目录

• 一、需求分析
• 二、模拟步骤
• 1、使用selenium打开某音网页
• 2、找到小滑块以及小滑块所在的背景图
• 3、计算小滑块需要滑动的距离
• 4、按住小滑块并滑动
• 三、学习过程中比较棘手的问题
• 1、截图问题
• 2、返回结果与实际滑动距离相差太多，甚至无规律可循
• 3、openCV的下载安装
• 四、总结

目前很多网页都有滑动验证，目的就是防止不良爬虫扒他们网站的数据，我这次本着学习的目的使用Java和selenium学习解决滑动验证的问题，前前后后花了一周时间（抄代码），终于成功了某音的滑动验证！
效果展示：

文章图片


一、需求分析
文章图片

要模拟滑动验证总共就两步：
1、找到小滑块
2、按住小滑块，滑动一段距离
第一步很简单，直接通过xPath找到，比较重要和困难的是第二步中距离的问题，我花了那么多的时间在这次学习中，主要是耗在计算需要滑动的距离。
在面向百度编程的过程中看到了很多学习资料，大体上是同一个方法：使用opencv计算机视觉工具让两张处理过的图像进行比对，从而计算出滑动的距离。

二、模拟步骤
1、使用selenium打开某音网页
直接打开

2、找到小滑块以及小滑块所在的背景图
打开前端调式工具，F12，定位小滑块和背景图的位置，复制xpath，然后用selenium查找元素
eg: driver.findElement(By.xpath("小滑块的xpath"));

3、计算小滑块需要滑动的距离
这一部分是最重要的，所以需要重点记录，学习一次，以后遇到同样的问题就能马上解决。
步骤：
1、保存小滑块图像和小滑块背景图
如图，使用selenium可以很方便的获取到这两张图片。

文章图片

2、将背景图进行指定比例和区域的剪裁
在这一步中有两个比较重要的参数：
1、小滑块的top值

文章图片

2、网页当前显示的图像和原图像的大小比例，在计算滑动距离需要用到

文章图片

剪裁用的是 BufferedImage的getSubimage方法，一共有四个参数
image = image.getSubimage(x, y, width, height);
x和y 为截图后图片左上角的坐标值，如果x和y都是0，那么就从原图的左上角开始截起，width和height分别是截图后图片的长和宽。
在某音的滑动验证中，x设置成小滑块的宽度，y设置为小滑块的top，top也就是小滑块距离背景图上边界的像素

文章图片

width设置为背景图原来的宽度-小滑块的宽度
height设置为小滑块的高度
最后截出来的图片类似这样，一定要把背景图的缺口包含进去

文章图片

3、将小滑块图像二值化
从这里开始要用到opencv（开源计算机视觉库）
首先将保存的小滑块图片转灰度，然后将转灰度的下滑快二值化，二值化就是非黑即白，了解过后才知道目前很多机器识别使用的原理和这个差不多。
代码如下：

//小滑块Mat对象Mat s_mat = Imgcodecs.imread(sFile.getPath()); // 转灰度图像Mat s_newMat = new Mat(); Imgproc.cvtColor(s_mat, s_newMat, Imgproc.COLOR_BGR2GRAY); // 二值化图像binaryzation(s_newMat); binaryzation是一个方法，在源码中有Imgcodecs.imwrite(sFile.getPath(), s_newMat);

【利用Java+Selenium+OpenCV模拟实现网页滑动验证】4、将二值化的小滑块和剪裁的背景图进行比对
代码我是抄的，看不懂，就不放在这了。
我研究了好久，因为没有学习过opencv，计算过程调用的几个方法我还不是很懂，但是最后的返回值需要根据实际情况来调整，要不然验证成功率几乎为0。

4、按住小滑块并滑动
滑动过程不能让程序一步走完，不然网页会认为你是爬虫，即使能滑到指定位置也会验证失败。滑动过程应该尽量模拟人工操作。

/*** 模拟移动滑块* @param driver* @param ele 小滑块* @param distance 滑动距离*/public void move(ChromeDriver driver,WebElement ele,int distance) {int randomTime = 0; if (distance > 90) {randomTime = 250; } else if (distance > 80 && distance <= 90) {randomTime = 150; }List track = getMoveTrack(distance - 2); int moveY = 1; try {Actions actions = new Actions(driver); actions.clickAndHold(ele).perform(); Thread.sleep(200); for (int i = 0; i < track.size(); i++) {actions.moveByOffset(track.get(i), moveY).perform(); Thread.sleep(new Random().nextInt(300) + randomTime); }Thread.sleep(200); actions.release(ele).perform(); } catch (Exception e) {e.printStackTrace(); }} /*** 根据距离获取滑动轨迹* @param distance 需要移动的距离* @return*/public static List getMoveTrack(int distance) {List track = new ArrayList<>(); // 移动轨迹Random random = new Random(); int current = 0; // 已经移动的距离int mid = distance * 4 / 5; // 减速阈值int a = 0; int move = 0; // 每次循环移动的距离while (true) {a = random.nextInt(10); if (current <= mid) {move += a; // 不断加速} else {move -= a; }if ((current + move) < distance) {track.add(move); } else {track.add(distance - current); break; }current += move; }return track; }

三、学习过程中比较棘手的问题
1、截图问题
我一开始截出来的图包含的小滑块缺口总是不完整的，经过一番截图参数调试后，我发现某音小滑块top的单位他丫的是em，这像素的大小用em???真不愧是某音，别家都是px，你偏偏要em......然后我又开始面向百度，最后得到的结论是默认浏览器1em = 10px，我在top *10之后还是截不到完整的小滑块缺口。
我这会直接上网页调试工具，最终调式出来1em约等于100px，最后top *100截出来的图片就对了。

2、返回结果与实际滑动距离相差太多，甚至无规律可循
好不容易把代码敲完，之后的测试却一直是失败的，无论在计算的结果加减乘除某个数值都不行。
导致原因：因为在网页上显示的图片和实际上图片大小是不同的，依靠opencv比对计算出来的滑动距离是按照原图大小计算的。
解决办法：只需要将返回值乘上显示图片与原图宽度的比例即可。
注意：因为之前在获取小滑块图像时，top的值为网页显示的大小，计算过程中是按照原图大小计算的，所以获取的top值乘以100后还要乘上原图宽度与显示图像宽度的比例。

3、openCV的下载安装
官网实在是太慢了，直接搜索安装包下载了。

四、总结 这次学习经历前后共花了一周，恰逢考试周，考试科目大多没有复习好，也不知是不是亏了，滑动验证是网页登录或者搜索会经常遇到的问题，模拟滑动解锁主要能够锻炼我们解决问题的能力。
图像在计算机中实际是一个个像素组成的，每一个像素包含三个数值，所以才能够对图像进行二值化、比对。比对过程是在看不懂，不过也不必每一行代码都看懂，能够解决问题才是最重要的。
以下为源码（仅用于学习交流）：

package indi.imitateslide; import org.apache.commons.io.FileUtils; import org.opencv.core.*; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; import org.openqa.selenium.By; import org.openqa.selenium.WebDriver; import org.openqa.selenium.WebElement; import org.openqa.selenium.chrome.ChromeDriver; import org.openqa.selenium.interactions.Actions; import javax.imageio.ImageIO; import java.awt.image.BufferedImage; import java.io.File; import java.net.URL; import java.util.ArrayList; import java.util.List; import java.util.Random; /** * 自动化模拟滑动验证 */public class ImitateSlide {//驱动private ChromeDriver driver; public ImitateSlide(ChromeDriver driver){this.driver = driver; } public void slide(String url,String sliderXpath) throws Exception {driver.get(url); Thread.sleep(2000); //获取滑块WebElement ele = waitWebElement(driver,By.xpath(sliderXpath),500); //获取滑动背景图String bUrl = waitWebElement(driver,By.xpath("//*[@id=\"captcha-verify-image\"]"),500).getAttribute("src"); //获取小滑块图片String sUrl = waitWebElement(driver,By.xpath("//*[@id=\"captcha_container\"]/div/div[2]/img[2]"),500).getAttribute("src"); //获取高度String topStr = waitWebElement(driver,By.xpath("//*[@id=\"captcha_container\"]/div/div[2]/img[2]"),500).getAttribute("style").substring(16,20); System.out.println("字符串高度是： "+topStr); double dTop = Double.parseDouble(topStr); dTop *= 160; int top = (int) dTop; System.out.println("最终高度是： "+top); //计算移动的距离double dDis = Double.parseDouble(getDistance(bUrl,sUrl,top)); System.out.println("计算出的距离为： "+dDis); int distance = (int) dDis; System.out.println("最终移动的距离为： "+distance); Thread.sleep(500); //滑动move(driver,ele,distance); Thread.sleep(1000); driver.quit(); } /*** 模拟移动滑块* @param driver* @param ele* @param distance*/public void move(ChromeDriver driver,WebElement ele,int distance) {int randomTime = 0; if (distance > 90) {randomTime = 250; } else if (distance > 80 && distance <= 90) {randomTime = 150; }List track = getMoveTrack(distance - 2); int moveY = 1; try {Actions actions = new Actions(driver); actions.clickAndHold(ele).perform(); Thread.sleep(200); for (int i = 0; i < track.size(); i++) {actions.moveByOffset(track.get(i), moveY).perform(); Thread.sleep(new Random().nextInt(300) + randomTime); }Thread.sleep(200); actions.release(ele).perform(); } catch (Exception e) {e.printStackTrace(); }} /*** 根据距离获取滑动轨迹* @param distance 需要移动的距离* @return*/public static List getMoveTrack(int distance) {List track = new ArrayList<>(); // 移动轨迹Random random = new Random(); int current = 0; // 已经移动的距离int mid = distance * 4 / 5; // 减速阈值int a = 0; int move = 0; // 每次循环移动的距离while (true) {a = random.nextInt(10); if (current <= mid) {move += a; // 不断加速} else {move -= a; }if ((current + move) < distance) {track.add(move); } else {track.add(distance - current); break; }current += move; }return track; } /*** 获取滑块移动的距离* @param bUrl 滑动背景图* @param sUrl 小滑块* @param top 高度* @return*/public String getDistance(String bUrl, String sUrl, int top) {System.loadLibrary( Core.NATIVE_LIBRARY_NAME ); File bFile = new File("D:\\douyin_b1.jpg"); File sFile = new File("D:\\douyin_s1.jpg"); try {//将图片复制保存到指定路径FileUtils.copyURLToFile(new URL(bUrl), bFile); FileUtils.copyURLToFile(new URL(sUrl), sFile); BufferedImage bgBI = ImageIO.read(bFile); BufferedImage sBI = ImageIO.read(sFile); // 裁剪System.out.println("背景图片的宽度是： "+bgBI.getWidth()); System.out.println("小图片的高度是："+sBI.getHeight()); bgBI = bgBI.getSubimage(sBI.getWidth(), top, bgBI.getWidth() - 110, sBI.getHeight()); ImageIO.write(bgBI, "png", bFile); Mat s_mat = Imgcodecs.imread(sFile.getPath()); Mat b_mat = Imgcodecs.imread(bFile.getPath()); // 转灰度图像Mat s_newMat = new Mat(); Imgproc.cvtColor(s_mat, s_newMat, Imgproc.COLOR_BGR2GRAY); // 二值化图像binaryzation(s_newMat); Imgcodecs.imwrite(sFile.getPath(), s_newMat); //让两张图片进行比对int result_rows = b_mat.rows() - s_mat.rows() + 1; int result_cols = b_mat.cols() - s_mat.cols() + 1; Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1); Imgproc.matchTemplate(b_mat, s_mat, g_result, Imgproc.TM_SQDIFF); // 归一化平方差匹配法// 归一化相关匹配法Core.normalize(g_result, g_result, 0, 1, Core.NORM_MINMAX, -1, new Mat()); //以下看不懂Point matchLocation = new Point(); Core.MinMaxLocResult mmlr = Core.minMaxLoc(g_result); matchLocation = mmlr.maxLoc; // 此处使用maxLoc还是minLoc取决于使用的匹配算法Imgproc.rectangle(b_mat, matchLocation,new Point(matchLocation.x + s_mat.cols(), matchLocation.y + s_mat.rows()), new Scalar(0, 255, 0, 0)); //返回值就是要移动的距离，在这里需要加上被裁剪掉的宽度再减去小滑块的宽度，最后乘上相应的比例。return "" + ((matchLocation.x + s_mat.cols()) / 1.62); } catch (Throwable e) {e.printStackTrace(); return null; } finally {//删除保存的滑块以及背景图片bFile.delete(); sFile.delete(); }} /*** 将图像二值化，固定代码* @param mat*/public static void binaryzation(Mat mat) {int BLACK = 0; int WHITE = 255; int ucThre = 0, ucThre_new = 127; int nBack_count, nData_count; int nBack_sum, nData_sum; int nValue; int i, j; int width = mat.width(), height = mat.height(); // 寻找最佳的阙值while (ucThre != ucThre_new) {nBack_sum = nData_sum = 0; nBack_count = nData_count = 0; for (j = 0; j < height; ++j) {for (i = 0; i < width; i++) {nValue = https://www.it610.com/article/(int) mat.get(j, i)[0]; if (nValue> ucThre_new) {nBack_sum += nValue; nBack_count++; } else {nData_sum += nValue; nData_count++; }}}nBack_sum = nBack_sum / nBack_count; nData_sum = nData_sum / nData_count; ucThre = ucThre_new; ucThre_new = (nBack_sum + nData_sum) / 2; }// 二值化处理int nBlack = 0; int nWhite = 0; for (j = 0; j < height; ++j) {for (i = 0; i < width; ++i) {nValue = https://www.it610.com/article/(int) mat.get(j, i)[0]; if (nValue> ucThre_new) {mat.put(j, i, WHITE); nWhite++; } else {mat.put(j, i, BLACK); nBlack++; }}}// 确保白底黑字if (nBlack > nWhite) {for (j = 0; j < height; ++j) {for (i = 0; i < width; ++i) {nValue = https://www.it610.com/article/(int) (mat.get(j, i)[0]); if (nValue == 0) {mat.put(j, i, WHITE); } else {mat.put(j, i, BLACK); }}}}} /*** 元素延时加载，等到元素出现时返回该元素，超过500*0.05s后无响应则抛出NOSuchElement异常* @param driver* @param by* @param count* @return WebElement* @throws Exception*/private static WebElement waitWebElement(WebDriver driver, By by, int count) throws Exception {WebElement webElement = null; boolean isWait = false; for (int k = 0; k < count; k++) {try {webElement = driver.findElement(by); if (isWait)System.out.println(" ok!"); return webElement; } catch (org.openqa.selenium.NoSuchElementException ex) {isWait = true; if (k == 0)System.out.print("waitWebElement(" + by.toString() + ")"); elseSystem.out.print("."); Thread.sleep(50); }}if (isWait)System.out.println(" outTime!"); return null; }}

到此这篇关于利用Java+Selenium+OpenCV模拟实现网页滑动验证的文章就介绍到这了,更多相关Java Selenium OpenCV滑动验证内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

推荐阅读

• 

  婕珞芙晨露蔷薇面膜怎么样 婕路芙晨露蔷薇面膜可以分两次用吗
• 

  猪肉各部位的区别 猪肉哪个部位是一等肉
• 

  最早指南车发明人 指南车发明者
• 

  银天下行情分析系统软件下载
• 

  redis跳跃表查找数据的过程 redis哪块用到跳表
• 

  华为荣耀play3有没有指纹解锁（华为荣耀play3有指纹解锁吗）
• 

  amdk15支持什么cpu，amdk15主板支持的cpu
• 

  女性揉地筋的好处 主要有这些好处
• 

  汽车原厂互联映射什么意思
• 

  常年不在家冰箱怎么办？如何维护和保养？
• 

  怎样识别变频空调和定频空调 空调开一天多少钱
• 

  七绝（云水一梦惹东风）
• 

  新办企业个税申报密码 申报个税在哪个软件，企业个税能用手机申报吗
• 

  运动会通讯稿300字
• 

  美的SC861A吸尘器不充电的解决方法
• 

  刘海屏|iPhone 14强势曝光：是不是后悔手里的iPhone 13买早了？
• 

  iphone|从12999元跌至10488元，12G+512G，华为顶级旗舰现货供应不用抢购
• 

  绝地求生刺激战场国际服 绝地求生刺激战场国际服下载方法有哪些
• 

  无症状感染者会一直不发病吗
• 

  泰顺云雾茶是什么茶 泰顺雾云农庄

• 模拟|UPC-自习课
• 网络安全|利用SQL注入漏洞登录后台
• mysql|mysql 注入 3.0_ThinkPHP 3.0~3.2 SQL注入漏洞详解与利用
• 利用js写一个倒计时器
• Keras|从零开始TensorFlow---利用Keras 搭建CNN网络
• 自学python|数据可视化_模拟随机漫步
• ★MATLAB算法仿真经验|在隧道内放置多个地感线圈，车辆通过时、对通过的相邻两个线圈的脉冲信号数据进行实时采集，首先利用云模型算法，计算得到车速
• ios快捷指令连接linux,如何利用 iOS 快捷指令自动化登录校园网
• C++|c++中string的模拟实现
• c++|c++的string类的模拟实现 以及basic_string::_M_construct null not valid错误的原因