url = "aHR0cHM6Ly93d3cueXVucGlhbi5jb20vcHJvZHVjdC9jYXB0Y2hh"

我们打开这个网站，进行抓包分析，发现这个滑块的验证只需要走两个接口:其中第一个接口，返回背景图和滑块图，还有第二次接口需要验证的toekn:多刷新几次，发现第一次接口的有三个参数是变化的直接打断点，进行跟栈这个加密了e,返回了我们需要的i,k。同时可以发现cbj就是this.cbManager.preAdd()生成的，跟进去发现是一个随机值的生成，那么这个可以固定也可以随机生成一个,主要还是i，k跟进去发现这个i,k在这里生成的这里基本上就可以确定了，我们先解决i的生成，这个有key,有iv看起来像一个DES或AES的加密，当然，不使用算法也可以的，你可以找一下这个lt是什么那么，这里就非常明显了，这是一个webpack了，把加载器拿下来，进行导出，再补上缺少的模块就可以了，但是这个比较麻烦，这个里面加载了有20多个模块，你可以把这个代码全部拿下来，再补上环境，再进行导出使用也可以，这样还快一点。

这里我使用算法还原的方式，这个我们跟进去这个加密方法，最后走到了这个位置我是先猜测这个是一个AES加密的，这个看起来也比较的明显，它这里没有指出来是什么模式，就直接默认的CBC模式，同样的，这个k就是一个rsa加密了我也是使用node.js中的jsencrypt实现的，这个需要npm安装一下。看一下结果没有问题，加密的参数是e,这个直接固定就可以了。把这个生成的参数带上，进行请求，从返回的数据里面，把背景图和滑块图拿出来，保存到本地，再通过ddddocr或cv2识别出来距离，注意这个图片的大小和网站的大小不一样，所以需要对识别出来的距离进行调整，再分析第二次请求需要分析的参数一样，toekn是第一次请求返回的，capchaid这个是固定的，进行跟栈，发现还是一样的位置，就是加密参数e不一样了这里distanceX是滑动的距离进行计算得到的，fp可以固定，接下来就是这个轨迹了。这里生成了轨迹我是直接使用ai生成的轨迹，给ai十组轨迹数据，让它自己生成一个函数，当然，你也可以自己分析这个代码。自己写一个函数生成。

    def get_track(self, distance):
        """
            生成滑块轨迹数据
            :param distance: 需要滑动的水平距离(像素)
            :return: 轨迹数据列表 [[x, y, t], ...]
            """
        # 基础参数设置
        x0 = 400  # 起始x坐标
        y0 = random.randint(1730, 1750)  # 起始y坐标
        total_points = random.randint(45, 65)  # 轨迹点数

        # 时间参数 (总时间与滑动距离正相关)
        total_time = distance * random.uniform(8, 12)

        # 生成时间序列 (中间稀疏/两端密集)
        time_points = []
        mid_point = total_points // 2

        for i in range(total_points):
            # 高斯分布权重：中间权重小（时间间隔大），两端权重大（时间间隔小）
            weight = 1.5 - np.exp(-(i - mid_point) ** 2 / (2 * (mid_point / 2) ** 2))
            time_points.append(weight)

        # 归一化并生成时间戳
        time_points = np.array(time_points)
        time_points = time_points / time_points.sum() * total_time
        time_stamps = [round(sum(time_points[:i])) for i in range(1, len(time_points) + 1)]

        # 生成运动曲线 (S型曲线模拟加速-匀速-减速)
        x_positions = []
        t_norm = np.linspace(0, 1, total_points)

        # Sigmoid函数变体，控制加速/减速区域
        for t in t_norm:
            if t < 0.3:  # 加速阶段
                phase = (t / 0.3) ** 1.5
            elif t > 0.7:  # 减速阶段
                phase = 1 - ((1 - t) / 0.3) ** 1.5
            else:  # 匀速阶段
                phase = 1
            x_positions.append(round(x0 + phase * distance))

        # 确保终点精确
        x_positions[-1] = x0 + distance

        # 生成y坐标 (带随机波动)
        y_positions = [y0]
        for i in range(1, total_points):
            # 随机波动 + 缓慢漂移
            drift = 0.1 if random.random() > 0.8 else 0
            new_y = y_positions[-1] + random.randint(-2, 2) + drift
            # 限制波动范围
            if abs(new_y - y0) > 8:
                new_y = y0 + random.randint(-3, 3)
            y_positions.append(int(new_y))

        # 组合轨迹数据
        track = []
        for i in range(total_points):
            track.append([
                x_positions[i],
                y_positions[i],
                int(time_stamps[i])
            ])

        return track

轨迹生成后，就没什么值需要处理了，加密方式方法和第一次是一样的，变化的是加密的值。这个验证成功后会返回一个True和一个token自己本地生成的这个难度不大，你要是用这个webpack去扣代码的话，就需要费点时间了。

如有侵权，联系删除！！！

如有侵权，联系删除！！！

如有侵权，联系删除！！！