抖音web端 s_v_web_id 参数生成分析与实现

<table><tr><td bgcolor=orange>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！</td></tr></table>

---

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生成方案：

• Python + selenium 自动化过滑块
• RPC远程调用自动，验证滑块

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

---

通过js生成滑块s_v_web_id

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("") }

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

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) x, y = self.template_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: 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) 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

captchaBody需要js生成

def captcha_verify(self, s_v_web_id, captchaBody): url = "aHR0cHM6Ly92ZXJpZnkuc25zc2RrLmNvbS9jYXB0Y2hhL3ZlcmlmeQ==" params = { "os_type": "2", "fp": s_v_web_id, "subtype": "slide", } data = { 'captchaBody': captchaBody } r = self._parse_url(url=url, params=params, data=json.dumps(data)) return r.json()

效果

识别率成功率还是可以的

---

<table><tr><td bgcolor=orange>本文仅供学习交流使用，如侵立删！</td></tr></table>

---