当前位置：首页 > news >正文

selenium 实现模拟登录中的滑块验证功能

news 来源：原创 2025/8/20 17:41:36

用python在做数据采集过程中，经常需要用到模拟登录，经常遇到各种图片、文字甚至短信等验证，如果能通过脚本的方便实现验证，就可以自动帮我更高效地收集数据。Selenium 是一个开源的 Web 自动化测试工具，最初是为网站自动化测试而开发的。它支持多种编程语言（如 Python、Java、C# 等），能够模拟用户在浏览器中的操作，如点击、输入、滚动等。Selenium 的核心组件是 WebDriver，它通过浏览器驱动（如 ChromeDriver、GeckoDriver）与浏览器进行交互。

以下是使用 Python 的 Selenium 库实现模拟登录过程中滑块验证：

步骤 1：安装依赖库

确保已安装 Selenium 和浏览器驱动（如 ChromeDriver）：

pip install selenium

最新版的chrome浏览器驱动下载地址如下：

https://storage.googleapis.com/chrome-for-testing-public/135.0.7049.42/win64/chromedriver-win64.zip

下载后解压将 chromedriver.exe 放在当前目录下，或者放在PATH环境变量指定的目录下。

步骤 2：初始化浏览器驱动

from selenium import webdriverfrom selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# 初始化 Chrome 浏览器

options = webdriver.ChromeOptions()options.add_argument("--disable-blink-features=AutomationControlled")  # 禁用自动化检测driver = webdriver.Chrome(executable_path='chromedriver', options=options)driver.get("https://example.com/login")  # 替换为目标登录页面

步骤 3：输入用户名和密码

# 定位并输入用户名
username = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "username"))  # 替换为实际的用户名输入框 ID)username.send_keys("your_username")# 定位并输入密码
password = driver.find_element(By.ID, "password")  # 替换为实际的密码输入框 IDpassword.send_keys("your_password")

步骤 4：定位滑块元素

# 等待滑块元素加载
slider = WebDriverWait(driver, 10).until(EC.element_to_be_clickable((By.CLASS_NAME, "slider"))  # 替换为实际的滑块类名)# 获取滑块轨道的宽度（可能需要调整选择器）
track = driver.find_element(By.CLASS_NAME, "slider-track")track_width = track.size['width']

步骤 5：生成模拟人类拖动的轨迹

def generate_move_track(distance):"""生成模拟人类拖动的轨迹（加速-减速）:param distance: 需要拖动的总距离:return: 移动轨迹列表"""track = []current = 0mid = distance * 0.8  # 前80%快速滑动，后20%慢速微调t = 0.2while current < distance:if current < mid:a = 2  # 加速度else:a = -3  # 减速度v0 = 0move = v0 * t + 0.5 * a * t**2current += movetrack.append(round(move))t += 0.2# 微调确保最终位置准确overshoot = current - distanceif overshoot > 0:track.append(-round(overshoot))return tracktrack = generate_move_track(track_width)

步骤 6：执行滑块拖动操作

actions = ActionChains(driver)actions.click_and_hold(slider).perform()for move in track:actions.move_by_offset(move, 0).perform()# 添加随机延迟（0.05秒到0.3秒之间）actions.pause(random.uniform(0.05, 0.3))actions.release().perform()

步骤 7：验证登录是否成功

try:# 检查是否跳转到登录后的页面（例如存在退出按钮）WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.LINK_TEXT, "退出")))print("登录成功！")except Exception as e:print("滑块验证失败:", str(e))

完整代码示例

import randomfrom selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as ECdef simulate_slider_verification():# 初始化浏览器driver = webdriver.Chrome(executable_path='chromedriver')driver.get("https://example.com/login")try:# 输入用户名密码username = WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, "username")))username.send_keys("your_username")password = driver.find_element(By.ID, "password")password.send_keys("your_password")# 定位滑块slider = WebDriverWait(driver, 10).until(EC.element_to_be_clickable((By.CLASS_NAME, "slider")))# 生成轨迹track = generate_move_track(300)  # 假设需要拖动300像素# 执行拖动actions = ActionChains(driver)actions.click_and_hold(slider).perform()for move in track:actions.move_by_offset(move, 0).pause(random.uniform(0.05, 0.3)).perform()actions.release().perform()# 验证结果WebDriverWait(driver, 10).until(EC.url_contains("/dashboard")  # 检查是否跳转到仪表盘)print("登录成功！")finally:driver.quit()def generate_move_track(distance):# ...（同上轨迹生成函数）...if __name__ == "__main__":simulate_slider_verification()

关键注意事项

元素定位：需根据目标网站实际HTML结构调整定位方式（ID/CLASS/XPath）

轨迹模拟：调整generate_move_track参数以匹配不同距离的验证需求

反检测机制：

添加options.add_argument("--disable-blink-features=AutomationControlled")

使用随机延迟和移动轨迹

考虑使用无头模式时需更精确的轨迹模拟

异常处理：添加重试机制处理偶发验证失败

性能优化：对于复杂验证，可结合OpenCV进行缺口位置识别

高级技巧（应对复杂验证）

对于需要识别缺口位置的滑块（如拼图验证），需结合图像处理：

from PIL import Image
import cv2
import numpy as npdef detect_gap_position():# 截取滑块背景图和缺口图bg_img = Image.open('background.png')gap_img = Image.open('gap.png')# 转换为OpenCV格式bg_cv = cv2.cvtColor(np.array(bg_img), cv2.COLOR_RGB2BGR)gap_cv = cv2.cvtColor(np.array(gap_img), cv2.COLOR_RGB2BGR)# 使用模板匹配查找缺口位置result = cv2.matchTemplate(bg_cv, gap_cv, cv2.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)return max_loc[0]  # 返回缺口x坐标

将图像识别与拖动操作结合使用，可应对更复杂的滑块验证场景。