python模拟哔哩哔哩滑块登入验证的实现，程序员必须要了解的知识点

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

from time import sleep

from selenium import webdriver

from selenium.webdriver 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

import cv2

import numpy as np

import math

############ 配置区域 #########

zh=‘’ #账号

pwd=‘’ #密码

chromedriver的路径

chromedriver_path = “C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe”

####### end #########

options = webdriver.ChromeOptions()

options.add_argument(‘–no-sandbox’)

options.add_argument(‘–window-size=1020,720’)

options.add_argument(‘–start-maximized’) # 浏览器窗口最大化

options.add_argument(‘–disable-gpu’)

options.add_argument(‘–hide-scrollbars’)

options.add_argument(‘test-type’)

options.add_experimental_option(“excludeSwitches”, [“ignore-certificate-errors”,

“enable-automation”]) # 设置为开发者模式

driver = webdriver.Chrome(options=options, executable_path=chromedriver_path)

driver.get(‘https://passport.bilibili.com/login’)

登入

def login():

driver.find_element_by_id(“login-username”).send_keys(zh)

driver.find_element_by_id(“login-passwd”).send_keys(pwd)

driver.find_element_by_css_selector(“#geetest-wrap > div > div.btn-box > a.btn.btn-login”).click()

print(“点击登入”)

整个图，跟滑块整个图

def screen(screenXpath):

img = WebDriverWait(driver, 20).until(

EC.visibility_of_element_located((By.XPATH, screenXpath))

)

driver.save_screenshot(“allscreen.png”) # 对整个浏览器页面进行截图

left = img.location[‘x’]+160 #往右

top = img.location[‘y’]+60 # 往下

right = img.location[‘x’] + img.size[‘width’]+230 # 往左

bottom = img.location[‘y’] + img.size[‘height’]+110 # 往上

im = Image.open(‘allscreen.png’)

im = im.crop((left, top, right, bottom)) # 对浏览器截图进行裁剪

im.save(‘1.png’)

print(“截图完成1”)

screen_two(screenXpath)

screen_th(screenXpath)

matchImg(‘3.png’,‘2.png’)

滑块部分图

def screen_two(screenXpath):

img = WebDriverWait(driver, 20).until(

EC.visibility_of_element_located((By.XPATH, screenXpath))

)

left = img.location[‘x’] + 160

top = img.location[‘y’] + 80

right = img.location[‘x’] + img.size[‘width’]-30

bottom = img.location[‘y’] + img.size[‘height’] + 90

im = Image.open(‘allscreen.png’)

im = im.crop((left, top, right, bottom)) # 对浏览器截图进行裁剪

im.save(‘2.png’)

print(“截图完成2”)

滑块剩余部分图

def screen_th(screenXpath):

img = WebDriverWait(driver, 20).until(

EC.visibility_of_element_located((By.XPATH, screenXpath))

)

left = img.location[‘x’] + 220

top = img.location[‘y’] + 60

right = img.location[‘x’] + img.size[‘width’]+230

bottom = img.location[‘y’] + img.size[‘height’] +110

im = Image.open(‘allscreen.png’)

im = im.crop((left, top, right, bottom)) # 对浏览器截图进行裁剪

im.save(‘3.png’)

print(“截图完成3”)

#图形匹配

def matchImg(imgPath1,imgPath2):

imgs = []

#展示

sou_img1= cv2.imread(imgPath1)

sou_img2 = cv2.imread(imgPath2)

最小阈值100,最大阈值500

img1 = cv2.imread(imgPath1, 0)

blur1 = cv2.GaussianBlur(img1, (3, 3), 0)

canny1 = cv2.Canny(blur1, 100, 500)

cv2.imwrite(‘temp1.png’, canny1)

img2 = cv2.imread(imgPath2, 0)

blur2 = cv2.GaussianBlur(img2, (3, 3), 0)

canny2 = cv2.Canny(blur2, 100, 500)

cv2.imwrite(‘temp2.png’, canny2)

target = cv2.imread(‘temp1.png’)

template = cv2.imread(‘temp2.png’)

调整大小

target_temp = cv2.resize(sou_img1, (350, 200))

target_temp = cv2.copyMakeBorder(target_temp, 5, 5, 5, 5, cv2.BORDER_CONSTANT, value=[255, 255, 255])

template_temp = cv2.resize(sou_img2, (200, 200))

template_temp = cv2.copyMakeBorder(template_temp, 5, 5, 5, 5, cv2.BORDER_CONSTANT, value=[255, 255, 255])

imgs.append(target_temp)

imgs.append(template_temp)

theight, twidth = template.shape[:2]

匹配跟拼图

result = cv2.matchTemplate(target, template, cv2.TM_CCOEFF_NORMED)

cv2.normalize( result, result, 0, 1, cv2.NORM_MINMAX, -1 )

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

画圈

cv2.rectangle(target,max_loc,(max_loc[0]+twidth,max_loc[1]+theight),(0,0,255),2)

target_temp_n = cv2.resize(target, (350, 200))

target_temp_n = cv2.copyMakeBorder(target_temp_n, 5, 5, 5, 5, cv2.BORDER_CONSTANT, value=[255, 255, 255])

imgs.append(target_temp_n)

imstack = np.hstack(imgs)

cv2.imshow(‘windows’+str(max_loc), imstack)

cv2.waitKey(0)

cv2.destroyAllWindows()

计算距离

print(max_loc)

dis=str(max_loc).split()[0].split(‘(’)[1].split(‘,’)[0]

x_dis=int(dis)+135

t(x_dis)

#拖动滑块

def t(distances):

draggable = driver.find_element_by_css_selector(‘div.geetest_slider.geetest_ready > div.geetest_slider_button’)

ActionChains(driver).click_and_hold(draggable).perform() #抓住

print(driver.title)

num=getNum(distances)

sleep(3)

for distance in range(1,int(num)):

print('移动的步数: ',distance)

ActionChains(driver).move_by_offset(xoffset=distance, yoffset=0).perform()

sleep(0.25)

ActionChains(driver).release().perform() #松开

计算步数

def getNum(distances):

p = 1+4*distances

x1 = (-1 + math.sqrt§) / 2

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
c361282296f86381401c05e862fe4e9.png)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-CjU2agGq-1713366097868)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！