四、模拟滑块拖动
在得到拖动偏移量后，我们就可以通过 Selenium 提供的方法来拖动滑块了：
def drag_and_drop(browser, offset):
knob = browser.find_element_by_class_name("gt_slider_knob")
ActionChains(browser).drag_and_drop_by_offset(knob, offset, 0).perform()
Selenium 将一系列连续的动作封装在 ActionChains 类 中，其中 drag_and_drop() 方法可以将一个元素拖到另一个元素上，drag_and_drop_by_offset() 方法可以指定拖动的偏移，正是我们这里所需要的。
到这里，我们已经看到希望了，胜利就在前方。不过，还不能高兴得太早，上面的方法虽然成功将滑块拖到缺口位置了，但是并没有验证通过，页面提示拼图被怪物吃掉了。。。
很显然，这种方法很容易被检测出来是机器所为，因为人不可能拖那么快。于是我稍微调整了下程序，改成每次拖 10px，然后等待 1s 再拖 10px，依次循环，不过可惜的是，这种拖法拼图依然被怪物吃掉了，想想也是，人怎么可能拖的这么有规律呢？
于是继续调整我的程序，在中间加入了随机数的成分，改成每次拖 1~20px（随机），然后等待 0~2s（随机），本想着这种方式应该能成功了，但是事与愿违，还是被怪物吃掉，不过，在测试的时候，10 次里面竟然也成功了一次。
看来极验对拖动轨迹的验证还是很厉害的，它是如何识别出是机器拖动的还是人拖动的呢？人在拖动的时候，又有什么样的规律呢？为了搞清楚这一点，我在网上找了一款用于记录鼠标位置的小工具 MouseController，运行之后按 F9 就可以开始或停止记录，并可以将鼠标轨迹保存到一个 mcd 文件中。使用这个工具我将手工拖动滑块的轨迹记录下来，并写了一个脚本（脚本代码参见这里）画出手工拖动滑块的轨迹图，如下：
看到这个轨迹图，我们应该能想出手工拖动的规律了：先快速向右拖动，快到缺口位置时，再减速慢调。接下来的问题就是如何通过算法来生成这样的轨迹了。
模拟滑块拖动的算法网上也有很多，有的直接根据手工拖动的轨迹按比例生成程序要拖动的轨迹，有的根据物理学中的加速度减速度来模拟轨迹，还有根据正切函数图像来模拟轨迹的，可说各有千秋。不过它们的成功率都不能达到很满意，我在这里介绍一种与众不同的方法，而且成功率可以高达 99%。
我看到上面这个轨迹图的时候，第一反应不是上述任何一种算法，而是 jquery.easing，可能是由于最近刚用 jquery.easing 实现了几个动画效果吧。我们知道，jQuery 可以实现很多不同的动画效果，譬如淡入淡出移动等等，为了让动画有好的过渡变化过程，官方提供了一个 easing 属性，但是官方没有给出很多过渡效果。于是就有了 jquery.easing 这个插件，这个插件增加了很多种过渡效果，引入之后可以让动画过渡过程更加多样化。Easing 有时又叫做 缓动函数，用于指定动画效果在执行时的速度，使其看起来更加真实。这里有一份缓动函数速查表，你可以在这里找到常见的缓动函数（还可以体验各种缓动函数的效果）：
和上面的轨迹图做个对比就可以发现，轨迹图明显和 easeOut 类 的缓动函数很类似，如：easeOutQuad、easeOutQuart、easeOutExpo 等等。那么我们能不能写个 Python 版的 easing 函数呢？说干就干，我们参考 jquery.easing 的源码 实现了三种 easeOut 函数如下：
import numpy as np import math def ease_out_quad(x): return 1 - (1 - x) * (1 - x) def ease_out_quart(x): return 1 - pow(1 - x, 4) def ease_out_expo(x): if x == 1: return 1 else: return 1 - pow(2, -10 * x) def get_tracks(distance, seconds, ease_func): tracks = [0] offsets = [0] for t in np.arange(0.0, seconds, 0.1): ease = globals()[ease_func] offset = round(ease(t/seconds) * distance) tracks.append(offset - offsets[-1]) offsets.append(offset) return offsets, tracks |
其中 get_tracks() 方法可以根据滑块的偏移，需要的时间（相对时间，并不是准确时间），以及要采用的缓动函数生成拖动轨迹。然后就可以通过下面的方法，实现出想要的拖动效果了：
def drag_and_drop(browser, offset): knob = browser.find_element_by_class_name("gt_slider_knob") offsets, tracks = easing.get_tracks(offset, 12, 'ease_out_expo') ActionChains(browser).click_and_hold(knob).perform() for x in tracks: ActionChains(browser).move_by_offset(x, 0).perform() ActionChains(browser).pause(0.5).release().perform() |
如果你感兴趣，还可以模拟出更多的效果，我们甚至可以实现出 easeOutBounce 这种类似小球落地时的弹跳效果。而且更有意思的是，用这种方法来拖动滑块，竟然也可以通过验证。（极验的验证算法还真是让人摸不清啊）
def ease_out_bounce(x): n1 = 7.5625 d1 = 2.75 if x < 1 / d1 : return n1 * x * x elif x < 2 / d1: x -= 1.5 / d1 return n1 * x*x + 0.75 elif x < 2.5 / d1: x -= 2.25 / d1 return n1 * x*x + 0.9375 else: x -= 2.625 / d1 return n1 * x*x + 0.984375 |
总结
通过本文可以看出，破解滑块验证码，浏览器爬虫要比传统爬虫简单的多。不仅仅是破解滑块验证码，在遇到传统爬虫很难解决的问题时，浏览器爬虫都可以提供一种更方便的解决方案。但是俗话说得好，针无双头利，蔗无两头甜，凡事有利必有弊，并没有万能的解决方案，还是需要根据需求来取舍，譬如你的生产环境没有浏览器，那么你不得不使用传统爬虫。但是在正常情况下，我还是推荐最简单的那个选择。
相关文章：
上文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8017)，我们将立即处理。
