上篇文章介绍了数字验证码和文字点选验证的解决方法，这篇文章继续介绍滑块验证的通过方法。
前面两个实际操作比滑块难，但是用代码操作则是滑块更难，之所以把滑块单独拿出来，因为这篇滑块验证的通过方式不会用到平台工具。废话不多说，上代码
- 首先，需要得到背景图片和滑块图片 如图：
- 计算缺口函数的x坐标
def identify_gap(self, bg_image, tp_image, out="new_image.png"):
"""
通过cv2计算缺口位置
:param bg_image: 有缺口的背景图片文件
:param tp_image: 缺口小图文件图片文件
:param out: 绘制缺口边框之后的图片
:return: 返回缺口位置
"""
# 读取背景图片和缺口图片
bg_img = cv2.imread(bg_image) # 背景图片
tp_img = cv2.imread(tp_image) # 缺口图片
# 识别图片边缘
# 因为验证码图片里面的目标缺口通常是有比较明显的边缘 所以可以借助边缘检测算法结合调整阈值来识别缺口
# 目前应用比较广泛的边缘检测算法是Canny John F.Canny在1986年所开发的一个多级边缘检测算法 效果挺好的
bg_edge = cv2.Canny(bg_img, 100, 200)
tp_edge = cv2.Canny(tp_img, 100, 200)
print(bg_edge, tp_edge)
# 转换图片格式
# 得到了图片边缘的灰度图，进一步将其图片格式转为RGB格式
bg_pic = cv2.cvtColor(bg_edge, cv2.COLOR_GRAY2RGB)
tp_pic = cv2.cvtColor(tp_edge, cv2.COLOR_GRAY2RGB)
# 缺口匹配
# 一幅图像中找与另一幅图像最匹配(相似)部分 算法：cv2.TM_CCOEFF_NORMED
# 在背景图片中搜索对应的缺口
res = cv2.matchTemplate(bg_pic, tp_pic, cv2.TM_CCOEFF_NORMED)
# res为每个位置的匹配结果，代表了匹配的概率，选出其中「概率最高」的点，即为缺口匹配的位置
# 从中获取min_val，max_val，min_loc，max_loc分别为匹配的最小值、匹配的最大值、最小值的位置、最大值的位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 寻找最优匹配
# 绘制方框
th, tw = tp_pic.shape[:2]
tl = max_loc # 左上角点的坐标
br = (tl[0] + tw, tl[1] + th) # 右下角点的坐标
cv2.rectangle(bg_img, tl, br, (0, 0, 255), 2) # 绘制矩形
cv2.imwrite(out, bg_img) # 保存在本地
# 返回缺口的X坐标
return tl[0]
3.滑动滑块
# 滑动函数
def move_slide(self, offset_x, offset_y, left):
"""
执行滑动操作，模拟人类滑动鼠标的行为。
参数:
- offset_x: 滑动开始的x轴偏移量
- offset_y: 滑动开始的y轴偏移量
- left: 滑动的距离
此函数无返回值。
"""
# 移动鼠标到起始位置
pyautogui.moveTo(offset_x, offset_y, duration=0.1 + random.uniform(0, 0.1 + random.randint(1, 100) / 100))
# 按下鼠标，准备开始滑动
pyautogui.mouseDown()
# 调整y轴位置，模拟不规则的滑动路径
offset_y += random.randint(9, 19)
# 执行滑动操作，逐渐接近目标位置
pyautogui.moveTo(offset_x + int(left * random.randint(15, 25) / 20), offset_y, duration=0.28)
# 再次调整y轴位置，增加滑动的随机性
offset_y += random.randint(-9, 0)
pyautogui.moveTo(offset_x + int(left * random.randint(17, 23) / 20), offset_y,
duration=random.randint(20, 31) / 100)
# 继续微调y轴位置，模拟自然的滑动行为
offset_y += random.randint(0, 8)
pyautogui.moveTo(offset_x + int(left * random.randint(19, 21) / 20), offset_y,
duration=random.randint(20, 40) / 100)
# 接近最终位置，进行细微调整
offset_y += random.randint(-3, 3)
pyautogui.moveTo(left + offset_x + random.randint(-3, 3), offset_y,
duration=0.5 + random.randint(-10, 10) / 100)
# 最后的调整，确保到达目标位置
offset_y += random.randint(-2, 2)
pyautogui.moveTo(left + offset_x + random.randint(-2, 3), offset_y, duration=0.5 + random.randint(-3, 3) / 100)
# 释放鼠标，完成滑动操作
pyautogui.mouseUp()
# 等待一段时间，模拟人类操作后的停顿
time.sleep(3)
接下来只需要调用这两个函数就行，代码复制即可使用
