本篇文章给大家分享的是有关大数据中自动化“滑板验证”实现账密登录的解决思路是什么，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
十年的海南网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。网络营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整海南建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。成都创新互联公司从事“海南网站设计”,“海南网站推广”以来，每个客户项目都认真落实执行。
很早以前只要使用账号和密码，就可以实现网站自动化登录。但是后来网站的登录验证逐步升级，出现了滑块验证。实际上更多更复杂的新验证方法不断出现（滑块验证已经属于比较传统的验证方法了）。但是对图像处理的思路还可以借鉴一下。
首先，我们使用账密登录。
然后页面会弹出滑板掩码的图片如下。
在早期，网站会给出两幅图片，一副是有滑块的图像，一副是没有滑块的图像。
请注意这里“滑板”和“滑块”的区别：
“滑板”是整个图片，
“滑块”是下图中左侧的小方块，
验证方法是拖动滑块到右侧颜色空缺的位置。
但是到了后期，为了增加登录难度，只给出一副图像，就是包含了滑块的滑板图像。
所以，为了实现图像识别，首先我们不得不消除滑块。方法是：设置滑块元素的隐藏。
我们使用node.js的puppeteer包。这个包能够对页面元素进行操作。
隐藏滑块的代码是：
await frame_slider.$eval('.tcaptcha-jpp', (el, value)=> el.setAttribute('style', value), 'visibility: hidden'); 然后图像就变成下面的样子了（左侧的滑块消失了）。
为了将滑块移动到缺口位置，首先我们要计算缺口位置的坐标。
图像由像素点组成。每个像素点包含三个颜色：红色(Red)、绿色(Green)、蓝色(Blue)。就是通常所说的RGB。后来又增加了一个透明度的标识Alpha。于是每个像素点就有四个值：RGBA。
我们使用getPixels得到图片的像素集合，再转化成Buffer。
const pixels = await util.promisify(getPixels)(path).catch((e) => {console.log('----->e is: ', e)})const buf = Buffer.from(pixels.data); 于是我们就等到了整幅图像的RGBA数据。
本文关键的解决思路如下：
1、取每行每列的RGB值；
2、将每列的RGB值，与其前一列的RGB值比较（得到RGB的差）；
3、观察差值的范围，然后取一个可识别出缺口位置的阈值，我取了50；
4、取阈值为50的含义是：当差值大于50的时候，设置标识为1，否则设置标识为0；
5、然后将所有的列的标识（1或 0）相加，得到每列标识的合计数；
6、排名第一和第二的列的列数，就是缺口的左边和右边的位置；
7、列数小的为缺口的左侧，列数大的为缺口的右侧。
8、获得了缺口的位置，将滑块拖动到这个位置，就实现了滑块验证。如下图：
到此，滑板验证完成了，即实现了自动化登录。
参考了很多确定图像缺口的代码中，比较多的方法都很难实现近乎100%的准确性。但是上述方法几乎实现。所以这种解决方法值得参考。
完整代码如下：
const getPixels = require("get-pixels");const util = require('util');
(async ()=> { path = 'images/origin.png'; const pixels = await util.promisify(getPixels)(path).catch((e) => {console.log('----->e is: ', e)}) const buf = Buffer.from(pixels.data); let bl = buf.toJSON().data.length/4 let btoj = buf.toJSON().data let buf1 = [] for (var i=0; i var j = i*4 buf1.push(btoj.slice(j,j+4)) } let slider_bkg_width = 340 let slider_bkg_height = 195 let buf2 = [] for (var i=0; i var j = i*slider_bkg_width buf2.push(buf1.slice(j,j+slider_bkg_width)) } let slider_block_height = 68 // 滑块的高度 let slider_bkg_end = 339 // =340-1， 滑板的宽度，从最右侧开始进行扫描 let slider_bkg_top = 64 // 滑板的顶部 let slider_bkg_bottom = 259 // 滑板的底部 let sliger_bkg_height = 195 // 259 - 64 let slider_bkg_half_width = 169 // =340/2-1， 缺口位置一般都是滑板的右半部分，所以扫描结束位置，定在滑板的中线 let col_compu = [] for (var rgba=0; rgba<3; rgba++) { // 一个RGBA单元包含4个元素，循环取前 3 个 for (var t=0; t for (var w=slider_bkg_end; w>slider_bkg_half_width; w--) { // w 代表每一列，从340列开始到170列为止，一共170列，代表从右向左数的滑板宽度的一半 col_compu.push({'col':w,'count':(buf2.slice(t,t+1)[0][w-1][rgba] - buf2.slice(t,t+1)[0][w][rgba])>50?1:0}) } } } var result = {} // 计算每一列的合计数 col_compu.map(i => result[i.col] = (result[i.col] || 0) + i.count) // 排序 var keys = Object.keys(result).sort(); var comp = 0 var comp_col = 0 for (var ttt=0; ttt [comp_col, comp] = result[keys[ttt]] > comp ? [keys[ttt], result[keys[ttt]]] : [comp_col, comp] } console.log('----->comp is: ', comp) console.log('----->comp_col is: ', comp_col)
var result2 = result result2[comp_col] = 0 var keys2 = Object.keys(result2).sort(); var comp2 = 0 var comp_col2 = 0 for (var tttt=0; tttt [comp_col2, comp2] = result2[keys2[tttt]] > comp2 ? [keys2[tttt], result2[keys2[tttt]]] : [comp_col2, comp2] }
let realcol = comp_col console.log('=====----->realcol is: ', realcol)
})();
以上就是大数据中自动化“滑板验证”实现账密登录的解决思路是什么，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。
分享文章：大数据中自动化“滑板验证”实现账密登录的解决思路是什么
文章源于：
http://cdkjz.cn/article/gpjeje.html
