自助验证码滑动解决方案

本项目实现了一个使用Python和Playwright自动解决滑动验证码（如滑动拼图）的方案，主要通过图像处理技术识别缺口位置，并模拟人类滑动行为完成滑动验证。

项目概述

本项目提供了一个自动化解决方案，用于处理滑动验证码。通过图像处理技术，我们能够识别出滑块的缺口位置，并模拟人类的滑动行为来自动完成验证。

针对的问题

针对以下问题，本项目提供了相应的解决方案：

1. 透明区域干扰：透明区域可能会干扰图像匹配算法，使得滑块的缺口位置难以识别。通过图像处理技术，如自适应阈值化和边缘检测，增强图像对比度并去除透明区域的影响。
2. 分辨率不一致：当图片分辨率与页面分辨率不一致时，通过计算调整页面比例来解决匹配问题。
3. OpenCV匹配：使用OpenCV进行图像匹配是解决缺口位置识别问题的关键。通过模板匹配算法，如cv2.matchTemplate，找到滑块在背景图中的最佳匹配位置。

项目结构

. ├── README.md # 项目说明文件 ├── GetImage.py # 用于获取并下载背景和拼图块图片 ├── solve_slider.py # 主要的滑动验证码解决代码 └── requirements.txt # Python依赖包

依赖

在开始使用本项目之前，请确保已经安装了以下依赖：

• playwright：用于浏览器自动化。
• opencv-python：用于图像处理。
• numpy：用于数值计算。
• asyncio：用于异步编程。

您可以通过以下命令安装依赖：

pip install -r requirements.txt

主要功能

1. 查找缺口位置

功能描述： find_gap函数是核心算法的一部分，它利用OpenCV库对背景图片和拼图块图片进行图像处理，以精确检测出拼图缺口的位置信息。

实现步骤：

• 图像预处理：首先对背景和拼图块图片应用高斯模糊，以减少图像噪声。随后，通过Canny边缘检测算法提取图像轮廓，为后续的轮廓分析做准备。
• 轮廓筛选：在提取的轮廓中，筛选出与缺口形状相匹配的轮廓，这是识别缺口位置的关键步骤。
• 缺口定位：计算筛选出的轮廓中心与滑块中心的距离，这个距离将用于确定滑块需要移动的具体距离。

2. 生成滑动轨迹

功能描述： generate_track函数负责根据缺口位置与滑块中心的距离，生成一个模拟人类滑动行为的轨迹。

实现步骤：

• 轨迹模拟：考虑到人类滑动时的非线性特性，如惯性和微调动作，该函数生成一条平滑且自然的滑动轨迹。
• 轨迹优化：为了模拟更真实的人类行为，轨迹中会加入一些随机的小幅度波动，以避免被验证码系统识别为自动化操作。

3. 解决滑动验证码

功能描述： solve_slider函数实现了自动化解决滑动验证码的完整流程，从下载图片到模拟鼠标拖动完成滑动操作。

实现步骤：

• 图片下载：首先下载背景和拼图块图片，这是后续处理的基础。
• 缺口定位：调用find_gap函数定位缺口位置，获取滑块需要移动的距离。
• 滑动计算：根据缺口位置计算出滑块的滑动距离，为模拟鼠标拖动做准备。
• 模拟滑动：使用Playwright库模拟鼠标拖动操作，根据生成的滑动轨迹完成滑块的移动，从而解决滑动验证码。

使用方法

1. 准备工作

在使用本项目之前，请确保您的环境中安装了Playwright和其他依赖。

python -m playwright install

运行代码

首先确保您已配置好Playwright环境。然后在Python中执行solve_slider函数，传入需要验证的页面。以下是如何调用的示例：

import asyncio
from solve_slider import solve_slider

async def main():
    # 启动Playwright浏览器实例并打开目标页面
    browser = await playwright.chromium.launch(headless=False)
    page = await browser.new_page()

    # 打开目标页面
    await page.goto('目标验证页面URL')

    # 调用滑动验证码解决函数
    await solve_slider(page)

    # 关闭浏览器
    await browser.close()

# 运行
asyncio.run(main())

注意事项

在执行solve_slider函数时，确保您的网络连接稳定，以便下载验证图片。 需要确保页面上滑动验证码元素的定位信息是准确的。

贡献

如果您有任何建议或发现bug，欢迎提交issue或PR。

许可证

MIT License.