### 使用 Selenium 实现自动处理登录时遇到的滑动验证码 #### 加载必要的库和初始化 WebDriver 为了使用 Selenium 处理滑动验证码，首先需要加载所需的 Python 库并设置 ChromeDriver 的路径。 ```python from selenium import webdriver import time import base64 import cv2 import numpy as np ``` 接着配置 ChromeDriver 并访问目标网站： ```python chrome_path = r"C:\Users\11248\AppData\Local\Google\Chrome\Application\chromedriver.exe" url = 'https://icas.jnu.edu.cn/cas/login' driver = webdriver.Chrome(executable_path=chrome_path) driver.get(url) time.sleep(3) # 等待页面加载完成 ``` #### 获取滑块验证图像 由于滑块验证通常由两部分组成——背景图和缺失的小方块图。这些图片往往被嵌入网页中的 `<canvas>` 标签内[^3]。因此可以通过执行 JavaScript 来提取 canvas 上绘制的内容作为 Base64 编码字符串，并将其转换成 PNG 文件保存下来以便后续分析。 ```python def get_image_from_canvas(index): js_code = f'return document.getElementsByTagName("canvas")[{index}].toDataURL("image/png");' image_data_url = driver.execute_script(js_code) _, encoded_image = image_data_url.split(',', 1) decoded_image = base64.b64decode(encoded_image) filename = f'image_{index}.png' with open(filename, 'wb') as file: file.write(decoded_image) return filename background_img = get_image_from_canvas(0) # 假设第一个 Canvas 是完整的背景图 slider_img = get_image_from_canvas(1) # 第二个 Canvas 则是带有缺口的部分 ``` #### 计算滑块移动距离 利用 OpenCV 对获取到的两张图片进行匹配计算出滑块应该平移的距离。这里采用模板匹配算法来定位小方块相对于大图的位置差值。 ```python def calculate_slider_distance(bg_image_path, slider_image_path): bg_gray = cv2.imread(bg_image_path, 0) slider_gray = cv2.imread(slider_image_path, 0) result = cv2.matchTemplate(bg_gray, slider_gray, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) distance = max_loc[0] return distance distance_to_move = calculate_slider_distance(background_img, slider_img) print(f"The calculated slide distance is {distance_to_move}px.") ``` #### 控制滑块拖拽动作 最后一步就是模拟真实的鼠标拖放事件去触发验证逻辑。这涉及到创建一系列 ActionChains 动作链对象逐步构建整个交互过程直到释放为止。 ```python from selenium.webdriver.common.action_chains import ActionChains slider_element = driver.find_element_by_class_name('your-slider-class-name') actions = ActionChains(driver) actions.click_and_hold(slider_element).perform() for step in range(int(distance_to_move / 5)): actions.move_by_offset(xoffset=5, yoffset=0).perform() # 每次只挪一点点 time.sleep(np.random.uniform(0.05, 0.1)) # 添加随机延时让轨迹更自然些 actions.release().perform() time.sleep(2) # 给服务器一点时间响应请求 ``` 以上代码片段展示了如何通过 Selenium 和辅助工具（如OpenCV）共同协作解决常见的图形化 CAPTCHA 验证问题[^2]。