1. 项目概述从“识别”到“搞定”的跨越搞自动化测试或者爬虫的朋友对滑块验证码这个“拦路虎”应该都不陌生。你辛辛苦苦写好了Selenium脚本模拟了登录流程结果页面弹出一个滑块让你把拼图拖到缺口里。脚本瞬间“傻眼”测试流程中断数据抓取失败。我之前也在这个问题上卡了很久尝试过各种网上流传的“偏方”比如计算缺口位置然后让鼠标“跳”过去结果不是被识别为机器操作就是成功率低得可怜。直到最近通过一套组合策略我才真正意义上“搞定”了它。这里的“搞定”不是指找到一个能通杀所有网站的万能钥匙而是建立了一套稳定、可复现的应对体系涵盖了从检测、分析到安全模拟的完整链条。无论你是做Web UI自动化测试还是数据采集这套思路都能帮你把这块硬骨头啃下来。核心要解决的问题很明确在Selenium自动化流程中当遇到滑块验证码时如何让程序像真人一样完成滑块的识别、计算和拖动操作并确保整个过程不被目标网站的反爬机制判定为机器人行为。这不仅仅是一个图像识别问题更是一个涉及行为模拟、轨迹规划和反检测的综合工程。接下来我就把这套方法的完整设计思路、核心细节和踩过的坑毫无保留地分享出来。2. 核心思路拆解为什么不能直接“计算距离”然后“移动”很多初学者的第一反应是这不简单吗用OpenCV或者Pillow库找出背景图的缺口位置计算出滑块需要移动的像素距离然后用Selenium的ActionChains把滑块拖过去不就完了我一开始也是这么想的但实测下来这条路几乎走不通。原因在于现代验证码的反爬策略早已升级。2.1 验证码的“三层防御”现在的滑块验证码尤其是大厂用的早已不是简单的“找不同”游戏。它至少构筑了三道防线缺口位置随机化与图片干扰缺口位置每次都会变这倒不是大问题。关键是背景图和滑块图会加入大量的随机噪点、干扰线、色块甚至进行高斯模糊让简单的模板匹配或边缘检测算法失效。轨迹行为检测这是最关键的一环。服务器会记录你拖动过程中的鼠标轨迹数据包括移动路径、速度、加速度变化。真人拖动鼠标的轨迹是一条带有随机抖动和变速的曲线而程序直接drag_and_drop_by_offset产生的是一条完美的匀速直线。这个差异就像黑夜里的灯塔一样明显立刻就会被标记。浏览器环境与WebDriver检测Selenium驱动的浏览器会带有一些特定的特征如navigator.webdriver属性为true。一些严格的网站会直接检测这些特征如果发现是WebDriver可能连验证码图片都不加载或者直接拒绝后续请求。所以我们的解决方案必须同时应对这三个挑战精准识别、拟人轨迹和环境伪装。单纯解决任何一个都无法稳定“搞定”。2.2 方案选型组合拳才是王道基于以上分析我放弃了寻找单一“神技”的想法转而采用一套组合策略识别层不依赖单一的图像算法。采用多算法融合校验的思路。先尝试边缘检测如Canny找出可能缺口再用模板匹配在候选区域进行二次确认最后通过计算滑块图的透明通道如果有来精确定位。这比只用一种方法鲁棒性高得多。执行层抛弃Selenium原生的瞬时位移。采用人类轨迹模拟库如pyautogui的复杂移动函数或自己生成贝塞尔曲线轨迹来驱动鼠标。轨迹需要包含加速、减速、小幅随机偏移等特征。环境层在启动Selenium时必须注入反检测脚本如stealth.min.js或自定义脚本抹去WebDriver特征。同时考虑使用undetected-chromedriver这类专门处理过检测的驱动。这个方案的优势在于它模拟的是一个完整的人类交互闭环而不是一个机械的“识别-点击”命令从而极大地提高了通过率和稳定性。3. 核心细节解析与实操要点思路有了我们深入每个环节的细节。这里以最常见的滑动拼图验证码为例假设我们已经用Selenium定位到了验证码弹出的iframe和里面的图片元素。3.1 图片获取与预处理第一步是把验证码图片从网页上“抠”下来变成我们能处理的图像数据。from selenium.webdriver.common.by import By from PIL import Image import io, time, requests # 假设driver已初始化并进入了验证码页面 # 1. 定位背景图和滑块图元素 bg_img_element driver.find_element(By.XPATH, //div[classgeetest_canvas_bg geetest_absolute]/img) slice_img_element driver.find_element(By.XPATH, //div[classgeetest_canvas_slice geetest_absolute]) # 2. 获取图片URL并下载注意有时图片是背景图CSS不是img标签 bg_img_url bg_img_element.get_attribute(src) # 更可靠的方式通过Selenium截图特定元素 bg_location bg_img_element.location bg_size bg_img_element.size left bg_location[x] top bg_location[y] right left bg_size[width] bottom top bg_size[height] # 截取整个浏览器窗口的图 driver.save_screenshot(full_page.png) full_img Image.open(full_page.png) # 根据坐标裁剪出背景图区域 bg_img full_img.crop((left, top, right, bottom)) bg_img.save(background.png)注意很多验证码的图片并不是简单的img标签而是通过CSSbackground-image绘制的canvas。这时通过get_attribute(‘src’)是拿不到地址的。最稳妥的方法就是上面这种先定位到包裹图片的容器元素获取其位置和大小然后从整个页面的截图中裁剪出来。虽然多了一步但适用性更广。3.2 缺口识别多算法融合的实践拿到背景图和滑块图后开始找缺口。我推荐一个“两步验证法”。第一步边缘检测找候选区域使用OpenCV的Canny算子检测背景图的边缘。缺口处通常会产生一个突兀的内凹边缘轮廓。import cv2 import numpy as np # 读取图片 bg_cv cv2.imread(background.png, 0) # 灰度图 # 高斯模糊去噪 bg_blur cv2.GaussianBlur(bg_cv, (5, 5), 0) # Canny边缘检测 edges cv2.Canny(bg_blur, 50, 150) # 查找轮廓 contours, _ cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 筛选可能是缺口的轮廓面积适中宽高比也近似缺口 candidate_rects [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h if 500 area 3000 and 0.8 w/h 1.2: # 阈值需要根据实际验证码调整 candidate_rects.append((x, y, w, h))第二步模板匹配精确定位将滑块图作为模板在背景图的候选区域附近进行匹配。因为缺口形状和滑块是完全吻合的。# 读取滑块图通常滑块图是带透明通道的PNG slice_cv cv2.imread(slice.png, cv2.IMREAD_UNCHANGED) # 提取滑块的Alpha通道作为模板不透明部分 if slice_cv.shape[2] 4: template slice_cv[:, :, 3] # Alpha通道 else: template cv2.cvtColor(slice_cv, cv2.COLOR_BGR2GRAY) _, template cv2.threshold(template, 254, 255, cv2.THRESH_BINARY) # 二值化 # 在每个候选区域附近进行模板匹配 best_match_val -1 best_match_loc None for (cx, cy, cw, ch) in candidate_rects: # 划定一个比候选区域稍大的搜索范围 search_area bg_cv[max(cy-10,0):min(cych10, bg_cv.shape[0]), max(cx-10,0):min(cxcw10, bg_cv.shape[1])] if search_area.shape[0] template.shape[0] or search_area.shape[1] template.shape[1]: continue res cv2.matchTemplate(search_area, template, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc cv2.minMaxLoc(res) if max_val best_match_val: best_match_val max_val # 计算匹配位置在原始背景图中的全局坐标 global_x max(cx-10,0) max_loc[0] global_y max(cy-10,0) max_loc[1] best_match_loc (global_x, global_y) # best_match_loc 就是缺口左上角的坐标 gap_x best_match_loc[0]这个gap_x坐标就是我们需要把滑块拖到的目标位置的X坐标。为什么是X坐标因为这类验证码通常只要求水平拖动。实操心得阈值如Canny的50, 150轮廓面积500, 3000不是固定的。最好针对你的目标网站手动截取几十张不同的验证码图片跑一遍脚本观察中间结果可以把轮廓画出来看看反复调整这些阈值直到它能稳定地从各种干扰中找出真正的缺口轮廓。这是一个“训练”你算法的过程。3.3 轨迹生成如何让鼠标“像人一样”移动这是整个流程的灵魂。直接使用ActionChains的drag_and_drop_by_offset(slider, gap_x, 0)是自杀行为。我们需要生成一条拟人化的移动轨迹。人类拖动特征分析非匀速先加速后减速。在接近终点时可能会有细微的调整。带有随机抖动手部肌肉的微小颤动会导致轨迹不是光滑曲线。可能有过冲和回拉第一次没对准会稍微拉回来一点再推过去。我们可以用物理学中的匀加速/匀减速运动模型并叠加随机噪声来模拟。import random import math def generate_track(distance): 生成移动轨迹 :param distance: 需要移动的总距离像素 :return: 轨迹列表每个元素是每一步的位移增量 track [] current 0 mid distance * 3 / 5 # 假设前3/5路程加速后2/5减速 t 0.2 # 模拟时间间隔 v 0 while current distance: if current mid: a 2 random.random() # 加速阶段的加速度 else: a -3 - random.random() # 减速阶段的加速度绝对值更大减速快 v0 v v v0 a * t move v0 * t 0.5 * a * t * t # 加入随机抖动幅度随速度减小而减小 move random.uniform(-1, 1) * (1 - current/distance) move max(0, move) # 确保不会往回走太多 if current move distance: move distance - current track.append(round(move, 2)) break track.append(round(move, 2)) current move # 最后可能差一点点补一个很小的移动 if sum(track) distance: track.append(round(distance - sum(track), 2)) # 在轨迹末尾加入1-2个极小的来回移动模拟对准微调 for _ in range(random.randint(1, 2)): track.append(round(random.uniform(-0.5, 0.5), 2)) return track这个函数会生成一个位移增量列表。比如总距离是100像素它可能返回[0, 5.2, 12.1, 18.3, 22.5, 19.8, 12.2, 5.1, 0.5, -0.2, 0.1]这样的序列。注意最后有微小的负值回拉和正值微调。3.4 执行拖动Selenium与PyAutoGUI的配合有了轨迹怎么让鼠标按这个轨迹动这里有个关键点Selenium的ActionChains虽然可以链式操作但它对于这种需要实时、连续反馈坐标的精细轨迹模拟力不从心。更有效的方法是结合PyAutoGUI它可以直接控制操作系统级的鼠标移动。但问题来了PyAutoGUI移动的是全局鼠标我们如何确保它正好在浏览器窗口内的滑块上操作解决方案计算滑块元素在屏幕上的绝对坐标然后将PyAutoGUI的鼠标移动到这个坐标开始再按照轨迹移动。import pyautogui from selenium.webdriver import ActionChains # 1. 获取滑块元素在屏幕上的位置 slider driver.find_element(By.XPATH, //div[classgeetest_slider_button]) slider_location slider.location slider_size slider.size # 计算滑块中心点的屏幕坐标注意需要加上浏览器窗口的偏移 window_pos driver.get_window_position() # {x: , y: } start_x window_pos[x] slider_location[x] slider_size[width] // 2 start_y window_pos[y] slider_location[y] slider_size[height] // 2 # 2. 将鼠标移动到滑块中心点 pyautogui.moveTo(start_x, start_y, duration0.2) # 用0.2秒慢慢移过去更自然 pyautogui.mouseDown() # 按下鼠标左键 # 3. 按照生成的轨迹移动鼠标 track generate_track(gap_x) # gap_x是之前计算出的需要水平移动的距离 for move_x in track: # pyautogui.moveRel 移动的是相对当前位置的距离 pyautogui.moveRel(move_x, 0, duration0.05) # 每个小步用很短的时间 time.sleep(random.uniform(0.01, 0.03)) # 步间加入随机延迟 # 4. 释放鼠标 time.sleep(0.1) # 在终点停顿一下模仿确认 pyautogui.mouseUp()重要提示使用PyAutoGUI时千万不要移动你的物理鼠标否则会干扰自动化脚本。最好在运行脚本时将鼠标移到屏幕角落。另外PyAutoGUI的moveTo和moveRel函数中的duration参数至关重要它控制了移动速度是拟真的关键。太快如duration0就像机器人太慢又显得怪异。4. 环境伪装与反检测实战如果你的识别和拖动都做得很像人了但网站还是拒绝你那问题很可能出在浏览器环境上。4.1 使用 undetected-chromedriver这是最简单粗暴有效的方法之一。undetected-chromedriver是一个修改版的ChromeDriver它自动处理了很多常见的WebDriver检测特征。import undetected_chromedriver as uc options uc.ChromeOptions() # 可以添加其他选项如无头模式 # options.add_argument(--headless) driver uc.Chrome(optionsoptions)用这个替换掉你原来的webdriver.Chrome()很多基础的检测就直接绕过了。但它不是银弹对于行为检测如轨迹无能为力。4.2 注入Stealth.js脚本对于更严格的检测我们需要在页面加载前就注入反检测脚本。puppeteer-extra-plugin-stealth的Stealth模式很有名我们可以提取其核心的JavaScript代码通过Selenium执行。# 读取本地的stealth.min.js文件内容 with open(stealth.min.js, r) as f: stealth_js f.read() # 在访问目标网站前先执行这段JS driver.execute_cdp_cmd(Page.addScriptToEvaluateOnNewDocument, { source: stealth_js }) driver.get(https://your-target-site.com)这段JS代码会重写navigator.webdriver、window.chrome等属性移除或伪装掉自动化工具留下的指纹。4.3 其他伪装技巧禁用自动化控制标志这是一个基本的Chrome选项。options.add_experimental_option(excludeSwitches, [enable-automation]) options.add_experimental_option(useAutomationExtension, False)修改User-Agent虽然不一定针对验证码但完整的伪装最好加上。options.add_argument(user-agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ...)窗口大小和位置固定一个常见的窗口大小不要使用默认的。driver.set_window_size(1366, 768) driver.set_window_position(100, 100)5. 完整代码整合与流程封装将以上所有模块整合起来形成一个可复用的SliderCracker类。import time, random, cv2, numpy as np from PIL import Image import pyautogui from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC import undetected_chromedriver as uc class SliderCracker: def __init__(self, driver): self.driver driver self.wait WebDriverWait(driver, 10) def get_element_screenshot(self, element, save_pathNone): 截取页面特定元素的图片 location element.location size element.size self.driver.save_screenshot(temp_full.png) full_img Image.open(temp_full.png) left location[x] top location[y] right left size[width] bottom top size[height] element_img full_img.crop((left, top, right, bottom)) if save_path: element_img.save(save_path) return cv2.cvtColor(np.array(element_img), cv2.COLOR_RGB2BGR) def find_gap(self, bg_cv, slice_cv): 使用融合算法寻找缺口位置 # 此处省略具体的Canny模板匹配代码见上文3.2节 # ... return gap_x_pixel # 返回缺口在背景图中的x坐标 def generate_track(self, distance): 生成拟人化移动轨迹 # 代码见上文3.3节 # ... return track def drag_with_track(self, slider_element, track): 使用PyAutoGUI按轨迹拖动元素 # 计算屏幕坐标 window_pos self.driver.get_window_position() loc slider_element.location size slider_element.size start_x window_pos[x] loc[x] size[width] // 2 start_y window_pos[y] loc[y] size[height] // 2 pyautogui.moveTo(start_x, start_y, duration0.3) pyautogui.mouseDown() time.sleep(0.1) for move_x in track: pyautogui.moveRel(move_x, 0, duration0.05) time.sleep(random.uniform(0.01, 0.03)) time.sleep(0.2) pyautogui.mouseUp() def crack(self, bg_img_element, slice_img_element, slider_element): 主破解流程 print([*] 正在获取验证码图片...) bg_cv self.get_element_screenshot(bg_img_element) slice_cv self.get_element_screenshot(slice_img_element) print([*] 正在识别缺口位置...) gap_x self.find_gap(bg_cv, slice_cv) if gap_x is None: print([-] 缺口识别失败) return False print(f[] 缺口位置识别成功X坐标: {gap_x}) print([*] 正在生成模拟拖动轨迹...) track self.generate_track(gap_x) print([*] 开始模拟拖动...) self.drag_with_track(slider_element, track) print([*] 拖动完成等待结果...) time.sleep(2) # 等待页面反应 # 这里可以添加检测是否成功的逻辑例如查找“验证成功”的提示元素 # success_element self.wait.until(EC.presence_of_element_located((By.XPATH, 验证成功的定位器))) # return success_element is not None return True # 假设成功 # 使用示例 if __name__ __main__: driver uc.Chrome() driver.get(https://你的目标登录页) # ... 执行登录操作触发验证码 cracker SliderCracker(driver) # 替换成你页面中实际的元素定位方式 bg_img driver.find_element(By.ID, bgImg) slice_img driver.find_element(By.ID, sliceImg) slider driver.find_element(By.CLASS_NAME, slider-button) success cracker.crack(bg_img, slice_img, slider) if success: print([] 验证码破解成功) else: print([-] 验证码破解失败。)6. 常见问题与排查技巧实录在实际操作中你会遇到各种各样的问题。下面是我踩过的一些坑和解决方法。6.1 缺口识别不准或失败现象find_gap函数经常返回None或者找到的位置明显不对。排查保存中间图片在代码里把裁剪到的背景图(background.png)和滑块图(slice.png)保存下来人工看一眼。是不是没截对是不是页面有动画图片还没加载完你就截图了在截图前加个time.sleep(1)或显式等待元素可见。调整算法参数Canny的阈值(50, 150)、轮廓面积过滤范围(500, 3000)是经验值。对于不同的网站验证码的图片大小、干扰强度不同这些参数必须调整。写一个调试脚本批量处理几十张验证码把每一步的中间结果边缘图、轮廓图都显示出来观察哪里出了问题。考虑颜色通道有些验证码缺口不是靠边缘而是靠颜色差异。尝试将图片从BGR转换到HSV或其他颜色空间在特定通道上做差或二值化可能效果更好。终极方案深度学习如果网站验证码极其复杂且多变传统算法上限不高。可以考虑训练一个简单的目标检测模型如YOLO来识别缺口。这需要收集和标注数据成本较高但一劳永逸。6.2 拖动后被判定为机器人现象轨迹模拟了但依然验证失败页面提示“操作过于频繁”或“验证失败”。排查轨迹分析打印出你生成的轨迹track画个图看看。是不是太规律了加速减速过程是否平滑随机抖动的幅度和频率是否合理可以多录几次自己手动滑动的鼠标坐标和程序生成的轨迹对比。总耗时真人完成一次滑动大概在1-3秒。你的脚本总耗时是多少如果低于0.5秒太快了如果高于5秒又太慢了。调整generate_track函数中的t时间间隔和moveRel的duration参数。起点和终点你的鼠标按下点真的是在滑块的正中心吗使用pyautogui.displayMousePosition()工具实时查看鼠标坐标确保脚本计算的起点坐标是准确的。终点是否精准对齐有时因为计算误差需要让滑块稍微“过”一点缺口再回来。行为上下文网站可能不仅看单次滑动。你是在页面加载后立即滑动还是等待了一会儿滑动前鼠标是否在页面上有其他移动比如先移动到输入框更拟真的做法是在触发验证码后随机延迟0.5-2秒让鼠标在页面上无规律地轻微移动一下再开始操作滑块。6.3 PyAutoGUI相关错误现象pyautogui.moveTo报错或者鼠标乱飞。排查屏幕缩放如果你的操作系统设置了屏幕缩放比如150%pyautogui获取和操作的坐标会出错。确保在100%缩放比例下运行或者在代码中乘以缩放系数。多显示器在多显示器环境下坐标系统可能更复杂。建议在单显示器下进行自动化测试。权限问题macOS/Linuxpyautogui需要控制鼠标的权限。在macOS的“系统设置-隐私与安全性-辅助功能”中给你的终端或IDE添加权限。焦点丢失在拖动过程中如果其他窗口突然弹出可能会夺走焦点导致鼠标事件发送到错误窗口。运行脚本时确保浏览器窗口在最前端并关闭不必要的通知。6.4 关于“学习通”、“淘宝”等具体网站热搜词里提到了“学习通滑块验证码”、“淘宝数据”。这些大型网站的验证码系统非常完善且经常更新。策略对于这类网站不要指望有一个永久有效的脚本。本文提供的是方法论和工具链。你需要定期维护网站前端代码或验证码样式一变你的元素定位器和图片识别参数可能就要调整。多方案备用除了本文的方法可以了解一些商业打码平台如超级鹰、图鉴的API作为备用方案。当本地识别率下降时临时切换。尊重robots.txt在爬取任何网站数据前请务必检查其robots.txt文件并遵守其中的规则。高频的自动化请求可能对对方服务器造成压力。最后这套方法是我在多个项目中实践和迭代出来的它平衡了成功率、复杂度和可维护性。没有任何方法能保证100%通过所有验证码但通过理解原理、精细调整和组合策略你可以将通过率提升到满足自动化测试或数据采集需求的水平。记住关键不在于代码多高级而在于你对“人类操作”这个过程的模拟有多细致。
Selenium滑块验证码破解：多算法融合与拟人化轨迹模拟实战
发布时间：2026/7/2 23:17:21
1. 项目概述从“识别”到“搞定”的跨越搞自动化测试或者爬虫的朋友对滑块验证码这个“拦路虎”应该都不陌生。你辛辛苦苦写好了Selenium脚本模拟了登录流程结果页面弹出一个滑块让你把拼图拖到缺口里。脚本瞬间“傻眼”测试流程中断数据抓取失败。我之前也在这个问题上卡了很久尝试过各种网上流传的“偏方”比如计算缺口位置然后让鼠标“跳”过去结果不是被识别为机器操作就是成功率低得可怜。直到最近通过一套组合策略我才真正意义上“搞定”了它。这里的“搞定”不是指找到一个能通杀所有网站的万能钥匙而是建立了一套稳定、可复现的应对体系涵盖了从检测、分析到安全模拟的完整链条。无论你是做Web UI自动化测试还是数据采集这套思路都能帮你把这块硬骨头啃下来。核心要解决的问题很明确在Selenium自动化流程中当遇到滑块验证码时如何让程序像真人一样完成滑块的识别、计算和拖动操作并确保整个过程不被目标网站的反爬机制判定为机器人行为。这不仅仅是一个图像识别问题更是一个涉及行为模拟、轨迹规划和反检测的综合工程。接下来我就把这套方法的完整设计思路、核心细节和踩过的坑毫无保留地分享出来。2. 核心思路拆解为什么不能直接“计算距离”然后“移动”很多初学者的第一反应是这不简单吗用OpenCV或者Pillow库找出背景图的缺口位置计算出滑块需要移动的像素距离然后用Selenium的ActionChains把滑块拖过去不就完了我一开始也是这么想的但实测下来这条路几乎走不通。原因在于现代验证码的反爬策略早已升级。2.1 验证码的“三层防御”现在的滑块验证码尤其是大厂用的早已不是简单的“找不同”游戏。它至少构筑了三道防线缺口位置随机化与图片干扰缺口位置每次都会变这倒不是大问题。关键是背景图和滑块图会加入大量的随机噪点、干扰线、色块甚至进行高斯模糊让简单的模板匹配或边缘检测算法失效。轨迹行为检测这是最关键的一环。服务器会记录你拖动过程中的鼠标轨迹数据包括移动路径、速度、加速度变化。真人拖动鼠标的轨迹是一条带有随机抖动和变速的曲线而程序直接drag_and_drop_by_offset产生的是一条完美的匀速直线。这个差异就像黑夜里的灯塔一样明显立刻就会被标记。浏览器环境与WebDriver检测Selenium驱动的浏览器会带有一些特定的特征如navigator.webdriver属性为true。一些严格的网站会直接检测这些特征如果发现是WebDriver可能连验证码图片都不加载或者直接拒绝后续请求。所以我们的解决方案必须同时应对这三个挑战精准识别、拟人轨迹和环境伪装。单纯解决任何一个都无法稳定“搞定”。2.2 方案选型组合拳才是王道基于以上分析我放弃了寻找单一“神技”的想法转而采用一套组合策略识别层不依赖单一的图像算法。采用多算法融合校验的思路。先尝试边缘检测如Canny找出可能缺口再用模板匹配在候选区域进行二次确认最后通过计算滑块图的透明通道如果有来精确定位。这比只用一种方法鲁棒性高得多。执行层抛弃Selenium原生的瞬时位移。采用人类轨迹模拟库如pyautogui的复杂移动函数或自己生成贝塞尔曲线轨迹来驱动鼠标。轨迹需要包含加速、减速、小幅随机偏移等特征。环境层在启动Selenium时必须注入反检测脚本如stealth.min.js或自定义脚本抹去WebDriver特征。同时考虑使用undetected-chromedriver这类专门处理过检测的驱动。这个方案的优势在于它模拟的是一个完整的人类交互闭环而不是一个机械的“识别-点击”命令从而极大地提高了通过率和稳定性。3. 核心细节解析与实操要点思路有了我们深入每个环节的细节。这里以最常见的滑动拼图验证码为例假设我们已经用Selenium定位到了验证码弹出的iframe和里面的图片元素。3.1 图片获取与预处理第一步是把验证码图片从网页上“抠”下来变成我们能处理的图像数据。from selenium.webdriver.common.by import By from PIL import Image import io, time, requests # 假设driver已初始化并进入了验证码页面 # 1. 定位背景图和滑块图元素 bg_img_element driver.find_element(By.XPATH, //div[classgeetest_canvas_bg geetest_absolute]/img) slice_img_element driver.find_element(By.XPATH, //div[classgeetest_canvas_slice geetest_absolute]) # 2. 获取图片URL并下载注意有时图片是背景图CSS不是img标签 bg_img_url bg_img_element.get_attribute(src) # 更可靠的方式通过Selenium截图特定元素 bg_location bg_img_element.location bg_size bg_img_element.size left bg_location[x] top bg_location[y] right left bg_size[width] bottom top bg_size[height] # 截取整个浏览器窗口的图 driver.save_screenshot(full_page.png) full_img Image.open(full_page.png) # 根据坐标裁剪出背景图区域 bg_img full_img.crop((left, top, right, bottom)) bg_img.save(background.png)注意很多验证码的图片并不是简单的img标签而是通过CSSbackground-image绘制的canvas。这时通过get_attribute(‘src’)是拿不到地址的。最稳妥的方法就是上面这种先定位到包裹图片的容器元素获取其位置和大小然后从整个页面的截图中裁剪出来。虽然多了一步但适用性更广。3.2 缺口识别多算法融合的实践拿到背景图和滑块图后开始找缺口。我推荐一个“两步验证法”。第一步边缘检测找候选区域使用OpenCV的Canny算子检测背景图的边缘。缺口处通常会产生一个突兀的内凹边缘轮廓。import cv2 import numpy as np # 读取图片 bg_cv cv2.imread(background.png, 0) # 灰度图 # 高斯模糊去噪 bg_blur cv2.GaussianBlur(bg_cv, (5, 5), 0) # Canny边缘检测 edges cv2.Canny(bg_blur, 50, 150) # 查找轮廓 contours, _ cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 筛选可能是缺口的轮廓面积适中宽高比也近似缺口 candidate_rects [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h if 500 area 3000 and 0.8 w/h 1.2: # 阈值需要根据实际验证码调整 candidate_rects.append((x, y, w, h))第二步模板匹配精确定位将滑块图作为模板在背景图的候选区域附近进行匹配。因为缺口形状和滑块是完全吻合的。# 读取滑块图通常滑块图是带透明通道的PNG slice_cv cv2.imread(slice.png, cv2.IMREAD_UNCHANGED) # 提取滑块的Alpha通道作为模板不透明部分 if slice_cv.shape[2] 4: template slice_cv[:, :, 3] # Alpha通道 else: template cv2.cvtColor(slice_cv, cv2.COLOR_BGR2GRAY) _, template cv2.threshold(template, 254, 255, cv2.THRESH_BINARY) # 二值化 # 在每个候选区域附近进行模板匹配 best_match_val -1 best_match_loc None for (cx, cy, cw, ch) in candidate_rects: # 划定一个比候选区域稍大的搜索范围 search_area bg_cv[max(cy-10,0):min(cych10, bg_cv.shape[0]), max(cx-10,0):min(cxcw10, bg_cv.shape[1])] if search_area.shape[0] template.shape[0] or search_area.shape[1] template.shape[1]: continue res cv2.matchTemplate(search_area, template, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc cv2.minMaxLoc(res) if max_val best_match_val: best_match_val max_val # 计算匹配位置在原始背景图中的全局坐标 global_x max(cx-10,0) max_loc[0] global_y max(cy-10,0) max_loc[1] best_match_loc (global_x, global_y) # best_match_loc 就是缺口左上角的坐标 gap_x best_match_loc[0]这个gap_x坐标就是我们需要把滑块拖到的目标位置的X坐标。为什么是X坐标因为这类验证码通常只要求水平拖动。实操心得阈值如Canny的50, 150轮廓面积500, 3000不是固定的。最好针对你的目标网站手动截取几十张不同的验证码图片跑一遍脚本观察中间结果可以把轮廓画出来看看反复调整这些阈值直到它能稳定地从各种干扰中找出真正的缺口轮廓。这是一个“训练”你算法的过程。3.3 轨迹生成如何让鼠标“像人一样”移动这是整个流程的灵魂。直接使用ActionChains的drag_and_drop_by_offset(slider, gap_x, 0)是自杀行为。我们需要生成一条拟人化的移动轨迹。人类拖动特征分析非匀速先加速后减速。在接近终点时可能会有细微的调整。带有随机抖动手部肌肉的微小颤动会导致轨迹不是光滑曲线。可能有过冲和回拉第一次没对准会稍微拉回来一点再推过去。我们可以用物理学中的匀加速/匀减速运动模型并叠加随机噪声来模拟。import random import math def generate_track(distance): 生成移动轨迹 :param distance: 需要移动的总距离像素 :return: 轨迹列表每个元素是每一步的位移增量 track [] current 0 mid distance * 3 / 5 # 假设前3/5路程加速后2/5减速 t 0.2 # 模拟时间间隔 v 0 while current distance: if current mid: a 2 random.random() # 加速阶段的加速度 else: a -3 - random.random() # 减速阶段的加速度绝对值更大减速快 v0 v v v0 a * t move v0 * t 0.5 * a * t * t # 加入随机抖动幅度随速度减小而减小 move random.uniform(-1, 1) * (1 - current/distance) move max(0, move) # 确保不会往回走太多 if current move distance: move distance - current track.append(round(move, 2)) break track.append(round(move, 2)) current move # 最后可能差一点点补一个很小的移动 if sum(track) distance: track.append(round(distance - sum(track), 2)) # 在轨迹末尾加入1-2个极小的来回移动模拟对准微调 for _ in range(random.randint(1, 2)): track.append(round(random.uniform(-0.5, 0.5), 2)) return track这个函数会生成一个位移增量列表。比如总距离是100像素它可能返回[0, 5.2, 12.1, 18.3, 22.5, 19.8, 12.2, 5.1, 0.5, -0.2, 0.1]这样的序列。注意最后有微小的负值回拉和正值微调。3.4 执行拖动Selenium与PyAutoGUI的配合有了轨迹怎么让鼠标按这个轨迹动这里有个关键点Selenium的ActionChains虽然可以链式操作但它对于这种需要实时、连续反馈坐标的精细轨迹模拟力不从心。更有效的方法是结合PyAutoGUI它可以直接控制操作系统级的鼠标移动。但问题来了PyAutoGUI移动的是全局鼠标我们如何确保它正好在浏览器窗口内的滑块上操作解决方案计算滑块元素在屏幕上的绝对坐标然后将PyAutoGUI的鼠标移动到这个坐标开始再按照轨迹移动。import pyautogui from selenium.webdriver import ActionChains # 1. 获取滑块元素在屏幕上的位置 slider driver.find_element(By.XPATH, //div[classgeetest_slider_button]) slider_location slider.location slider_size slider.size # 计算滑块中心点的屏幕坐标注意需要加上浏览器窗口的偏移 window_pos driver.get_window_position() # {x: , y: } start_x window_pos[x] slider_location[x] slider_size[width] // 2 start_y window_pos[y] slider_location[y] slider_size[height] // 2 # 2. 将鼠标移动到滑块中心点 pyautogui.moveTo(start_x, start_y, duration0.2) # 用0.2秒慢慢移过去更自然 pyautogui.mouseDown() # 按下鼠标左键 # 3. 按照生成的轨迹移动鼠标 track generate_track(gap_x) # gap_x是之前计算出的需要水平移动的距离 for move_x in track: # pyautogui.moveRel 移动的是相对当前位置的距离 pyautogui.moveRel(move_x, 0, duration0.05) # 每个小步用很短的时间 time.sleep(random.uniform(0.01, 0.03)) # 步间加入随机延迟 # 4. 释放鼠标 time.sleep(0.1) # 在终点停顿一下模仿确认 pyautogui.mouseUp()重要提示使用PyAutoGUI时千万不要移动你的物理鼠标否则会干扰自动化脚本。最好在运行脚本时将鼠标移到屏幕角落。另外PyAutoGUI的moveTo和moveRel函数中的duration参数至关重要它控制了移动速度是拟真的关键。太快如duration0就像机器人太慢又显得怪异。4. 环境伪装与反检测实战如果你的识别和拖动都做得很像人了但网站还是拒绝你那问题很可能出在浏览器环境上。4.1 使用 undetected-chromedriver这是最简单粗暴有效的方法之一。undetected-chromedriver是一个修改版的ChromeDriver它自动处理了很多常见的WebDriver检测特征。import undetected_chromedriver as uc options uc.ChromeOptions() # 可以添加其他选项如无头模式 # options.add_argument(--headless) driver uc.Chrome(optionsoptions)用这个替换掉你原来的webdriver.Chrome()很多基础的检测就直接绕过了。但它不是银弹对于行为检测如轨迹无能为力。4.2 注入Stealth.js脚本对于更严格的检测我们需要在页面加载前就注入反检测脚本。puppeteer-extra-plugin-stealth的Stealth模式很有名我们可以提取其核心的JavaScript代码通过Selenium执行。# 读取本地的stealth.min.js文件内容 with open(stealth.min.js, r) as f: stealth_js f.read() # 在访问目标网站前先执行这段JS driver.execute_cdp_cmd(Page.addScriptToEvaluateOnNewDocument, { source: stealth_js }) driver.get(https://your-target-site.com)这段JS代码会重写navigator.webdriver、window.chrome等属性移除或伪装掉自动化工具留下的指纹。4.3 其他伪装技巧禁用自动化控制标志这是一个基本的Chrome选项。options.add_experimental_option(excludeSwitches, [enable-automation]) options.add_experimental_option(useAutomationExtension, False)修改User-Agent虽然不一定针对验证码但完整的伪装最好加上。options.add_argument(user-agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ...)窗口大小和位置固定一个常见的窗口大小不要使用默认的。driver.set_window_size(1366, 768) driver.set_window_position(100, 100)5. 完整代码整合与流程封装将以上所有模块整合起来形成一个可复用的SliderCracker类。import time, random, cv2, numpy as np from PIL import Image import pyautogui from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC import undetected_chromedriver as uc class SliderCracker: def __init__(self, driver): self.driver driver self.wait WebDriverWait(driver, 10) def get_element_screenshot(self, element, save_pathNone): 截取页面特定元素的图片 location element.location size element.size self.driver.save_screenshot(temp_full.png) full_img Image.open(temp_full.png) left location[x] top location[y] right left size[width] bottom top size[height] element_img full_img.crop((left, top, right, bottom)) if save_path: element_img.save(save_path) return cv2.cvtColor(np.array(element_img), cv2.COLOR_RGB2BGR) def find_gap(self, bg_cv, slice_cv): 使用融合算法寻找缺口位置 # 此处省略具体的Canny模板匹配代码见上文3.2节 # ... return gap_x_pixel # 返回缺口在背景图中的x坐标 def generate_track(self, distance): 生成拟人化移动轨迹 # 代码见上文3.3节 # ... return track def drag_with_track(self, slider_element, track): 使用PyAutoGUI按轨迹拖动元素 # 计算屏幕坐标 window_pos self.driver.get_window_position() loc slider_element.location size slider_element.size start_x window_pos[x] loc[x] size[width] // 2 start_y window_pos[y] loc[y] size[height] // 2 pyautogui.moveTo(start_x, start_y, duration0.3) pyautogui.mouseDown() time.sleep(0.1) for move_x in track: pyautogui.moveRel(move_x, 0, duration0.05) time.sleep(random.uniform(0.01, 0.03)) time.sleep(0.2) pyautogui.mouseUp() def crack(self, bg_img_element, slice_img_element, slider_element): 主破解流程 print([*] 正在获取验证码图片...) bg_cv self.get_element_screenshot(bg_img_element) slice_cv self.get_element_screenshot(slice_img_element) print([*] 正在识别缺口位置...) gap_x self.find_gap(bg_cv, slice_cv) if gap_x is None: print([-] 缺口识别失败) return False print(f[] 缺口位置识别成功X坐标: {gap_x}) print([*] 正在生成模拟拖动轨迹...) track self.generate_track(gap_x) print([*] 开始模拟拖动...) self.drag_with_track(slider_element, track) print([*] 拖动完成等待结果...) time.sleep(2) # 等待页面反应 # 这里可以添加检测是否成功的逻辑例如查找“验证成功”的提示元素 # success_element self.wait.until(EC.presence_of_element_located((By.XPATH, 验证成功的定位器))) # return success_element is not None return True # 假设成功 # 使用示例 if __name__ __main__: driver uc.Chrome() driver.get(https://你的目标登录页) # ... 执行登录操作触发验证码 cracker SliderCracker(driver) # 替换成你页面中实际的元素定位方式 bg_img driver.find_element(By.ID, bgImg) slice_img driver.find_element(By.ID, sliceImg) slider driver.find_element(By.CLASS_NAME, slider-button) success cracker.crack(bg_img, slice_img, slider) if success: print([] 验证码破解成功) else: print([-] 验证码破解失败。)6. 常见问题与排查技巧实录在实际操作中你会遇到各种各样的问题。下面是我踩过的一些坑和解决方法。6.1 缺口识别不准或失败现象find_gap函数经常返回None或者找到的位置明显不对。排查保存中间图片在代码里把裁剪到的背景图(background.png)和滑块图(slice.png)保存下来人工看一眼。是不是没截对是不是页面有动画图片还没加载完你就截图了在截图前加个time.sleep(1)或显式等待元素可见。调整算法参数Canny的阈值(50, 150)、轮廓面积过滤范围(500, 3000)是经验值。对于不同的网站验证码的图片大小、干扰强度不同这些参数必须调整。写一个调试脚本批量处理几十张验证码把每一步的中间结果边缘图、轮廓图都显示出来观察哪里出了问题。考虑颜色通道有些验证码缺口不是靠边缘而是靠颜色差异。尝试将图片从BGR转换到HSV或其他颜色空间在特定通道上做差或二值化可能效果更好。终极方案深度学习如果网站验证码极其复杂且多变传统算法上限不高。可以考虑训练一个简单的目标检测模型如YOLO来识别缺口。这需要收集和标注数据成本较高但一劳永逸。6.2 拖动后被判定为机器人现象轨迹模拟了但依然验证失败页面提示“操作过于频繁”或“验证失败”。排查轨迹分析打印出你生成的轨迹track画个图看看。是不是太规律了加速减速过程是否平滑随机抖动的幅度和频率是否合理可以多录几次自己手动滑动的鼠标坐标和程序生成的轨迹对比。总耗时真人完成一次滑动大概在1-3秒。你的脚本总耗时是多少如果低于0.5秒太快了如果高于5秒又太慢了。调整generate_track函数中的t时间间隔和moveRel的duration参数。起点和终点你的鼠标按下点真的是在滑块的正中心吗使用pyautogui.displayMousePosition()工具实时查看鼠标坐标确保脚本计算的起点坐标是准确的。终点是否精准对齐有时因为计算误差需要让滑块稍微“过”一点缺口再回来。行为上下文网站可能不仅看单次滑动。你是在页面加载后立即滑动还是等待了一会儿滑动前鼠标是否在页面上有其他移动比如先移动到输入框更拟真的做法是在触发验证码后随机延迟0.5-2秒让鼠标在页面上无规律地轻微移动一下再开始操作滑块。6.3 PyAutoGUI相关错误现象pyautogui.moveTo报错或者鼠标乱飞。排查屏幕缩放如果你的操作系统设置了屏幕缩放比如150%pyautogui获取和操作的坐标会出错。确保在100%缩放比例下运行或者在代码中乘以缩放系数。多显示器在多显示器环境下坐标系统可能更复杂。建议在单显示器下进行自动化测试。权限问题macOS/Linuxpyautogui需要控制鼠标的权限。在macOS的“系统设置-隐私与安全性-辅助功能”中给你的终端或IDE添加权限。焦点丢失在拖动过程中如果其他窗口突然弹出可能会夺走焦点导致鼠标事件发送到错误窗口。运行脚本时确保浏览器窗口在最前端并关闭不必要的通知。6.4 关于“学习通”、“淘宝”等具体网站热搜词里提到了“学习通滑块验证码”、“淘宝数据”。这些大型网站的验证码系统非常完善且经常更新。策略对于这类网站不要指望有一个永久有效的脚本。本文提供的是方法论和工具链。你需要定期维护网站前端代码或验证码样式一变你的元素定位器和图片识别参数可能就要调整。多方案备用除了本文的方法可以了解一些商业打码平台如超级鹰、图鉴的API作为备用方案。当本地识别率下降时临时切换。尊重robots.txt在爬取任何网站数据前请务必检查其robots.txt文件并遵守其中的规则。高频的自动化请求可能对对方服务器造成压力。最后这套方法是我在多个项目中实践和迭代出来的它平衡了成功率、复杂度和可维护性。没有任何方法能保证100%通过所有验证码但通过理解原理、精细调整和组合策略你可以将通过率提升到满足自动化测试或数据采集需求的水平。记住关键不在于代码多高级而在于你对“人类操作”这个过程的模拟有多细致。
![华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
![华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
