今日网站

aHR0cHM6Ly9idWxsZXRpbi5jZWJwdWJzZXJ2aWNlLmNvbS8=

这个网站是比较简单的滑块验证码，没有涉及指纹，轨迹以及 JS 的加密，但是有助于进一步了解滑块验证码的具体实现和分析流程

所以作为 Crack Captcha系列的第一篇，希望能对想要学习验证码分析的朋友带来一些帮助

概念普及

在开始我们老三样套路之前先搞一波基础概念普及

Captcha全程是 Completely Automated Public Turing test to tell Computers and Humans Apart

是一种区分用户是机器或人类的公共全自动程序，既然是一种程序，那只要摸清套路我们也可以用全自动化的套路应对。

目前市面上的验证码类型常见的有数字字符验证码，滑动验证码和点选验证码。

具体的形式我这里截取一些常见的形式展示一下，其他形式的大家可以自行搜索。

大致的形式就是上面这样的，每一种都有应对的方案，之前也写过一篇文章作为介绍，这里不重复叨叨，感兴趣的朋友点下方蓝字，直达原文

怼就完事了，总结几种验证码的解决方案

抓包分析

凑完字数，这里看下我们需要分析的网站验证码

打开网站，研究一下可以看到页面需要滑动验证之后才可以出现列表页的内容

清掉缓存，重新抓包，大致分析了一下大致有下面这几个请求是和验证码相关的

分别查看请求并分析逻辑可以大致得到下面这些信息

1、captchaimage返回的是上面这个三个图的链接地址

2、19.png是原图

3、big_xxx.png和small_xxx.png是缺口图和滑块图

4、checkCaptcha是验证验证码的请求，并且返回了一个token用于之后列表页的请求

这样的大致的逻辑就分析明白了

先请求1得到2、3中的图片，再提交4中需要的参数得到返回的token即可完成列表页的请求

那么4中的请求提交的又是什么呢？

4中需要的参数有两个，第一个是dataToken、第二个是point，这样就很清晰了。

dataToken来自1的请求

point应该就是图片滑块的距离了

这样分析下来就很清楚了，而且这个滑块也非常简单，2,3中的图片没有混淆，也没有滑动轨迹的验证，只要简单的完成参数提交即可。

代码逻辑

先构造请求这个很简单

主要是提取两个链接，原图和缺口图

之后用opencv比对获取缺口离左侧的距离

def pixel_is_equal(image1, image2, x, y):
  """
        判断两张图片的像素是否相等,不想等即为缺口位置
        :param image1:
        :param image2:
        :param x:  x坐标
        :param y: y 坐标
        :return:
        """
  # 取两个图片的像素点
  pixel1 = image1.load()[x, y]
  pixel2 = image2.load()[x, y]
  threshold = 60  # 像素色差
  if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(
    pixel1[2] - pixel2[2]) < threshold:
    return True
  else:
    return False

带上这个比对的结果获取左侧到这个位置的距离就可以了。

今天的文章到这里就结束了，最简单的滑块分析结束，我们下次再见~