「技术分享」解密凡科网滑块验证：逆向JS、base64解码与Selenium应用-Eswlnk Blog
智能摘要 AI
作者分享了凡科网JS逆向中的闭包技巧，并通过多次请求触发滑块验证。由于无法直接获取图片，转而使用Selenium模拟登录，获取滑块和底图的Base64编码，解码后存储为图片。通过OpenCV进行图像匹配，计算出滑块位置，并模拟人工滑动完成验证。文章总结了滑块验证的优化方向，如提升匹配速度和模拟真实滑动轨迹，并指出爬虫中仍存在诸多限制。

前提和大概思路概述

只是学习的途中有一些新的发现，分享给大家，希望对你们有帮助。

凡科网的JS逆向的闭包技巧应该是典型的闭包案例，很多人都有讲解，这里只做一个粗略介绍。

正常完成逆向之后，进行模拟登录，好像是因为我的多次请求，出现了滑块验证。

「技术分享」解密凡科网滑块验证：逆向JS、base64解码与Selenium应用-Eswlnk Blog
「技术分享」解密凡科网滑块验证：逆向JS、base64解码与Selenium应用-Eswlnk Blog

先要做的是拿到底图和完整图或者滑块，但凡科网的这里只能找到图片base64伪加密后的imgId和sliderId，发起对应请求想得到后解码，奈何自己实在试过一堆法子，一直请求失败，无奈下换用selenium做模拟登录，重要的还是做滑块的思路嘛（实际还是自己实力不够–）

「技术分享」解密凡科网滑块验证：逆向JS、base64解码与Selenium应用-Eswlnk Blog 
{'success': False, 'msg': {'dealType': 1, 'capErrno': -2}}
「技术分享」解密凡科网滑块验证：逆向JS、base64解码与Selenium应用-Eswlnk Blog

转换思路selenium和验证滑块图片的获取处理

用到的库：

from selenium.webdriver import Chrome
import time
import requests
from selenium.webdriver.common.action_chains import ActionChains
import base64
import numpy as np
import cv2 as cv

先模拟登录一下试试：

# ***中输入你的账号和密码
web = Chrome()
web.get('https://i.fkw.com/')
time.sleep(1)
web.find_element_by_xpath('//*[@id="loginCacct"]').send_keys('***')
web.find_element_by_xpath('//*[@id="loginPwd"]').send_keys('***')
time.sleep(1)
web.find_element_by_xpath('//*[@id="login_button"]').click()
time.sleep(2)

好家伙一下子就进去了，可毕竟咱们是长见识为主，所以咱拿错误的账号密码来做试验（正确的重复多次登录后也会出现）。

现在的重点主要是获取到对应的图片base64编码后的数据，在进行解码，存储图片。（注意只需要base64后的数据，要对数据做一定处理）

「技术分享」解密凡科网滑块验证：逆向JS、base64解码与Selenium应用-Eswlnk Blog 
ImgId_str = web.find_element_by_xpath('/html/body/div[4]/div/div[2]/div/div/div[3]/div/div[1]/div[1]/img[1]').get_attribute('src')
ImgId = '/' + ImgId_str.strip('data:image/jpeg;base64,')
sliderId_str = web.find_element_by_xpath('/html/body/div[4]/div/div[2]/div/div/div[3]/div/div[1]/div[1]/img[2]').get_attribute('src')
sliderId = 'i' + sliderId_str.lstrip('data:image/jpeg;base64,')

发现得到的这大串玩意，看起来蛮爽。开始解码，好像规则里的整除加=不是很有作用，我试了试加不加都可以（可能是我忽略了细节），把滑块和底图都存储起来。

def decode_base64(strs,i):
    if(len(strs)%4 == 1):
        strs += "==="
    elif(len(strs)%4 == 2):
        strs += '=='
    elif(len(strs)%4 == 3):
        strs += '='
    imgdata = base64.b64decode(strs)
    file = open(f'{i}.jpg','wb')
    file.write(imgdata)
    file.close()

用cv.TM_CCOEFF_NORMED算法进行精度匹配，将一维位置转换为二维位置，得到x，y的坐标。

Img_ = cv.imread('1.jpg')
slider_ = cv.imread('2.jpg')
result = cv.matchTemplate(Img_, slider_, cv.TM_CCOEFF_NORMED)
yiwei_ = np.argmax(result)  
x, y = np.unravel_index(yiwei_, result.shape)  
time.sleep(2)
# print(x,y)

找到滑的地方，模拟人工滑动，即可完成。（注意传输的坐标值）

web.implicitly_wait(10)
btn = web.find_element_by_xpath('/html/body/div[4]/div/div[2]/div/div/div[3]/div/div[1]/div[2]/div[1]/div')
ActionChains(web).drag_and_drop_by_offset(btn, xoffset=y, yoffset=0).perform()

总结

对图片base64解码处理后的滑块验证，很多地方都可以优化，比如如何让匹配速度更快，模拟人工轨迹一步步滑等等。爬虫无上限，可能图片验证，滑块验证成功，账号密码正确，还是会显示验证码错误（12306目前是这样的），还有很多的selenium限制的地方。