滑块验证码不能用requests直接绕过，因其依赖前端拖动轨迹、加速度等行为验证，服务端校验token是否由真实拖动生成；cv2识别缺口需三步：用高对比度背景图、干净缺口模板、tm_ccoeff_normed匹配；识别后还需模拟真实拖动行为，否则仍失败。
滑块验证码为什么不能用 requests 直接绕过
因为滑块验证本质是前端行为验证：拖动轨迹、加速度、停留时间、鼠标事件序列都会被采集。单纯发个 requests.post 拿到的响应，大概率是 {"success": false, "msg": "verify_failed"} 或直接跳转到验证页。服务端不是只校验“有没有传 token”，而是校验“这个 token 是不是由真实拖动行为生成的”。
cv2 识别缺口位置的关键三步
缺口识别只是第一步，但很多人卡在预处理或模板匹配参数上：
- 原图必须是带阴影/高对比度的“背景图”（不是带滑块的完整截图），否则
cv2.matchTemplate匹配不到边缘； - 缺口模板图要裁剪干净——只保留缺口内部的浅色区域（约 40×40 像素），边缘留 2–3 像素空白，避免匹配时受边框干扰；
- 匹配方法选
cv2.TM_CCOEFF_NORMED，阈值设0.65–0.75之间最稳；低于 0.6 容易误匹配，高于 0.8 可能漏检（尤其缺口有轻微模糊或水印时）。
示例片段：
res = cv2.matchTemplate(bg_img, template, cv2.TM_CCOEFF_NORMED)
loc = np.where(res >= 0.7)
if len(loc[0]) > 0:
x, y = loc[1][0], loc[0][0] # 注意：matchTemplate 返回的是 (y, x)
识别出 x 坐标后，为什么模拟拖动还是失败
识别出缺口左边缘的 x 坐标只是起点，真实拖动需满足行为逻辑：
- 起始点不是滑块左边缘，而是滑块中心偏右 5–8px（多数 UI 滑块热区在右侧）；
- 轨迹不能是直线：要用贝塞尔曲线或分段匀变速生成 15–25 个中间点，每点间隔 40–120ms；
- 最后 5px 必须减速 + 微调：在目标位置 ±3px 内小幅来回 1–2 次，再停住，否则触发“瞬移检测”；
- 必须带上
move_to_element_with_offset或ActionChains.drag_and_drop_by_offset的底层事件，不能只用click_and_hold+move_by_offset简单拼接。
哪些网站的滑块不建议用 cv2 硬刚
不是所有滑块都适合图像识别：
- 缺口动态渲染（如通过 WebGL 绘制、每次刷新像素偏移 1–2px）→
cv2匹配失效； - 背景图带强干扰纹理（斜线/噪点/渐变）且缺口无固定形状 → 模板匹配准确率低于 40%；
- 滑块轨道本身参与验证（例如拖动时实时上报轨道 DOM 尺寸变化）→ 即使位置对了，服务端仍判异常；
- 使用
geetest v4或hCaptcha→ 后者已弃用纯图像缺口，改用多图语义识别，cv2完全无效。
真正稳定的方案，往往得结合 Puppeteer / Playwright 的真实浏览器上下文 + 行为录制回放，而不是只盯着缺口坐标算偏移量。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
