背景：在部分的登录中有滑动验证码的验证，由于滑动验证码的缺块是随机的就导致实现起来比较困难！
模板匹配
通过openCV分析两个图片的相似度，获取两个相似度很高图片的坐标，从而计算两个图片的距离。
轮廓检测
通过openCV进行轮廓检测，即在大图片中找到缺口位置的坐标，然后计算小图片到缺口位置的距离。
python语言
这里不再赘述，本篇主要还是使用python技术来实现。
selenium库
selenium是一个用于测试Web应用程序的Python库。它可以模拟用户在浏览器中的操作，例如点击、填写表单等。Selenium可以与各种浏览器交互，并提供了丰富的API来控制浏览器行为和获取网页内容。
urllib库
urllib是Python标准库之一，用于处理URL相关的操作。它包含多个子模块，例如
urllib.request用于发送HTTP请求并获取响应
urllib.parse用于解析和构建URL
urllib.error用于处理URL相关的错误等
urllib常用于网络数据抓取、访问API等任务。
cv2库
cv2是OpenCV（Open Source Computer Vision）库的Python绑定。OpenCV是一个广泛使用的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。cv2库为Python开发者提供了对OpenCV功能的访问，可以进行图像加载、处理、分析以及计算机视觉任务，如人脸识别、目标检测等。
安装注意事项：
如果直接通过pip install cv2安装报错的话，请使用下面的语句安装：pip install opencv-python
random库
random是Python的随机数生成库。它提供了多种随机数生成函数，包括生成伪随机数的函数和从序列中随机选择元素的函数。random库可用于模拟、游戏开发、密码学等领域，以及各种需要随机性的应用程序。
re库
re是Python的正则表达式模块，用于对字符串进行模式匹配和处理。正则表达式是一种强大的文本匹配工具，可以用来搜索、替换、提取特定模式的字符串。re库提供了函数和方法来编译正则表达式、执行匹配操作，并返回匹配结果，使得处理文本数据更加灵活和高效
time库
time库是处理时间的标准库，提供了获取系统时间、格式化输出、系统级精确计时等功能。
打开登录页切换密码登录
第一步，打开登录页面，并点击页面上的“密码登录”：
代码：
输账密点击登录
第二步，输入账号密码，并点击“登录豆瓣”按钮：
代码：
切换焦点并下载验证图片
将焦点切换至滑块验证区域，并下载加载好的滑块验证背景图片。
点击登录按钮后，就会出现滑块验证区域，这是一个新增的frame区域，此时我们需要将切换的焦点从主页面转换到这个frame区域上：
代码：
然后我们需要获取整个需要对其的大图片，获取其路径并下载到本地，准备进行读取验证，下载图片效果：
代码：
拖动滑块至缺口处
我们接下来要做的，是将小拼图图片，移动到缺口处：
我们需要获取小图片到缺口处的实际距离，一般用到两种方法。
第一种方法是模板匹配，通过openCV分析两个图片的相似度，获取两个相似度很高图片的坐标，从而计算两个图片的距离。
第二种方法是轮廓检测，通过openCV进行轮廓检测，即在大图片中找到缺口位置的坐标，然后计算小图片到缺口位置的距离。
这里因为我们无法单独获取小拼图的单独图片，所以不好使用模板匹配的方法，所以我们选择使用第二种轮廓检测的方法。
（1）得到缺口轮廓位置信息
首先我们计算一下缺口的坐标及面积大概有多大，使用PhotoShop打开下载的图片，单独将缺口按照正方形的尺寸抠出来，发现其长宽各是80像素：
所以这个封闭矩形的面积范围大概是在80*80=6400像素左右。周长是80*4=320像素。但是现实中这里是有缺口的，不是一个完整的图片，所以我们需要给它一定的误差范围，这里我们暂定目标区域面积为上下百分之四，周长为上下百分之四。
然后我们将计算距离：
执行结果：
生成的目标区域画红框的计算图片：
好了，到此为止我们获取到了一个重要的数据，就是缺口的位置信息。
（2）匹配小滑块元素
得到小滑块元素，让其移动位置到上面计算的距离。
注意：
由于大部分网站有检测真人操作的逻辑，所以我们这里要模拟真人进行移动操作，不能一下移动到目标点，需要一点一点的移动。
执行结果
浏览器获取元素
打开F12
选择元素
复制元素XPath
检验元素XPath唯一性
Ctrl+F唤起搜索
输入复制的XPath
查看是否唯一
转载自：https://blog.csdn.net/weixin_53300120/article/details/138068169
如果觉得有用，就请关注、点赞、在看、分享到朋友圈吧！
推荐阅读：
END
长按二维码/微信扫码 添加作者
