数m滑块流程分析-优快云博客

文章讲述了如何从给定的接口获取验证码图片、滑块图和必要的参数，包括使用DDDdOcr库识别滑块位置，以及生成和验证过程中的参数处理。作者指出轨迹校验相对宽松，适合初学者尝试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

案例
url: aHR0cHM6Ly93d3cuaXNodW1laS5jb20vdHJpYWwvY2FwdGNoYS5odG1s

一。获取图片

在这里插入图片描述
可以发现接口里面得bg 和fg分别是验证码图片背景图和滑块图

domains里面则是域名拼接下url 这样我们就能拿到图片了

里面的k l rid 则是后续验证所需要的参数

接下来看看接口参数

在这里插入图片描述
callback很明显是‘sm_’ + Date().now() 就是一个时间戳

captchaUuid搜索一下能看到

在这里插入图片描述

用ast稍微解下混淆

在这里插入图片描述

可以看出大致是这个样子

然后再看看最后return的这个函数

在这里插入图片描述
作用就是把两个参数拼接起来

然后再看看参数很明显是把当前的时间转化成字符串然后再拼接上一个随机字符串

'20230920144758ByAH2EMkxRkH6WZ6ip' = '20230920144758' + 'ByAH2EMkxRkH6WZ6ip'

这样我们直接写出生成captchaUuid的方法

function getCaptchaUuid() {
    var _0xe1cb10 = ''
      , _0x5514c3 = 'ABCDEFGHJKMNPQRSTWXYZabcdefhijkmnprstwxyz2345678'
      , _0x63a9bf = 48;
    for (var _0x171d30 = 0; _0x171d30 < 18; _0x171d30++) {
        _0xe1cb10 += _0x5514c3['charAt'](Math['floor'](Math['random']() * _0x63a9bf));
    }

    return  getCurrentTimeString() + _0xe1cb10;
}
function getCurrentTimeString() {
    var now = new Date();
  
    var year = now.getFullYear();
    var month = ('0' + (now.getMonth() + 1)).slice(-2);
    var day = ('0' + now.getDate()).slice(-2);
    var hour = ('0' + now.getHours()).slice(-2);
    var minute = ('0' + now.getMinutes()).slice(-2);
    var second = ('0' + now.getSeconds()).slice(-2);
  
    var currentTimeString = year + month + day + hour + minute + second;
    return currentTimeString;
  }

然后organization是一个固定值

其他的参数也是一些固定值类似于版本信息等

二。轨迹

拿到验证码图片和滑块之后

这里我使用的是ddddocr

def distance(fg, bg):
    with open('slide.png', 'wb') as f:
        f.write(requests.get(fg).content)
    with open('back.png', 'wb') as f:
        f.write(requests.get(bg).content)
    det = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)
    with open('slide.png', 'rb') as f:
        target_bytes = f.read()
    with open('back.png', 'rb') as f:
        background_bytes = f.read()
    res = det.slide_match(target_bytes, background_bytes, simple_target=True)
    res = res.get('target')[0]
    return int(res / 2)

识别出来的距离/2就是滑块正确的位置

在这里插入图片描述
复制一段真实的轨迹然后根据识别出的距离进行缩放

def tt(X):
    base_track = [[0, -8, 11], [0, -8, 102], [31, 0, 208], [45, 0, 301], [57, 1, 401], [66, 2, 504], [71, 2, 602], [74, 3, 705], [78, 4, 802], [82, 4, 904], [82, 4, 1003]]
    scale = X / base_track[-1][0]
    r = []
    for item in base_track:
        x = int(item[0] * scale) + random.randint(0, 5)
        y = int(item[1] * scale) + random.randint(-1, 1)
        z = item[2] + random.randint(1, 100)
        r.append([x,y,z])
    return r

三。验证
在这里插入图片描述

验证接口的参数看似很多

        params = {
            "captchaUuid": self.captchaUuid,
            "rid": rid,
            "hd": "w6ArMUdGI6s=",
            "act.os": "web_pc",
            "xc": "MPQBHp3MK74=",
            "qu": "Q/IW6xhk8TI=",
            "jv": "tnws0FUkt6c=",
            "us": "zY8brT9SISY=",
            "xy": "xIAv2QAUoJA=",
            "ma": "Ku1yrQmmWo8=",
            "sdkver": "1.1.3",
            "ostype": "web",
            "protocol": "179",
            "ee": result.get('ee'),
            "ml": result.get('ml'),
            "rversion": "1.0.4",
            "rj": "LpMN9yrHH3I=",
            "callback": f"sm_{int(time.time()*1000)}",
            "jn": "w6ook9DZFNo=",
            "organization": self.organization,
            "ra": result.get('ra')
        }