破解滑动验证码

最近爬虫采集数据遇到了验证码的障碍，需要破解某网站的滑动验证码(GEETEST)。

主要参考https://segmentfault.com/q/1010000008584470，这里面实现了图片拼接（还原），识别缺口位置，还有模拟拖动。参考代码，最终破解了针对目标网站的滑动验证码。步骤如下：

1.图片还原
为什么有这一步呢？网站展现给我们的是完整的图片，点击滑块后图片会出现一个缺口。实际上点击前后是两张图，每个整图是一小块一小块拼起来的图，而我们能获取到的是两张小块乱序拼接在一起的图，如下：

点击前乱序图.jpg 点击后乱序图.jpg

所以第一步就是按小图切分后再按正确的顺序重新拼接起来，还原成我们网页上看到的图。按什么顺序呢？"检查元素"后

before.png after.png

2.识别缺口位置
我们可以看到前后两张图只有两处地方不一样，一处是明显的缺口，另一处是不明显的伪缺口（以下简称干扰）。我们可以对比前后两张图，找到不一样的地方，再用一个阈值排除掉干扰即可。
一个像素点有r,g,b三个值，我采用的衡量两个像素点差别的度量是前后图的r,g,b的差值的绝对值的加和。
做实验，当阈值为70时，

阈值为100时，

直到阈值为150时，

再也没有干扰了，缺口的部分地方也识别不出来了，但是没关系，只要用识别到的最小的x作位置即可。

3.模拟拖动
这个是相对麻烦的一步。最开始用各种随机，x随机y随机移动时休息时间随机，发现完全无法通过。网站后台应该用了模型去判断是否符合人的操作，所以想破解还得再还原人的操作。而人的操作对应到电脑操作就是一个记录每一步移动距离的数组。
参考https://www.zhihu.com/question/32209043，部分提到人的拖动是先加速后减速的，利用这个思想，结合自己实验多次，发现了一些规律：
1.人总体拖动先加速后减速
2.两步之间移动的距离差不能过大过频繁
3.每一步移动距离不能太大（一般2就算比较大）
最后建立了一个先慢加速后快加速再减速的模型，以距离来确定应该用哪一个加速度，最后一段距离如果速度超过阈值，再用一个更强的减速。在整个过程中加一些低概率随机的-1。
这种方法效果非常拟人，通过率也很高。通过率没统计过。