注意，本文只提供学习的思路，严禁违反法律以及破坏信息系统等行为，本文只提供思路
本文的验证码网址如下，使用base64解码获得
aHR0cDovL2NhcHRjaGEudGlhbmFpLmNsb3VkLw==

打开官网，由于有许多验证码类型，这里只讲一种，拿滑块验证码举例，通过刷新验证码后，请求验证码接口如下：

请求拿到本地后，需要解决的参数有两个custom和ki，跟栈进去，寻找加密逻辑，发现是混淆代码

大致看了下，都是最基本的混淆，拿出我们自己的混淆代码或者混淆网站还原混淆后，并成功找到加密位置，如下：

还原之后的逻辑非常显而易见了，拿标注库进行AES加密后，再用RSA加密，我们直接在本地也去实现一下

拿到加密值后，再次请求，成功拿到所需参数

接下来分析参数，backgroundImage是背景图片，是经过打乱之后的，templateImage是缺口图片，pos是还原的顺序

可以看到，分割成了两行五列，pos也是每个坐标对应的正确顺序，我们用cv2库简单还原即可

# 将图片切割，2行5列，切割成10块
# 获取图片的高度和宽度
height, width = image.shape[:2]# 计算每个小块的高度和宽度
block_height = height // 2
block_width = width // 5# 切割图片并保存
blocks = []
for i in range(2):  # 行数for j in range(5):  # 列数# 计算当前小块的起始和结束位置y_start = i * block_heighty_end = (i + 1) * block_heightx_start = j * block_widthx_end = (j + 1) * block_width# 切割图片block = image[y_start:y_end, x_start:x_end]blocks.append(block)# 加载并排列图片
arranged_images = []
for idx in pos:# 加载对应索引的图片image = blocks[int(idx)]arranged_images.append(image)# 创建一个空白画布，用于排列图片
canvas_height = blocks[0].shape[0] * 2  # 乘以 2 是因为有两行
canvas_width = blocks[0].shape[1] * 5   # 乘以 5 是因为有五列
canvas = np.zeros((canvas_height, canvas_width, 3), dtype=np.uint8)# 排列图片
for i in range(2):  # 行数for j in range(5):  # 列数idx = i * 5 + j  # 计算对应图片的索引if idx < len(arranged_images):# 将图片复制到画布上canvas[i * blocks[0].shape[0]: (i + 1) * blocks[0].shape[0], j * blocks[0].shape[1]: (j + 1) * blocks[0].shape[1]] = arranged_images[idx]# cv2.resize(canvas, (300, 180))
# 保存排列后的图片
cv2.imwrite('arranged_image.png', canvas)

还原之后效果如下：

经过多次请求发现，滑块有可能是两个缺口，有可能是一个缺口，针对这种情况，我们可以使用模板匹配的方法去校验缺口距离，具体可以参考我这篇文章：Python-Opencv 识别滑块验证码缺口位置

我这里也放出相关代码

# -*- coding: utf-8 -*-
import cv2
import numpy as np
import osdef cv_show(img): # 展示图片cv2.imshow("img", img)cv2.waitKey(0)cv2.destroyAllWindows()def get_q():# 转换颜色通道，保持颜色准确image = cv2.imread(r"arranged_image.png")gap = cv2.imread(r"que.png")image_gray = cv2.cvtColor(image.copy(), cv2.COLOR_BGR2GRAY)gap_gray = cv2.cvtColor(gap.copy(), cv2.COLOR_BGR2GRAY)h, w = gap_gray.shapew_start_index, h_start_index = 0, 0w_end_index, h_end_index = w, h# 缺口图去除背景for i in range(h):if not any(gap_gray[i, :]):h_start_index = ielse:breakfor i in range(h - 1, 0, -1):if not any(gap_gray[i, :]):h_end_index = ielse:breakfor i in range(w):if not any(gap_gray[:, i]):w_start_index = ielse:breakfor i in range(w - 1, 0, -1):if not any(gap_gray[:, i]):w_end_index = ielse:break# 取出完整的缺口图gap_gray = gap_gray[h_start_index:h_end_index+1, w_start_index:w_end_index+1]image_gray = cv2.adaptiveThreshold(image_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 5, 0)gap_gray = cv2.adaptiveThreshold(gap_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 5, 0)image_v1 = cv2.Canny(image_gray, 0, 500)gray_v1 = cv2.Canny(gap_gray, 0, 500)# cv_show(gray_v1)result = cv2.matchTemplate(image_v1, gray_v1, cv2.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)x, y = max_loch, w = gap_gray.shaperesult = np.array(image.copy())color = (0, 0, 255)# print(check_box)cv2.rectangle(result, (x, y), (x + w, y + h), color, 2)# res = np.hstack([image_gray,gray_v1, image_v1, result])# cv_show(result)return x

经测试，准确率还是蛮高的，接下来，回到网页中去查找发送参数，可以看到，发送参数比之前多了个id和data

这里的id就是之前请求验证码的id，data就是我们需要破解的参数，继续回到之前加密的地方可以发现，加密还是同一个地方，只是这次多一次加密，加密的数据如下

这里就很简单了，我们把参数构造下，轨迹模拟下，再次请求，就能得到成功响应结果

这里，也感谢我的一位小伙伴，告诉我滑块轨迹非常严格，让我少走弯路