利用Java+Selenium+OpenCV模拟实现网页滑动验证

目录

一、需求分析二、模拟步骤1、使用lenium打开某音网页2、找到小滑块以及小滑块所在的背景图今天是万圣节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、ope制度经济学ncv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lenium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：

一、需求分析

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lenium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lenium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lenium可以很方便的获取到这两张图片。

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

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

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

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

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);

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;        } el if (distance > 80 && distance <= 90) {            randomtime = 150;        }        list<integer> 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.movebyofft(track.get(i), movey).perform();                thread.sleep(new random().nextint(300) + randomtime);            }            thread.sleep(200);            actions.relea(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<integer> getmovetrack(int distance) {        list<integer> 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            } el {                move -= a;            }            if ((current + move) < distance) {                track.add(move);            } el {                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无线覆盖习好，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.lenium.by;import org.openqa.lenium.webdriver;import org.openqa.lenium.webelement;import org.openqa.lenium.chrome.chromedriver;import org.openqa.lenium.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.pardouble(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.pardouble(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;} el if (distance > 80 && distance <= 90) {randomtime = 150;}list<integer> 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.movebyofft(track.get(i), movey).perform();thread.sleep(new random().nextint(300) + randomtime);}thread.sleep(200);actions.relea(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<integer> getmovetrack(int distance) {list<integer> 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} el {move -= a;}if ((current + move) < distance) {track.add(move);} el {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();//经历的近义词 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 = (int) mat.get(j, i)[0];if (nvalue > ucthre_new) {nback_sum += nvalue;nback_count++;} el {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 = (int) mat.get(j, i)[0];if (nvalue > ucthre_new) {mat.put(j, i, white);nwhite++;} el {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 = (int) (mat.get(j, i)[0]);if (nvalue == 0) {mat.put(j, i, white);} el {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化学专业排名*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 = fal;for (int k = 0; k < count; k++) {try {webelement = driver.findelement(by);if (iswait)system.out.println(" ok!");return webelement;} catch (org.openqa.lenium.nosuchelementexception ex) {iswait = true;if (k == 0)system.out.print("waitwebelement(" + by.tostring() + ")");elsystem.out.print(".");thread.sleep(50);}}if (iswait)system.out.println(" outtime!");return null;}}

到此这篇关于利用java+lenium+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 lenium opencv滑动验证内容请搜索www.887551.com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www.887551.com！