滑动验证码破解

• 此项目仅学习用途

基于opencv图像识别 + selenium模拟滑动 + python实现的滑块验证码破解项目，支持RPC调用，自动化浏览器操作，可视化远程VNC连接，自定义重试策略等操作...目前为Demo阶段，有需要请阅读代码注释自行改造

支持验证码列表及成功率展示如下:

厂家	类型	成功率
腾讯防水墙	滑块	99%

运行Demo

基础环境为python3 + pip3

以及需要webdriver服务，以下用docker部署

• 安装依赖:

pip3 install numpy opencv-python requests pillow

• 启动selenium chrome webdriver

docker run -d -p 4444:4444 -p 5900:5900 --shm-size="2g" selenium/standalone-chrome:4.0.0-rc-1-prerelease-20210713

M1芯片请使用以下镜像尝试, 参考

docker run -d -p 4444:4444 -p 5900:5900 --shm-size="2g" seleniarm/standalone-chromium:4.0.0-beta-1-20210215

这里4444端口为webdriver，而5900端口为VNC可视化连接端口，可后续连接VNC查看demo运行时的一些可视化表现。这里使用 docker-selenium 项目运行webdriver，后续有需要可自行扩容为webdriver集群

• 访问VNC屏幕(可选)

浏览器访问 vnc://127.0.0.1:5900 确认后会弹出VNC的密码输入弹窗，输入secret即可访问

记得把控制改为仅观看，防止后续影响运行

• 然后运行cv.py

python3 ./cv.py

不出意外就能看到打印出在刷新验证码了，然后会将识别并计算完成后的结果窗口弹出(按任意键即关闭)，识别出的滑动定位将会有红色坐标标识，如下:

这里代码中只设置执行了5次，如果需要更多次可改代码然后最后看识别成功率，或访问/test目录

演示

---

后续再调用selenium的api去模拟滑动即可，代码中的注释比较多是当时学习opencv时留下的，有需要可具体查看代码并根据自己的需求作优化