为：{res}')

# 点击并抓住标签
ActionChains(driver).click_and_hold(element).perform()
print('开始滑动')
# 开始滑动
ActionChains(driver).move_by_offset(xoffset=res, yoffset=0).perform()  # 向右滑动114像素（向左是负数）
# 松开按钮
ActionChains(driver).release().perform()



print('等待执行其他操作！！！')
time.sleep(1000)
# 关闭浏览器
driver.quit()