Python实现滑块拼图验证码详解

向北走

发布时间：2026-10-15 | 5人浏览过

原创

本文详细解析Python实现滑块拼图验证码的两种方案。初级版通过解析网页源码中的left属性计算滑动距离；高级版则利用Selenium截图并结合PIL库的ImageChops模块对比有缺与无缺口图像，通过像素差异定位缺口位置。文章提供完整代码及分步滑动技巧，帮助开发者应对不同难度的验证码反爬机制。

滑动拼图验证码作为滑块验证码的进阶形态，其验证逻辑更为复杂。本节内容将深入探讨并实现两种不同难度的滑动拼图验证码：初级版与高级版。

初级版滑块拼图验证码

初级版滑动拼图验证码在基础滑块验证之上，增加了随机滑动距离的设定。用户必须依据拼图中缺口的具体位置，来精准控制滑块的最终停留点。
如左侧图片所示，这是滑动拼图验证码的初始加载状态，此时界面上尚未显示拼图块与缺口。当用户点击滑块后，拼图和缺口才会显现，如右侧图片所示。我们可以利用这一交互特性，在后台获取拼图与缺口的相对位置信息。

接下来开始编写自动化验证代码。首先，使用Selenium库打开目标网页，具体代码如下：

from selenium import webdriver
browser =webdriver.Chrome()
url = r'D:\works\python_crawl1\《Python爬虫（进阶与进通）》代码汇总\2.验证码反爬\4.滑动拼图验证码\滑动拼图验证码初级\index.html'
browser.get(url) #用模拟浏览器打开网页

随后，定位滑块元素并模拟点击操作，以触发拼图和缺口的显示。尽管此时点击会导致验证失败，但这一操作旨在获取拼图和缺口的真实坐标，从而计算出滑块需要滑动的准确距离，代码如下：

slider = browser.find_element_by_xpath('//*[@id="slideBtn"]') #定位滑块
slider.click() # 模拟单击滑块，让拼图和缺口显现出来
time.sleep(3) #等待3秒

接下来需要定位缺口的位置。在初级版滑动拼图验证码中，缺口的位置信息直接暴露于网页源代码中。如图片所示，使用浏览器开发者工具选中缺口元素，查看其源代码中的left属性值。该属性值表示缺口左边界距离整张图片左边界的像素距离，示例中为135像素。

如图片所示，采用相同的方法查看拼图元素的left属性值，即拼图左边界距离整张图片左边界的像素距离，示例中为2像素。

由于拼图的初始left属性值固定为2像素，因此我们只需提取缺口的left属性值即可。这里使用正则表达式进行提取，代码如下：

import re
data = browser.page_source #获取网页源代码
p_qk = '<div class="slide-box-shadow".*?left: (.*?)px' #编写正则表达式
qk_left = re.findall(p_qk,data,re.S) #提取缺口的left属性值

执行上述代码后，获取到的qk_left变量值如下：

将缺口与拼图的left属性值相减，即可得出滑块需要滑动的具体距离，代码如下：

distance = float(qk_left[0]) - float(2) #用float()函数将数据都切换为浮点数（即带小数点的数）

计算得出的滑动距离结果如下：

在计算出滑动距离后，采用前文2.3节介绍的方法模拟滑动操作，代码如下：

action = webdriver.ActionChains(browser) # 启动动作链
action.click_and_hold(slider).perform() #按住滑块
action.move_by_offset(distance,0) #移动滑块，其中的distance是之前计算出来的需要滑动的距离，第二个参数0则为y轴方向移动的距离，因为这里不需要y轴方向移动，所以为设置为0
action.release().perform() #释放滑块

初级版验证的完整代码如下：

# 完整代码如下
import time
from selenium import webdriver
# 1.访问网址
browser =webdriver.Chrome()
url = r'D:\works\python_crawl1\《Python爬虫（进阶与进通）》代码汇总\2.验证码反爬\4.滑动拼图验证码\滑动拼图验证码初级\index.html'
browser.get(url) #用模拟浏览器打开网页
# 2.定位滑块并模拟单击，让缺口显现出来
slider = browser.find_element_by_xpath('//*[@id="slideBtn"]') #定位滑块
slider.click() # 模拟单击滑块，让拼图和缺口显现出来
time.sleep(3) #等待3秒
# 3.获得缺口位置
data = browser.page_source #获取网页源代码
p_qk = '<div class="slide-box-shadow".*?left: (.*?)px' #编写正则表达式
qk_left = re.findall(p_qk,data,re.S) #提取缺口的left属性值
print(qk_left)
# 4.计算滑块需要滑动的距离
distance = float(qk_left[0]) - float(2) #用float()函数将数据都切换为浮点数（即带小数点的数）
print(distance)
# 5.开始滑动
action = webdriver.ActionChains(browser) # 启动动作链
action.click_and_hold(slider).perform() #按住滑块
action.move_by_offset(distance,0) #移动滑块，其中的260是之前计算出来的需要滑动的距离
action.release().perform() #释放滑块

补充知识点

若需降低滑动速度以避免被检测，可将总滑动距离拆分为三段。让滑块分三次滑动，每次滑动后暂停一定时间，代码如下：

x1 = distance / 3
x2 = x1
x3 = distance - x1 - x2
action.move_by_offset(x1,0)
time.sleep(1)
action.move_by_offset(x2,0)
time.sleep(1)
action.move_by_offset(x3,0)
time.sleep(1)
action.release().perform()

高级版滑动拼图验证码

初级版验证码将拼图和缺口的位置信息直接写入网页源代码，攻击者可直接通过解析left属性值计算滑动距离从而通过验证。然而，高级版滑动拼图验证码将缺口信息融合进背景图中，网页源代码中不再包含缺口位置信息，这大大增加了模拟验证的难度。
人类识别缺口的方法是比对无缺口图像与有缺口图像的差异。在命令行窗口中执行“pip install pillow”命令即可安装PIL图像处理库。
首先，使用Selenium库打开目标网页，代码如下：

from selenium import webdriver
browser = webdriver.Chrome()
url = r'D:\works\python_crawl1\《Python爬虫（进阶与进通）》代码汇总\2.验证码反爬\4.滑动拼图验证码\滑动拼图验证码高级\index.html'
browser.get(url) #用模拟浏览器打开网页

通过XPath表达式定位验证码原始图片元素，截取无缺口的图像并保存，代码如下：

browser.find_element_by_xpath('//*[@id="jigsawCanvas"]').screenshot('origin.png') #截图无缺口图像

截取到的无缺口图像如下图所示：

接着模拟点击滑块，此时图像会出现缺口，再次截图并保存，代码如下：

slider = browser.find_element_by_xpath('//*[@id="jigsawCircle"]') #定位滑块
slider.click() #模拟单击滑块，让图像出现缺口
browser.find_element_by_xpath('//*[@id="jigsawCanvas"]').screenshot('after.png') #截取有缺口的图片

截取到的有缺口图像如下图所示：

观察可知，无缺口图像与有缺口图像仅在缺口区域存在差异，其余部分完全一致。通过对比两幅图像的像素数据，找出不同的像素点，即可确定缺口的位置。PIL库提供的ImageChops模块可用于对比图像异同并定位缺口。通过以下代码从PIL库中导入所需模块：

from PIL import Image,ImageChops

使用Image模块中的open()函数打开需要对比的两张截图，代码如下：

image_a = Image.open('origin.png').convert('RGB')
image_b = Image.open('after.png').convert('RGB')

接着使用ImageChops模块中的difference()函数对比两张截图的像素，并获取不同区域的坐标值（注意：此类验证码的缺口位置每次随机变化，因此每次获取的坐标值也不尽相同），代码如下：

x = ImageChops.difference(image_a,image_b).getbbox()
print(x)

(261, 21, 313, 72)

getbbox()函数以元组形式返回缺口的一组坐标值。

distance = x[0] #第1个元素为缺口的左边界到图像的左边界的距离
distance

接着使用开发者工具查看白色圆角矩形滑块的left属性值，即圆角矩形左边界到图像左边界的距离，如图片所示：

将前一步获取的坐标值与滑块left属性值相减，即为滑块需要移动的距离。下面执行滑动操作，代码如下：

action = webdriver.ActionChains(browser) # 启动动作链
action.click_and_hold(slider).perform() #按住滑块
action.move_by_offset(distance-10,0) #移动滑块，其中的260是之前计算出来的需要滑动的距离
action.release().perform() #释放滑块

高级版验证的完整代码如下：

from selenium import webdriver
import time
from PIL import Image,ImageChops
# 1.访问网址
browser = webdriver.Chrome()
url = r'D:\works\python_crawl1\《Python爬虫（进阶与进通）》代码汇总\2.验证码反爬\4.滑动拼图验证码\滑动拼图验证码高级\index.html'
browser.get(url) #用模拟浏览器打开网页
time.sleep(2)
# 2.获取无缺口图像
browser.find_element_by_xpath('//*[@id="jigsawCanvas"]').screenshot('origin.png') #截图无缺口图像
# 3.获取有缺口图像
slider = browser.find_element_by_xpath('//*[@id="jigsawCircle"]') #定位滑块
slider.click() #模拟单击滑块，让图像出现缺口
browser.find_element_by_xpath('//*[@id="jigsawCanvas"]').screenshot('after.png') #截取有缺口的图片
# 4.比较两幅图像，获取需要移动的距离
image_a = Image.open('origin.png').convert('RGB')
image_b = Image.open('after.png').convert('RGB')
x = ImageChops.difference(image_a,image_b).getbbox()
print(x)
distance = x[0] #第1个元素为缺口的左边界到图像的左边界的距离
distance
# 5.开始滑动
action = webdriver.ActionChains(browser) # 启动动作链
action.click_and_hold(slider).perform() #按住滑块
action.move_by_offset(distance-10,0) #移动滑块，其中的260是之前计算出来的需要滑动的距离
action.release().perform() #释放滑块

运行结果如图片所示，可以看到已成功通过验证。