本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰，更不会影响计算机信息系统的正常运行。不得将代码用于非法用途，如侵立删！
抖音web端 s_v_web_id 参数生成分析与实现
操作环境
win10
Python3.9
分析
s_v_web_id 作用：web端使用滑块后的s_v_web_id 参数可以实现免signature验证 s_v_web_id 生成：在验证码中间页的html中的fp参数就是s_v_web_id 详细介绍这边就不在赘述，可以参考下玺佬的文章：s_v_web_id介绍生成方案：
Python + selenium 自动化过滑块
威尔士对英格RPC远程调用自动，验证滑块
itemno中文什么意思
这两种方案有个前提是页面必须出现滑块才可以（之前搜素视频会强制滑块效验），具体过滑块的方法玺佬都已经分享过。现在应该是web端有更新，现在搜索页面只有综合会出点选验证，视频和用户页面都没有强制滑块验证了，清cookie和开无痕都没办法触发滑块，经过几天的分析研究出以下方案最新解决方案：
通过js生成滑块s_v_web_id
识别滑块
生成验证参数并验证
验证通过后就可正常使用了
2022-8-6 更新：报错当前网络不稳定，请稍后再试
问题：下载验证码图片报错：当前网络不稳定，请稍后再试
pythonreturn函数的用法解决：在请求参数中增加参数
"app_name": ""
通过js 生成滑块s_v_web_id
此方法生成的s_v_web_id 是不可以用来采集评论的，评论验证使用的s_v_web_id 需要从页面取下来，然后在拿着过滑块，此处再次感谢玺佬@李玺
识别滑块 function  create_s_v_web_id () {
var  e  = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz".split ("")      , t  = e .length
, n  = (new  Date ).getTime ().toString (36)
, r  = [];
r [8] = r [13] = r [18] = r [23] = "_",
r [14] = "4";
for  (var  o , i  = 0; i  < 36; i ++)
r [i ] || (o  = 0 | Math .random () * t ,
r [i ] = e [19 == i  ? 3 & o  | 8 : o ]);
return  "verify_" + n  + "_" + r .join ("")}def  calculate_distance (self , pic1_path , pic2_path ):
"""
计算滑块到缺口的距离
"""
img1 = self.clear_white(pic1_path)
img1 = cv2.cvtColor(img1, cv2.COLOR_RGB2GRAY)
slide = cv2.Canny(img1, 100, 200)
img2 = cv2.imread(pic2_path, 0)
back = cv2.Canny(img2, 100, 200)
slide_pic = cv2.cvtColor(slide, cv2.COLOR_GRAY2RGB)
back_pic = cv2.cvtColor(back, cv2.COLOR_GRAY2RGB)
jdk和jre配置环境变量x, y = plate_match(slide_pic, back_pic)
dis_x = int((x+5) * (340/552))
dis_y = int(y* (340/552))
return dis_x, dis_y
def get_tracks(self, distance, _y):
"""
获取轨迹参数
"""
tracks = list()
y, v, t, current = 0, 0, 1, 0
mid = distance*3/4
exceed = random.randint(40, 90)
z = random.randint(30, 150)
while current< (distance+exceed):
if current<mid/2:
a = 2
elif current<mid:
a = 3
else:
it网站培训学校a = -3
a /= 2
v0 = v
s = v0*t+0.5*a* (t*t)
current += int(s)
v = v0+a*t
y += random.randint(-3, 3)
抖音python入门教程
z = z+random.randint(5, 10)
tracks.append([min(current, (distance+exceed)), y, z])    while exceed>0:
exceed -= random.randint(0, 5)
y += random.randint(-3, 3)
z = z+random.randint(5, 9)
tracks.append([min(current, (distance+exceed)), y, z])    tr = []
for i, x in enumerate(tracks):
tr.append({
'x': x[0],
'y': _y,
'relative_time': x[2]
})
return tr
生成验证参数并验证
识别率成功率还是可以的
本文仅供学习交流使用，如侵立删！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。