1. 项目概述当自动化遇上验证码这道“门禁”在自动化脚本的世界里验证码就像一道无处不在的“门禁”。无论是自动登录、数据采集还是批量操作一旦遇到需要人工识别的图片验证码、滑块拼图或者点选文字整个流程就会戛然而止。这个项目的核心就是探讨如何利用 Python 和 Selenium 这套经典的自动化组合拳来尝试“通过”或“绕过”这道门禁。请注意这里的“破解”更多指的是在技术层面实现自动化识别与交互旨在用于学习自动化测试原理、解决重复性工作的效率问题或研究反机器人机制绝对不应用于任何干扰正常服务、窃取数据或进行未授权访问的非法活动。我接触过很多从爬虫或自动化测试转过来的朋友他们最头疼的就是验证码。单纯用 Selenium 可以模拟点击、输入但遇到需要识别图片内容的验证码就傻眼了。这个项目将系统性地梳理从最基础的简单验证码识别到应对复杂验证码服务的策略分享一套经过实战检验的思路和工具链。无论你是想完善自己的自动化测试用例还是让数据采集脚本更稳定亦或是单纯对“机器如何看懂验证码”感兴趣接下来的内容都会给你带来直接的参考价值。2. 验证码类型分析与应对策略总览在动手写代码之前我们必须先搞清楚对手是谁。验证码技术也在不断演进不同的类型需要完全不同的应对策略。盲目上手只会事倍功半。2.1 常见验证码类型拆解根据其交互和验证逻辑我们可以把常见的验证码分为以下几类传统字符型验证码这是最经典的验证码由扭曲、粘连、带有干扰线或背景噪点的数字、字母组合而成。例如早期论坛注册时常见的图片。其特点是逻辑简单输入图片中的字符即可但图像识别是难点。行为验证码滑块拼图如极验、腾讯云验证码等提供的需要将滑块拖动到缺口位置。难点在于缺口定位和模拟人类拖动轨迹。点选文字给出一个问题如“请依次点击苹果、香蕉”并在图片中显示多个词语需要点击正确的词语。难点在于文字识别和坐标点击。空间推理如“点击图中倒立的椅子”。难点在于图像理解和元素定位。逻辑问题验证码提出一个简单的数学问题如“35”或常识问题。这类验证码识别简单可直接用脚本计算答案但出现频率已越来越低。短信/邮箱验证码需要从短信或邮件中提取一次性密码。这类验证码的核心在于如何自动获取短信/邮件内容通常需要借助额外的API服务或客户端。对于自动化来说我们的目标不是“破解”验证码的加密算法大多数验证码本身不加密只是图片而是模拟完成验证所需的一系列“正确行为”。这通常包含两个核心步骤感知识别和执行交互。2.2 核心应对策略选型面对不同类型的验证码我们有不同层级的应对策略成本和技术难度依次递增策略层级适用场景核心技术优点缺点策略一规避测试环境、有后门接口1. 联系开发关闭验证码2. 使用测试账号万能验证码零成本100%稳定仅限可控的测试环境生产环境无效策略二半自动不频繁的任务复杂验证码1. Selenium 截图2. 人工识别后输入实现简单通用性强无法全自动效率低策略三全自动-本地识别简单的字符型、逻辑型验证码1. OCR库Tesseract、ddddocr2. 图像预处理去噪、二值化3. 机器学习/深度学习模型CNN免费自主可控响应快对复杂验证码识别率低需训练模型策略四全自动-第三方API复杂的商业验证码极验、腾讯云等1. 打码平台API超级鹰、图鉴等2. 逆向分析验证码服务模拟加密参数识别率高省时省力有费用成本依赖第三方服务稳定性策略五全自动-行为模拟滑块、点选等行为验证码1. 图像模板匹配找缺口2. 轨迹生成算法模拟人手拖动3. 目标检测模型定位点选目标直接模拟最终用户行为较难被检测技术难度高需要对抗轨迹检测注意在实际项目中策略三和策略四是最常被组合使用的。对于自研的简单验证码优先尝试本地OCR对于成熟的第三方验证码服务调用专业打码API往往是性价比最高的选择。策略五则需要较深的计算机视觉和逆向工程功底。3. 环境搭建与核心工具链解析工欲善其事必先利其器。一套稳定、高效的开发环境是成功的第一步。这里我会详细说明每一步的选择理由和避坑点。3.1 Python环境与Selenium安装Python是自动化脚本的首选库生态丰富。建议使用Python 3.8及以上版本稳定性与兼容性俱佳。# 使用pip安装Selenium库这是控制浏览器的核心 pip install selenium为什么是Selenium相比于Requests等纯HTTP库Selenium能驱动真实浏览器完美执行JavaScript渲染出与用户所见一致的完整页面这对于需要与动态加载的验证码组件进行交互的场景至关重要。Playwright和Pyppeteer也是优秀的选择但Selenium的社区最庞大资料最多适合大多数人入门和解决复杂问题。3.2 WebDriver配置以Chrome为例Selenium需要通过WebDriver来与浏览器通信。你必须下载与本地Chrome浏览器版本严格匹配的ChromeDriver。查看Chrome版本在浏览器地址栏输入chrome://version/查看“Google Chrome”后的版本号例如128.0.6613.138。下载ChromeDriver访问 ChromeDriver官网 或国内镜像站下载对应版本主版本号一致即可的驱动。配置驱动路径方法一推荐便于管理将下载的chromedriver.exeWindows或chromedriverMac/Linux放在项目目录下或在代码中指定路径。from selenium import webdriver driver webdriver.Chrome(executable_path./chromedriver) # 指定路径方法二系统路径将驱动文件放在系统PATH环境变量包含的目录中如/usr/local/bin则无需指定路径。driver webdriver.Chrome() # 自动从PATH查找实操心得浏览器自动更新常导致驱动版本不匹配报错“This version of ChromeDriver only supports Chrome version X”。一个稳健的解决方案是使用webdriver-manager库它能自动下载和管理匹配的驱动。pip install webdriver-managerfrom selenium import webdriver from webdriver_manager.chrome import ChromeDriverManager from selenium.webdriver.chrome.service import Service service Service(ChromeDriverManager().install()) driver webdriver.Chrome(serviceservice)3.3 验证码识别库选型与安装根据我们之前制定的策略需要准备相应的识别工具。本地OCR引擎策略三Tesseract老牌开源OCR引擎安装稍复杂。Windows下载安装包安装时勾选“中文数据包”。Mac:brew install tesseractLinux:sudo apt install tesseract-ocrPython封装库pytesseract和pillow(PIL)。pip install pytesseract pillowddddocr国内开发者制作的轻量级OCR/目标检测库对中文验证码和滑块缺口识别效果很好安装简单。pip install ddddocr打码平台API策略四以“超级鹰”为例你需要注册账号并获取软件ID和密钥。通常他们会提供Python SDK。pip install chaojiying4. 实战简单字符验证码的自动化识别与登录我们从最简单的场景开始一个使用传统字符型验证码的登录页面。我们的目标是全自动完成识别和登录。4.1 页面分析与元素定位假设我们有一个登录页包含用户名输入框idusername、密码输入框idpassword、验证码图片idcaptcha_image、验证码输入框idcaptcha和登录按钮。首先使用Selenium打开页面并定位这些元素。from selenium import webdriver from selenium.webdriver.common.by import By import time # 初始化浏览器驱动 driver webdriver.Chrome() driver.get(http://example.com/login) # 替换为目标登录页URL time.sleep(2) # 等待页面加载更好的做法是使用WebDriverWait # 定位元素 username_input driver.find_element(By.ID, username) password_input driver.find_element(By.ID, password) captcha_image driver.find_element(By.ID, captcha_image) captcha_input driver.find_element(By.ID, captcha) submit_button driver.find_element(By.XPATH, //button[typesubmit]) # 假设按钮是button类型4.2 验证码图片的捕获与预处理直接对网页上的图片元素进行OCR效果往往很差因为图片可能缩放、包含无关边框。最佳实践是截图。步骤1截取验证码图片元素from PIL import Image import io # 将验证码元素截图保存为PIL Image对象 captcha_screenshot captcha_image.screenshot_as_png image Image.open(io.BytesIO(captcha_screenshot)) image.save(captcha_raw.png) # 保存原始截图用于调试步骤2图像预处理关键步骤原始验证码常有噪点、干扰线、颜色背景。预处理能极大提升OCR识别率。def preprocess_image(image): # 1. 转为灰度图 img_gray image.convert(L) # 2. 二值化阈值处理将灰度图转为黑白区分前景和背景 # 阈值需要根据具体验证码调整可以尝试130-180 threshold 160 img_binary img_gray.point(lambda x: 255 if x threshold else 0) # 3. 降噪可选去除孤立的黑白点 # 这里使用一个简单的滤波器也可用PIL的ImageFilter import numpy as np data np.array(img_binary) # 一个简单的示例去除小于5个像素的连通区域这里省略具体实现可使用OpenCV # processed_data denoise(data) # img_clean Image.fromarray(processed_data) img_binary.save(captcha_processed.png) return img_binary processed_image preprocess_image(image)注意事项预处理没有万能参数。你必须手动查看captcha_raw.png和captcha_processed.png观察二值化后的字符是否清晰、连贯。如果效果不好需要调整阈值或尝试更复杂的处理如反色、腐蚀膨胀使用OpenCV等。4.3 使用OCR库识别字符这里展示使用pytesseract和ddddocr两种方式。方法A使用pytesseract (Tesseract)import pytesseract # 配置Tesseract路径如果没加入系统PATH # pytesseract.pytesseract.tesseract_cmd rC:\Program Files\Tesseract-OCR\tesseract.exe # 对预处理后的图片进行OCR # config参数可以指定语言、识别单字等--psm 8表示将图片视为单个文本行 captcha_text pytesseract.image_to_string(processed_image, config--psm 8 --oem 3 -c tessedit_char_whitelist0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ) captcha_text captcha_text.strip() # 去除首尾空格换行 print(f识别结果: {captcha_text})--psm 8: Page Segmentation Mode模式8代表“将图像视为单个单词”。--oem 3: OCR Engine Mode模式3是默认的基于LSTM的引擎。-c tessedit_char_whitelist...: 限制识别的字符集如果你确定验证码只包含数字和字母这能显著提高准确率。方法B使用ddddocr推荐尝试import ddddocr ocr ddddocr.DdddOcr() # ddddocr可以直接接受bytes数据 with open(captcha_processed.png, rb) as f: image_bytes f.read() captcha_text ocr.classification(image_bytes) print(fddddocr识别结果: {captcha_text})ddddocr通常对中文和数字混合的验证码有更好的识别效果且API更简单。4.4 整合完成自动化登录将识别出的验证码文本填入输入框并提交表单。# 填写表单 username_input.send_keys(your_username) password_input.send_keys(your_password) captcha_input.send_keys(captcha_text) # 点击登录按钮 submit_button.click() # 等待登录结果可以检查页面跳转或某个成功元素出现 time.sleep(3) # 例如检查是否跳转到首页或者登录成功提示 # if dashboard in driver.current_url: # print(登录成功) # else: # print(登录可能失败请检查验证码识别结果。) driver.quit() # 关闭浏览器至此一个完整的简单验证码自动化登录流程就完成了。核心在于截图-预处理-OCR这三步。识别率取决于验证码复杂度和预处理效果。如果识别率过低低于80%就需要考虑更复杂的预处理或者转向打码平台API。5. 进阶应对复杂验证码与反爬策略简单的字符验证码正在被淘汰现代网站更多采用行为验证码和更复杂的反爬机制。这一章我们深入更实际的战场。5.1 滑块验证码的破解思路与实现滑块验证码的核心是计算滑块需要拖动的距离。这个距离通常等于缺口位置与滑块初始位置的横向像素差。实现步骤获取背景图和缺口图通过Selenium定位到背景图元素和滑块缺口图元素分别截图。有时缺口图是包含透明通道的PNG需要处理。图像比对找出缺口方法一模板匹配。使用OpenCV的cv2.matchTemplate函数将缺口图模板在背景图上滑动找到最匹配的位置。这是最直观的方法。import cv2 import numpy as np # 读取背景图和缺口图缺口图可能需要去除透明背景 background cv2.imread(background.png, 0) # 灰度模式 gap cv2.imread(gap.png, 0) # 模板匹配 result cv2.matchTemplate(background, gap, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc cv2.minMaxLoc(result) gap_x max_loc[0] # 缺口左上角的x坐标 # 注意得到的坐标是缺口图片的左上角实际滑块需要移动到的位置可能是缺口中间方法二使用ddddocr的滑块识别功能。ddddocr内置了滑块识别简单易用。import ddddocr det ddddocr.DdddOcr(detFalse, ocrFalse) with open(background.png, rb) as f: target_bytes f.read() with open(gap.png, rb) as f: background_bytes f.read() res det.slide_match(target_bytes, background_bytes, simple_targetTrue) gap_x res[target][0] # 返回缺口位置的x坐标模拟人类拖动轨迹直接让滑块以恒定速度移动到目标位置会被检测。需要生成一个先加速后减速的轨迹。import random from selenium.webdriver import ActionChains def generate_track(distance): 生成移动轨迹模拟人手拖动 track [] current 0 mid distance * 3 / 5 # 减速点 t 0.2 v 0 while current distance: if current mid: a 2 random.random() # 加速段 else: a -3 - random.random() # 减速段 v0 v v v0 a * t move v0 * t 0.5 * a * t * t current move track.append(round(move)) # 微调确保总移动距离等于目标距离 track.append(distance - sum(track)) return track # 计算需要拖动的距离可能需要减去滑块本身的宽度或一个偏移量 slide_button driver.find_element(By.CLASS_NAME, slider-button) # 定位滑块元素 drag_distance gap_x - slide_button.location[x] # 这是一个近似值实际更复杂 # 按下滑块并拖动 ActionChains(driver).click_and_hold(slide_button).perform() track generate_track(drag_distance) for x in track: ActionChains(driver).move_by_offset(xoffsetx, yoffset0).perform() ActionChains(driver).release().perform()避坑指南坐标转换截图得到的像素坐标与网页中的坐标可能因缩放比例不同。需要计算网页的缩放比例window.devicePixelRatio进行转换。缺口图处理有些网站的缺口图是带阴影或透明度的直接匹配效果差。可能需要先对缺口图进行二值化或提取边缘。轨迹检测高级的验证码会检测拖动轨迹的加速度变化是否过于“机械”。可以在轨迹生成函数中加入更复杂的随机抖动(yoffset的微小变化)和停顿。动态加载背景图和缺口图可能是动态生成的每次刷新都不同。你的脚本需要能够处理每次的新图片。5.2 点选验证码的识别与坐标点击点选验证码如“请点击图中所有的苹果”需要解决两个问题识别图中目标物体和获取其点击坐标。获取完整大图同样使用Selenium截图。目标识别传统方法如果目标物体固定如特定的图标可以使用模板匹配。但点选验证码的目标通常是类别如“自行车”物体姿态、角度多变模板匹配失效。深度学习方法使用预训练的目标检测模型如YOLO、SSD。这需要一定的机器学习知识。你可以使用paddlepaddle或pytorch部署一个轻量级模型。使用第三方API这是最实际的方法。将截图传给打码平台的点选识别API它会返回图中所有目标物体的坐标和标签。坐标转换与点击API返回的是图片内的像素坐标需要转换为浏览器窗口内的坐标然后使用Selenium的ActionChains进行点击。# 假设api返回结果 [{x: 100, y: 200, label: apple}, ...] element driver.find_element(By.ID, big-image) # 验证码图片元素 left element.location[x] top element.location[y] for target in targets_from_api: # 将图片内坐标转换为浏览器窗口坐标 x left target[x] y top target[y] # 使用JavaScript直接点击坐标比ActionChains更直接 driver.execute_script(fdocument.elementFromPoint({x}, {y}).click();) time.sleep(0.5) # 点击间隔模拟人类速度5.3 集成第三方打码平台API当本地OCR无法满足需求时打码平台是最快的解决方案。以超级鹰为例流程如下注册并获取密钥。封装识别函数from chaojiying import ChaojiyingClient # 初始化客户端 cjy ChaojiyingClient(用户名, 密码, 软件ID) def recognize_captcha_by_cjy(image_bytes, captcha_type): :param image_bytes: 验证码图片的二进制数据 :param captcha_type: 验证码类型代码如1004代表4位英文数字 :return: 识别结果字符串 result cjy.post_pic(image_bytes, captcha_type) if result[err_no] 0: return result[pic_str] else: raise Exception(f打码失败: {result[err_msg]}) # 使用示例截图并识别 captcha_element driver.find_element(...) img_bytes captcha_element.screenshot_as_png code recognize_captcha_by_cjy(img_bytes, 1004)处理复杂类型打码平台也支持滑块、点选等。你需要查阅其API文档获取对应的captcha_type并正确处理返回的坐标信息。成本考量打码平台通常按题量收费简单验证码单价极低几分钱复杂验证码较贵。对于商业项目或高频需求这是一笔需要计算的成本。对于学习和低频使用很多平台提供免费测试题。5.4 应对Selenium检测与反爬策略现代网站会检测自动化工具。仅仅搞定验证码还不够你的Selenium脚本可能一开始就被识别并拦截。常见检测手段与应对方法WebDriver属性浏览器通过navigator.webdriver属性暴露了自动化特征。应对使用ChromeOptions添加实验性选项来隐藏或覆盖此属性。from selenium.webdriver import ChromeOptions options ChromeOptions() options.add_experimental_option(excludeSwitches, [enable-automation]) options.add_experimental_option(useAutomationExtension, False) options.add_argument(--disable-blink-featuresAutomationControlled) driver webdriver.Chrome(optionsoptions) # 执行JavaScript覆盖属性 driver.execute_cdp_cmd(Page.addScriptToEvaluateOnNewDocument, { source: Object.defineProperty(navigator, webdriver, { get: () undefined }); })浏览器指纹检测浏览器语言、插件、屏幕分辨率、时区等是否与真人环境一致。应对尽量使用常规的配置避免使用headless无头模式容易被检测。如果必须用无头模式需要添加更多参数来模拟真实用户。options.add_argument(--disable-gpu) options.add_argument(--window-size1920,1080) options.add_argument(user-agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ...)行为模式检测鼠标移动轨迹、点击速度、页面停留时间等是否过于规律。应对在操作之间加入随机延迟使用ActionChains模拟带加速度的鼠标移动如前文滑块轨迹。import random time.sleep(random.uniform(0.5, 2.0)) # 随机等待高级方案使用undetected-chromedriver或selenium-stealth等专门对抗检测的库。pip install undetected-chromedriverimport undetected_chromedriver as uc driver uc.Chrome()核心原则反爬与反反爬是持续对抗的过程。没有一劳永逸的方案。最有效的方法往往是降低请求频率让脚本的行为模式尽可能接近真实用户。6. 工程化实践构建健壮的自动化验证码处理模块当验证码处理逻辑变得复杂时我们需要将其模块化、工程化以提高代码的复用性和可维护性。6.1 设计一个可扩展的验证码处理器我们可以设计一个基类CaptchaSolver然后为不同类型的验证码实现具体的子类。from abc import ABC, abstractmethod from PIL import Image import io class CaptchaSolver(ABC): 验证码处理器抽象基类 def __init__(self, driver): self.driver driver abstractmethod def get_captcha_element(self): 定位验证码相关元素返回一个字典或元组 pass abstractmethod def solve(self, *args, **kwargs): 解决验证码的核心逻辑返回解决方案如文本、轨迹等 pass def take_element_screenshot(self, element): 辅助方法截取页面元素 return Image.open(io.BytesIO(element.screenshot_as_png)) class SimpleImageCaptchaSolver(CaptchaSolver): 简单图片验证码处理器 def __init__(self, driver, ocr_toolddddocr): super().__init__(driver) if ocr_tool ddddocr: import ddddocr self.ocr ddddocr.DdddOcr() elif ocr_tool tesseract: # 初始化tesseract配置 pass self.preprocess_func self._default_preprocess def get_captcha_element(self): # 假设页面有id为captcha_img的图片和id为captcha_input的输入框 img_ele self.driver.find_element(By.ID, captcha_img) input_ele self.driver.find_element(By.ID, captcha_input) return {image: img_ele, input: input_ele} def _default_preprocess(self, image): # 默认预处理转灰度、二值化 img_gray image.convert(L) threshold 160 img_binary img_gray.point(lambda x: 255 if x threshold else 0) return img_binary def solve(self): elements self.get_captcha_element() img_pil self.take_element_screenshot(elements[image]) processed_img self.preprocess_func(img_pil) # 转为bytes供OCR识别 img_byte_arr io.BytesIO() processed_img.save(img_byte_arr, formatPNG) img_bytes img_byte_arr.getvalue() captcha_text self.ocr.classification(img_bytes) return {text: captcha_text, input_element: elements[input]} # 使用示例 solver SimpleImageCaptchaSolver(driver) result solver.solve() result[input_element].send_keys(result[text])6.2 错误处理与重试机制验证码识别不可能100%成功必须加入重试逻辑。import time from selenium.common.exceptions import NoSuchElementException, TimeoutException def login_with_retry(username, password, max_retries3): for attempt in range(max_retries): try: # 1. 访问登录页 driver.get(login_url) # 2. 填写用户名密码 driver.find_element(By.ID, username).send_keys(username) driver.find_element(By.ID, password).send_keys(password) # 3. 处理验证码 solver SimpleImageCaptchaSolver(driver) result solver.solve() result[input_element].send_keys(result[text]) # 4. 点击登录 driver.find_element(By.ID, submit).click() # 5. 验证登录是否成功 time.sleep(2) if login_fail not in driver.page_source: # 根据实际情况判断 print(登录成功) return True else: print(f登录失败第{attempt1}次尝试。可能验证码错误。) # 刷新验证码 driver.find_element(By.LINK_TEXT, 换一张).click() time.sleep(1) except (NoSuchElementException, TimeoutException) as e: print(f页面元素未找到或超时: {e}) break # 或重试 print(达到最大重试次数登录失败。) return False6.3 日志记录与性能监控良好的日志能帮助快速定位问题。import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(name)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) class LoggingCaptchaSolver(SimpleImageCaptchaSolver): def solve(self): logger.info(开始处理验证码...) try: result super().solve() logger.info(f验证码识别成功: {result[text]}) return result except Exception as e: logger.error(f验证码识别失败: {e}, exc_infoTrue) raise7. 常见问题排查与实战经验录在实际操作中你会遇到各种各样奇怪的问题。这里记录了一些高频问题和我的解决思路。7.1 验证码识别率低怎么办问题现象OCR返回的结果驴唇不对马嘴。排查步骤检查原始截图保存并打开captcha_raw.png看看Selenium截到的图是不是你想要的验证码有没有被其他元素遮挡验证码是否已刷新检查预处理效果保存并打开captcha_processed.png看看二值化后的字符是否清晰可辨如果字符断裂或粘连严重需要调整阈值或尝试其他预处理方法如中值滤波去噪、形态学操作连接断裂字符。调整OCR参数对于pytesseract尝试不同的--psm模式如7, 8, 13。使用--oem 1传统引擎有时比LSTM引擎--oem 3对扭曲严重的字符效果更好。务必使用tessedit_char_whitelist限制字符集。尝试不同OCR引擎ddddocr对很多中文网站验证码效果优于Tesseract。也可以试试paddleocr百度飞桨的OCR识别率很高但体积较大。终极方案如果验证码是网站自制的、复杂度高考虑训练专属模型。收集几百张验证码图片和对应标签用CNN如使用tensorflow或pytorch训练一个分类模型。虽然有一定门槛但一旦成功识别率可达99%以上。7.2 滑块验证码拖动后提示“验证失败”问题现象成功计算出缺口位置并拖动但最后提示验证失败。排查步骤轨迹检测你的拖动轨迹太“机器”了。在generate_track函数中加入更多的随机性在移动中加入微小的垂直偏移(yoffset)在轨迹中插入短暂的停顿(time.sleep(0.05)。终点位置不精确模板匹配找到的缺口位置可能不是滑块需要到达的精确位置。有时需要加上一个固定的偏移量如滑块宽度的一半。手动成功拖动一次用代码打印出滑块最终位置的x坐标与你计算出的gap_x对比找出差值。页面缩放在高分辨率屏幕上浏览器可能有缩放。确保你的截图坐标和网页坐标转换正确。可以通过driver.execute_script(return window.devicePixelRatio)获取设备像素比。动作链执行不完整确保click_and_hold,move_by_offset,release这一系列动作被正确执行。有时在动作之间需要极短的延迟。被检测为自动化参考5.4节添加反检测措施。7.3 打码平台API调用失败或响应慢问题现象网络错误、余额不足、返回结果为空。应对策略加入重试和超时机制使用try...except包裹API调用设置超时如10秒失败后重试2-3次。准备备用方案在代码中集成2-3个不同的打码平台。当主平台失败或余额不足时自动切换到备用平台。本地缓存对于短期内重复出现的相同验证码有些网站的验证码会话期内不变可以将识别结果缓存起来避免重复调用API浪费资源。异步处理如果验证码识别是自动化流程的瓶颈可以考虑将截图发送到消息队列由独立的识别服务异步处理避免阻塞主流程。7.4 脚本在无头模式(Headless)下无法工作问题现象在ChromeOptions中添加--headlessnew参数后元素找不到或验证码不显示。解决方案设置合适的窗口大小无头模式默认窗口大小很小可能导致页面布局不同。务必加上--window-size1920,1080。用户代理(User-Agent)有些网站会检查UA。添加一个常见的桌面版Chrome UA。禁用沙盒和GPU在某些Linux环境下必要options.add_argument(--no-sandbox) options.add_argument(--disable-dev-shm-usage) options.add_argument(--disable-gpu)考虑使用非无头模式对于极其复杂的网站在服务器上运行一个带虚拟显示器的浏览器如使用xvfb可能比解决无头模式下的各种奇怪问题更简单。自动化验证码处理是一个需要耐心和细致调试的领域。没有放之四海而皆准的代码最关键的是理解原理然后针对目标网站的具体实现进行适配和调整。从简单的OCR开始逐步深入到行为模拟和反反爬这个过程本身也是对Web技术和计算机视觉的一次深刻学习。
Python Selenium自动化验证码识别实战：从OCR到行为模拟的完整解决方案
发布时间：2026/7/16 5:12:01
1. 项目概述当自动化遇上验证码这道“门禁”在自动化脚本的世界里验证码就像一道无处不在的“门禁”。无论是自动登录、数据采集还是批量操作一旦遇到需要人工识别的图片验证码、滑块拼图或者点选文字整个流程就会戛然而止。这个项目的核心就是探讨如何利用 Python 和 Selenium 这套经典的自动化组合拳来尝试“通过”或“绕过”这道门禁。请注意这里的“破解”更多指的是在技术层面实现自动化识别与交互旨在用于学习自动化测试原理、解决重复性工作的效率问题或研究反机器人机制绝对不应用于任何干扰正常服务、窃取数据或进行未授权访问的非法活动。我接触过很多从爬虫或自动化测试转过来的朋友他们最头疼的就是验证码。单纯用 Selenium 可以模拟点击、输入但遇到需要识别图片内容的验证码就傻眼了。这个项目将系统性地梳理从最基础的简单验证码识别到应对复杂验证码服务的策略分享一套经过实战检验的思路和工具链。无论你是想完善自己的自动化测试用例还是让数据采集脚本更稳定亦或是单纯对“机器如何看懂验证码”感兴趣接下来的内容都会给你带来直接的参考价值。2. 验证码类型分析与应对策略总览在动手写代码之前我们必须先搞清楚对手是谁。验证码技术也在不断演进不同的类型需要完全不同的应对策略。盲目上手只会事倍功半。2.1 常见验证码类型拆解根据其交互和验证逻辑我们可以把常见的验证码分为以下几类传统字符型验证码这是最经典的验证码由扭曲、粘连、带有干扰线或背景噪点的数字、字母组合而成。例如早期论坛注册时常见的图片。其特点是逻辑简单输入图片中的字符即可但图像识别是难点。行为验证码滑块拼图如极验、腾讯云验证码等提供的需要将滑块拖动到缺口位置。难点在于缺口定位和模拟人类拖动轨迹。点选文字给出一个问题如“请依次点击苹果、香蕉”并在图片中显示多个词语需要点击正确的词语。难点在于文字识别和坐标点击。空间推理如“点击图中倒立的椅子”。难点在于图像理解和元素定位。逻辑问题验证码提出一个简单的数学问题如“35”或常识问题。这类验证码识别简单可直接用脚本计算答案但出现频率已越来越低。短信/邮箱验证码需要从短信或邮件中提取一次性密码。这类验证码的核心在于如何自动获取短信/邮件内容通常需要借助额外的API服务或客户端。对于自动化来说我们的目标不是“破解”验证码的加密算法大多数验证码本身不加密只是图片而是模拟完成验证所需的一系列“正确行为”。这通常包含两个核心步骤感知识别和执行交互。2.2 核心应对策略选型面对不同类型的验证码我们有不同层级的应对策略成本和技术难度依次递增策略层级适用场景核心技术优点缺点策略一规避测试环境、有后门接口1. 联系开发关闭验证码2. 使用测试账号万能验证码零成本100%稳定仅限可控的测试环境生产环境无效策略二半自动不频繁的任务复杂验证码1. Selenium 截图2. 人工识别后输入实现简单通用性强无法全自动效率低策略三全自动-本地识别简单的字符型、逻辑型验证码1. OCR库Tesseract、ddddocr2. 图像预处理去噪、二值化3. 机器学习/深度学习模型CNN免费自主可控响应快对复杂验证码识别率低需训练模型策略四全自动-第三方API复杂的商业验证码极验、腾讯云等1. 打码平台API超级鹰、图鉴等2. 逆向分析验证码服务模拟加密参数识别率高省时省力有费用成本依赖第三方服务稳定性策略五全自动-行为模拟滑块、点选等行为验证码1. 图像模板匹配找缺口2. 轨迹生成算法模拟人手拖动3. 目标检测模型定位点选目标直接模拟最终用户行为较难被检测技术难度高需要对抗轨迹检测注意在实际项目中策略三和策略四是最常被组合使用的。对于自研的简单验证码优先尝试本地OCR对于成熟的第三方验证码服务调用专业打码API往往是性价比最高的选择。策略五则需要较深的计算机视觉和逆向工程功底。3. 环境搭建与核心工具链解析工欲善其事必先利其器。一套稳定、高效的开发环境是成功的第一步。这里我会详细说明每一步的选择理由和避坑点。3.1 Python环境与Selenium安装Python是自动化脚本的首选库生态丰富。建议使用Python 3.8及以上版本稳定性与兼容性俱佳。# 使用pip安装Selenium库这是控制浏览器的核心 pip install selenium为什么是Selenium相比于Requests等纯HTTP库Selenium能驱动真实浏览器完美执行JavaScript渲染出与用户所见一致的完整页面这对于需要与动态加载的验证码组件进行交互的场景至关重要。Playwright和Pyppeteer也是优秀的选择但Selenium的社区最庞大资料最多适合大多数人入门和解决复杂问题。3.2 WebDriver配置以Chrome为例Selenium需要通过WebDriver来与浏览器通信。你必须下载与本地Chrome浏览器版本严格匹配的ChromeDriver。查看Chrome版本在浏览器地址栏输入chrome://version/查看“Google Chrome”后的版本号例如128.0.6613.138。下载ChromeDriver访问 ChromeDriver官网 或国内镜像站下载对应版本主版本号一致即可的驱动。配置驱动路径方法一推荐便于管理将下载的chromedriver.exeWindows或chromedriverMac/Linux放在项目目录下或在代码中指定路径。from selenium import webdriver driver webdriver.Chrome(executable_path./chromedriver) # 指定路径方法二系统路径将驱动文件放在系统PATH环境变量包含的目录中如/usr/local/bin则无需指定路径。driver webdriver.Chrome() # 自动从PATH查找实操心得浏览器自动更新常导致驱动版本不匹配报错“This version of ChromeDriver only supports Chrome version X”。一个稳健的解决方案是使用webdriver-manager库它能自动下载和管理匹配的驱动。pip install webdriver-managerfrom selenium import webdriver from webdriver_manager.chrome import ChromeDriverManager from selenium.webdriver.chrome.service import Service service Service(ChromeDriverManager().install()) driver webdriver.Chrome(serviceservice)3.3 验证码识别库选型与安装根据我们之前制定的策略需要准备相应的识别工具。本地OCR引擎策略三Tesseract老牌开源OCR引擎安装稍复杂。Windows下载安装包安装时勾选“中文数据包”。Mac:brew install tesseractLinux:sudo apt install tesseract-ocrPython封装库pytesseract和pillow(PIL)。pip install pytesseract pillowddddocr国内开发者制作的轻量级OCR/目标检测库对中文验证码和滑块缺口识别效果很好安装简单。pip install ddddocr打码平台API策略四以“超级鹰”为例你需要注册账号并获取软件ID和密钥。通常他们会提供Python SDK。pip install chaojiying4. 实战简单字符验证码的自动化识别与登录我们从最简单的场景开始一个使用传统字符型验证码的登录页面。我们的目标是全自动完成识别和登录。4.1 页面分析与元素定位假设我们有一个登录页包含用户名输入框idusername、密码输入框idpassword、验证码图片idcaptcha_image、验证码输入框idcaptcha和登录按钮。首先使用Selenium打开页面并定位这些元素。from selenium import webdriver from selenium.webdriver.common.by import By import time # 初始化浏览器驱动 driver webdriver.Chrome() driver.get(http://example.com/login) # 替换为目标登录页URL time.sleep(2) # 等待页面加载更好的做法是使用WebDriverWait # 定位元素 username_input driver.find_element(By.ID, username) password_input driver.find_element(By.ID, password) captcha_image driver.find_element(By.ID, captcha_image) captcha_input driver.find_element(By.ID, captcha) submit_button driver.find_element(By.XPATH, //button[typesubmit]) # 假设按钮是button类型4.2 验证码图片的捕获与预处理直接对网页上的图片元素进行OCR效果往往很差因为图片可能缩放、包含无关边框。最佳实践是截图。步骤1截取验证码图片元素from PIL import Image import io # 将验证码元素截图保存为PIL Image对象 captcha_screenshot captcha_image.screenshot_as_png image Image.open(io.BytesIO(captcha_screenshot)) image.save(captcha_raw.png) # 保存原始截图用于调试步骤2图像预处理关键步骤原始验证码常有噪点、干扰线、颜色背景。预处理能极大提升OCR识别率。def preprocess_image(image): # 1. 转为灰度图 img_gray image.convert(L) # 2. 二值化阈值处理将灰度图转为黑白区分前景和背景 # 阈值需要根据具体验证码调整可以尝试130-180 threshold 160 img_binary img_gray.point(lambda x: 255 if x threshold else 0) # 3. 降噪可选去除孤立的黑白点 # 这里使用一个简单的滤波器也可用PIL的ImageFilter import numpy as np data np.array(img_binary) # 一个简单的示例去除小于5个像素的连通区域这里省略具体实现可使用OpenCV # processed_data denoise(data) # img_clean Image.fromarray(processed_data) img_binary.save(captcha_processed.png) return img_binary processed_image preprocess_image(image)注意事项预处理没有万能参数。你必须手动查看captcha_raw.png和captcha_processed.png观察二值化后的字符是否清晰、连贯。如果效果不好需要调整阈值或尝试更复杂的处理如反色、腐蚀膨胀使用OpenCV等。4.3 使用OCR库识别字符这里展示使用pytesseract和ddddocr两种方式。方法A使用pytesseract (Tesseract)import pytesseract # 配置Tesseract路径如果没加入系统PATH # pytesseract.pytesseract.tesseract_cmd rC:\Program Files\Tesseract-OCR\tesseract.exe # 对预处理后的图片进行OCR # config参数可以指定语言、识别单字等--psm 8表示将图片视为单个文本行 captcha_text pytesseract.image_to_string(processed_image, config--psm 8 --oem 3 -c tessedit_char_whitelist0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ) captcha_text captcha_text.strip() # 去除首尾空格换行 print(f识别结果: {captcha_text})--psm 8: Page Segmentation Mode模式8代表“将图像视为单个单词”。--oem 3: OCR Engine Mode模式3是默认的基于LSTM的引擎。-c tessedit_char_whitelist...: 限制识别的字符集如果你确定验证码只包含数字和字母这能显著提高准确率。方法B使用ddddocr推荐尝试import ddddocr ocr ddddocr.DdddOcr() # ddddocr可以直接接受bytes数据 with open(captcha_processed.png, rb) as f: image_bytes f.read() captcha_text ocr.classification(image_bytes) print(fddddocr识别结果: {captcha_text})ddddocr通常对中文和数字混合的验证码有更好的识别效果且API更简单。4.4 整合完成自动化登录将识别出的验证码文本填入输入框并提交表单。# 填写表单 username_input.send_keys(your_username) password_input.send_keys(your_password) captcha_input.send_keys(captcha_text) # 点击登录按钮 submit_button.click() # 等待登录结果可以检查页面跳转或某个成功元素出现 time.sleep(3) # 例如检查是否跳转到首页或者登录成功提示 # if dashboard in driver.current_url: # print(登录成功) # else: # print(登录可能失败请检查验证码识别结果。) driver.quit() # 关闭浏览器至此一个完整的简单验证码自动化登录流程就完成了。核心在于截图-预处理-OCR这三步。识别率取决于验证码复杂度和预处理效果。如果识别率过低低于80%就需要考虑更复杂的预处理或者转向打码平台API。5. 进阶应对复杂验证码与反爬策略简单的字符验证码正在被淘汰现代网站更多采用行为验证码和更复杂的反爬机制。这一章我们深入更实际的战场。5.1 滑块验证码的破解思路与实现滑块验证码的核心是计算滑块需要拖动的距离。这个距离通常等于缺口位置与滑块初始位置的横向像素差。实现步骤获取背景图和缺口图通过Selenium定位到背景图元素和滑块缺口图元素分别截图。有时缺口图是包含透明通道的PNG需要处理。图像比对找出缺口方法一模板匹配。使用OpenCV的cv2.matchTemplate函数将缺口图模板在背景图上滑动找到最匹配的位置。这是最直观的方法。import cv2 import numpy as np # 读取背景图和缺口图缺口图可能需要去除透明背景 background cv2.imread(background.png, 0) # 灰度模式 gap cv2.imread(gap.png, 0) # 模板匹配 result cv2.matchTemplate(background, gap, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc cv2.minMaxLoc(result) gap_x max_loc[0] # 缺口左上角的x坐标 # 注意得到的坐标是缺口图片的左上角实际滑块需要移动到的位置可能是缺口中间方法二使用ddddocr的滑块识别功能。ddddocr内置了滑块识别简单易用。import ddddocr det ddddocr.DdddOcr(detFalse, ocrFalse) with open(background.png, rb) as f: target_bytes f.read() with open(gap.png, rb) as f: background_bytes f.read() res det.slide_match(target_bytes, background_bytes, simple_targetTrue) gap_x res[target][0] # 返回缺口位置的x坐标模拟人类拖动轨迹直接让滑块以恒定速度移动到目标位置会被检测。需要生成一个先加速后减速的轨迹。import random from selenium.webdriver import ActionChains def generate_track(distance): 生成移动轨迹模拟人手拖动 track [] current 0 mid distance * 3 / 5 # 减速点 t 0.2 v 0 while current distance: if current mid: a 2 random.random() # 加速段 else: a -3 - random.random() # 减速段 v0 v v v0 a * t move v0 * t 0.5 * a * t * t current move track.append(round(move)) # 微调确保总移动距离等于目标距离 track.append(distance - sum(track)) return track # 计算需要拖动的距离可能需要减去滑块本身的宽度或一个偏移量 slide_button driver.find_element(By.CLASS_NAME, slider-button) # 定位滑块元素 drag_distance gap_x - slide_button.location[x] # 这是一个近似值实际更复杂 # 按下滑块并拖动 ActionChains(driver).click_and_hold(slide_button).perform() track generate_track(drag_distance) for x in track: ActionChains(driver).move_by_offset(xoffsetx, yoffset0).perform() ActionChains(driver).release().perform()避坑指南坐标转换截图得到的像素坐标与网页中的坐标可能因缩放比例不同。需要计算网页的缩放比例window.devicePixelRatio进行转换。缺口图处理有些网站的缺口图是带阴影或透明度的直接匹配效果差。可能需要先对缺口图进行二值化或提取边缘。轨迹检测高级的验证码会检测拖动轨迹的加速度变化是否过于“机械”。可以在轨迹生成函数中加入更复杂的随机抖动(yoffset的微小变化)和停顿。动态加载背景图和缺口图可能是动态生成的每次刷新都不同。你的脚本需要能够处理每次的新图片。5.2 点选验证码的识别与坐标点击点选验证码如“请点击图中所有的苹果”需要解决两个问题识别图中目标物体和获取其点击坐标。获取完整大图同样使用Selenium截图。目标识别传统方法如果目标物体固定如特定的图标可以使用模板匹配。但点选验证码的目标通常是类别如“自行车”物体姿态、角度多变模板匹配失效。深度学习方法使用预训练的目标检测模型如YOLO、SSD。这需要一定的机器学习知识。你可以使用paddlepaddle或pytorch部署一个轻量级模型。使用第三方API这是最实际的方法。将截图传给打码平台的点选识别API它会返回图中所有目标物体的坐标和标签。坐标转换与点击API返回的是图片内的像素坐标需要转换为浏览器窗口内的坐标然后使用Selenium的ActionChains进行点击。# 假设api返回结果 [{x: 100, y: 200, label: apple}, ...] element driver.find_element(By.ID, big-image) # 验证码图片元素 left element.location[x] top element.location[y] for target in targets_from_api: # 将图片内坐标转换为浏览器窗口坐标 x left target[x] y top target[y] # 使用JavaScript直接点击坐标比ActionChains更直接 driver.execute_script(fdocument.elementFromPoint({x}, {y}).click();) time.sleep(0.5) # 点击间隔模拟人类速度5.3 集成第三方打码平台API当本地OCR无法满足需求时打码平台是最快的解决方案。以超级鹰为例流程如下注册并获取密钥。封装识别函数from chaojiying import ChaojiyingClient # 初始化客户端 cjy ChaojiyingClient(用户名, 密码, 软件ID) def recognize_captcha_by_cjy(image_bytes, captcha_type): :param image_bytes: 验证码图片的二进制数据 :param captcha_type: 验证码类型代码如1004代表4位英文数字 :return: 识别结果字符串 result cjy.post_pic(image_bytes, captcha_type) if result[err_no] 0: return result[pic_str] else: raise Exception(f打码失败: {result[err_msg]}) # 使用示例截图并识别 captcha_element driver.find_element(...) img_bytes captcha_element.screenshot_as_png code recognize_captcha_by_cjy(img_bytes, 1004)处理复杂类型打码平台也支持滑块、点选等。你需要查阅其API文档获取对应的captcha_type并正确处理返回的坐标信息。成本考量打码平台通常按题量收费简单验证码单价极低几分钱复杂验证码较贵。对于商业项目或高频需求这是一笔需要计算的成本。对于学习和低频使用很多平台提供免费测试题。5.4 应对Selenium检测与反爬策略现代网站会检测自动化工具。仅仅搞定验证码还不够你的Selenium脚本可能一开始就被识别并拦截。常见检测手段与应对方法WebDriver属性浏览器通过navigator.webdriver属性暴露了自动化特征。应对使用ChromeOptions添加实验性选项来隐藏或覆盖此属性。from selenium.webdriver import ChromeOptions options ChromeOptions() options.add_experimental_option(excludeSwitches, [enable-automation]) options.add_experimental_option(useAutomationExtension, False) options.add_argument(--disable-blink-featuresAutomationControlled) driver webdriver.Chrome(optionsoptions) # 执行JavaScript覆盖属性 driver.execute_cdp_cmd(Page.addScriptToEvaluateOnNewDocument, { source: Object.defineProperty(navigator, webdriver, { get: () undefined }); })浏览器指纹检测浏览器语言、插件、屏幕分辨率、时区等是否与真人环境一致。应对尽量使用常规的配置避免使用headless无头模式容易被检测。如果必须用无头模式需要添加更多参数来模拟真实用户。options.add_argument(--disable-gpu) options.add_argument(--window-size1920,1080) options.add_argument(user-agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ...)行为模式检测鼠标移动轨迹、点击速度、页面停留时间等是否过于规律。应对在操作之间加入随机延迟使用ActionChains模拟带加速度的鼠标移动如前文滑块轨迹。import random time.sleep(random.uniform(0.5, 2.0)) # 随机等待高级方案使用undetected-chromedriver或selenium-stealth等专门对抗检测的库。pip install undetected-chromedriverimport undetected_chromedriver as uc driver uc.Chrome()核心原则反爬与反反爬是持续对抗的过程。没有一劳永逸的方案。最有效的方法往往是降低请求频率让脚本的行为模式尽可能接近真实用户。6. 工程化实践构建健壮的自动化验证码处理模块当验证码处理逻辑变得复杂时我们需要将其模块化、工程化以提高代码的复用性和可维护性。6.1 设计一个可扩展的验证码处理器我们可以设计一个基类CaptchaSolver然后为不同类型的验证码实现具体的子类。from abc import ABC, abstractmethod from PIL import Image import io class CaptchaSolver(ABC): 验证码处理器抽象基类 def __init__(self, driver): self.driver driver abstractmethod def get_captcha_element(self): 定位验证码相关元素返回一个字典或元组 pass abstractmethod def solve(self, *args, **kwargs): 解决验证码的核心逻辑返回解决方案如文本、轨迹等 pass def take_element_screenshot(self, element): 辅助方法截取页面元素 return Image.open(io.BytesIO(element.screenshot_as_png)) class SimpleImageCaptchaSolver(CaptchaSolver): 简单图片验证码处理器 def __init__(self, driver, ocr_toolddddocr): super().__init__(driver) if ocr_tool ddddocr: import ddddocr self.ocr ddddocr.DdddOcr() elif ocr_tool tesseract: # 初始化tesseract配置 pass self.preprocess_func self._default_preprocess def get_captcha_element(self): # 假设页面有id为captcha_img的图片和id为captcha_input的输入框 img_ele self.driver.find_element(By.ID, captcha_img) input_ele self.driver.find_element(By.ID, captcha_input) return {image: img_ele, input: input_ele} def _default_preprocess(self, image): # 默认预处理转灰度、二值化 img_gray image.convert(L) threshold 160 img_binary img_gray.point(lambda x: 255 if x threshold else 0) return img_binary def solve(self): elements self.get_captcha_element() img_pil self.take_element_screenshot(elements[image]) processed_img self.preprocess_func(img_pil) # 转为bytes供OCR识别 img_byte_arr io.BytesIO() processed_img.save(img_byte_arr, formatPNG) img_bytes img_byte_arr.getvalue() captcha_text self.ocr.classification(img_bytes) return {text: captcha_text, input_element: elements[input]} # 使用示例 solver SimpleImageCaptchaSolver(driver) result solver.solve() result[input_element].send_keys(result[text])6.2 错误处理与重试机制验证码识别不可能100%成功必须加入重试逻辑。import time from selenium.common.exceptions import NoSuchElementException, TimeoutException def login_with_retry(username, password, max_retries3): for attempt in range(max_retries): try: # 1. 访问登录页 driver.get(login_url) # 2. 填写用户名密码 driver.find_element(By.ID, username).send_keys(username) driver.find_element(By.ID, password).send_keys(password) # 3. 处理验证码 solver SimpleImageCaptchaSolver(driver) result solver.solve() result[input_element].send_keys(result[text]) # 4. 点击登录 driver.find_element(By.ID, submit).click() # 5. 验证登录是否成功 time.sleep(2) if login_fail not in driver.page_source: # 根据实际情况判断 print(登录成功) return True else: print(f登录失败第{attempt1}次尝试。可能验证码错误。) # 刷新验证码 driver.find_element(By.LINK_TEXT, 换一张).click() time.sleep(1) except (NoSuchElementException, TimeoutException) as e: print(f页面元素未找到或超时: {e}) break # 或重试 print(达到最大重试次数登录失败。) return False6.3 日志记录与性能监控良好的日志能帮助快速定位问题。import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(name)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) class LoggingCaptchaSolver(SimpleImageCaptchaSolver): def solve(self): logger.info(开始处理验证码...) try: result super().solve() logger.info(f验证码识别成功: {result[text]}) return result except Exception as e: logger.error(f验证码识别失败: {e}, exc_infoTrue) raise7. 常见问题排查与实战经验录在实际操作中你会遇到各种各样奇怪的问题。这里记录了一些高频问题和我的解决思路。7.1 验证码识别率低怎么办问题现象OCR返回的结果驴唇不对马嘴。排查步骤检查原始截图保存并打开captcha_raw.png看看Selenium截到的图是不是你想要的验证码有没有被其他元素遮挡验证码是否已刷新检查预处理效果保存并打开captcha_processed.png看看二值化后的字符是否清晰可辨如果字符断裂或粘连严重需要调整阈值或尝试其他预处理方法如中值滤波去噪、形态学操作连接断裂字符。调整OCR参数对于pytesseract尝试不同的--psm模式如7, 8, 13。使用--oem 1传统引擎有时比LSTM引擎--oem 3对扭曲严重的字符效果更好。务必使用tessedit_char_whitelist限制字符集。尝试不同OCR引擎ddddocr对很多中文网站验证码效果优于Tesseract。也可以试试paddleocr百度飞桨的OCR识别率很高但体积较大。终极方案如果验证码是网站自制的、复杂度高考虑训练专属模型。收集几百张验证码图片和对应标签用CNN如使用tensorflow或pytorch训练一个分类模型。虽然有一定门槛但一旦成功识别率可达99%以上。7.2 滑块验证码拖动后提示“验证失败”问题现象成功计算出缺口位置并拖动但最后提示验证失败。排查步骤轨迹检测你的拖动轨迹太“机器”了。在generate_track函数中加入更多的随机性在移动中加入微小的垂直偏移(yoffset)在轨迹中插入短暂的停顿(time.sleep(0.05)。终点位置不精确模板匹配找到的缺口位置可能不是滑块需要到达的精确位置。有时需要加上一个固定的偏移量如滑块宽度的一半。手动成功拖动一次用代码打印出滑块最终位置的x坐标与你计算出的gap_x对比找出差值。页面缩放在高分辨率屏幕上浏览器可能有缩放。确保你的截图坐标和网页坐标转换正确。可以通过driver.execute_script(return window.devicePixelRatio)获取设备像素比。动作链执行不完整确保click_and_hold,move_by_offset,release这一系列动作被正确执行。有时在动作之间需要极短的延迟。被检测为自动化参考5.4节添加反检测措施。7.3 打码平台API调用失败或响应慢问题现象网络错误、余额不足、返回结果为空。应对策略加入重试和超时机制使用try...except包裹API调用设置超时如10秒失败后重试2-3次。准备备用方案在代码中集成2-3个不同的打码平台。当主平台失败或余额不足时自动切换到备用平台。本地缓存对于短期内重复出现的相同验证码有些网站的验证码会话期内不变可以将识别结果缓存起来避免重复调用API浪费资源。异步处理如果验证码识别是自动化流程的瓶颈可以考虑将截图发送到消息队列由独立的识别服务异步处理避免阻塞主流程。7.4 脚本在无头模式(Headless)下无法工作问题现象在ChromeOptions中添加--headlessnew参数后元素找不到或验证码不显示。解决方案设置合适的窗口大小无头模式默认窗口大小很小可能导致页面布局不同。务必加上--window-size1920,1080。用户代理(User-Agent)有些网站会检查UA。添加一个常见的桌面版Chrome UA。禁用沙盒和GPU在某些Linux环境下必要options.add_argument(--no-sandbox) options.add_argument(--disable-dev-shm-usage) options.add_argument(--disable-gpu)考虑使用非无头模式对于极其复杂的网站在服务器上运行一个带虚拟显示器的浏览器如使用xvfb可能比解决无头模式下的各种奇怪问题更简单。自动化验证码处理是一个需要耐心和细致调试的领域。没有放之四海而皆准的代码最关键的是理解原理然后针对目标网站的具体实现进行适配和调整。从简单的OCR开始逐步深入到行为模拟和反反爬这个过程本身也是对Web技术和计算机视觉的一次深刻学习。
相关文章
C++实现醉汉随机行走：从蒙特卡洛模拟到工程实践
1. 项目概述与核心价值最近在整理一些经典的算法和物理模拟案例，准备给团队的新人做培训材料，翻到了“醉汉随机行走”这个模型。别看名字听起来有点戏谑，这其实是随机过程、蒙特卡洛模拟乃至金融建模等多个领域的一个基础到不能再基础的“Hel…
鸿蒙7新特性实战⑧：商用Kiosk锁定应用完整开发流程（API26 自助终端/门店一体机）
前言 Kiosk（商用自助锁定模式）是鸿蒙面向门店收银机、自助取票机、政务终端、广告一体机的企业级管控能力，核心作用： 设备开机后仅运行当前应用，屏蔽返回键、Home桌面、下拉通知栏、多任务、分屏、设置入口࿰…
C++11观察者模式：解耦利器与现代实现
1. 项目概述：为什么我们需要观察者模式？在C项目里，尤其是那些涉及UI事件响应、游戏状态更新或者分布式系统消息通知的场景，我们常常会遇到一个经典问题：一个对象（我们称之为“主体”或“被观察者”…
Java循环控制进阶：while与do..while的实战抉择与break/continue的精准调控
1. 为什么需要while和do..while循环？在日常编程中，我们经常遇到需要重复执行某段代码的场景。比如读取用户输入直到输入合法、处理文件中的每一行数据、或者游戏中的主循环。这时候，循环结构就派上用场了。Java提供了三种主要的循环结构&…
【AI总结】2026年6月 主流国内外大模型总结
目录 引言一、 国际主流模型 1. OpenAI GPT 系列2. Anthropic Claude 系列3. Google Gemini 系列4. Meta Llama 系列5. xAI Grok 系列6. 其他值得关注的国际模型 二、 国内主流模型 1. 百度 文心大模型2. 阿里 通义千问3. 腾讯 混元大模型4. 字节跳动 豆包大模型 / 扣子5. 智谱…
【2014-01-20】cocos2dx学习笔记：判断当前平台
[历史归档] 本文原发布于 cstriker1407.info 个人博客，内容为历史存档，仅供参考。 发布时间： 2014-01-20 ｜ 标题：cocos2dx学习笔记：判断当前平台 ｜ 分类： 编程 / C && C…
【2014-01-20】cocos2dx学习笔记：吞噬事件相应
[历史归档] 本文原发布于 cstriker1407.info 个人博客，内容为历史存档，仅供参考。 发布时间： 2014-01-20 ｜ 标题：cocos2dx学习笔记：吞噬事件相应 ｜ 分类： 编程 / C && C…
Claude Opus更爱抬杠、Sonnet更会安慰人、连中英文性格都不同，Anthropic分析30万条真实对话首次揭秘Claude“人格”！
编译 | 苏宓出品 | CSDN（ID：CSDNnews）“见人说人话，见鬼说鬼话”，放在人身上叫高情商；放在 AI 身上，却意味着模型可能拥有完全不同的“性格”。最近，不少 Claude 用户发现࿰…
Lovart：用Agent重构PSD工作流的运营视觉生产平台
1. 项目概述：为什么“一套运营视觉”成了团队最耗时的黑洞？最近在帮三个不同行业的客户做品牌视觉落地，发现一个惊人共性：哪怕是最基础的「朋友圈九宫格公众号头图小红书封面抖音竖版海报」四件套，从设计初稿到最终交付…
遗传算法解5皇后问题：从Hello World到工业优化的进化实验室
1. 项目概述：为什么用遗传算法解5皇后问题，而不是直接回溯？我带过十几届算法课，也给不少初创团队做过AI架构咨询。每次讲到组合优化问题，学生和工程师的第一反应永远是“写个回溯试试”。这没错——55棋盘上找所有合法…
A--10 Codex Review与GitHub PR工作流实战指南：从代码审查到安全合并
摘要：本文系统讲解如何利用Codex App的Review功能与GitHub PR工作流，实现从代码修改到安全合并的完整流程。涵盖Review面板深度使用、/review命令实战、GitHub Connector配置、PR描述撰写技巧，以及常见问题排查方法。通过多个实战案例和流程图，帮助开发者建立高效的AI辅助代…
uos-exporter核心组件解析：10个关键监控导出器功能详解
uos-exporter核心组件解析：10个关键监控导出器功能详解 【免费下载链接】uos-exporter uos-exporter collects metrics from os 项目地址: https://gitcode.com/openeuler/uos-exporter 前往项目官网免费下载：https://ar.openeuler.org/ar/ uos-…
MQ-2 烟雾传感器 ESP32-S3 驱动实战：ADC 读取与阈值校准 3 步完成
MQ-2 烟雾传感器 ESP32-S3 驱动实战：ADC 读取与阈值校准 3 步完成在智能家居和工业安全监测领域，烟雾检测是一个至关重要的环节。MQ-2 作为一款高性价比的半导体烟雾传感器，因其对多种可燃气体（如液化气、丙烷、氢气等）…
SPEC CPU 2006 v1.0.1 基准测试实战：ARM/X86/MIPS 三平台配置与 3 轮测试结果解读
SPEC CPU 2006 跨平台基准测试深度实战：ARM/X86/MIPS 架构配置优化与结果分析方法论在当今多元化的计算架构时代，如何客观评估不同处理器平台的真实性能成为系统工程师和性能优化专家的核心挑战。SPEC CPU 2006 作为业界公认的计算密集型基准测试套件&am…
每天60s读懂世界：2026年7月11日重点要闻解读
🔥 个人主页：杨利杰YJlio❄️ 个人专栏：《Windows 疑难杂症与工单复盘案例库》 《Sysinternals实战教程》《WINDOWS教程》 《Windows PowerShell 实战》 《人工智能实战合集》《超简单：用Python让Excel飞起来》🌟…
FAE放射组学分析工具：医学影像特征探索的完整解决方案
FAE放射组学分析工具：医学影像特征探索的完整解决方案 【免费下载链接】FAE FeAture Explorer 项目地址: https://gitcode.com/gh_mirrors/fae/FAE 你是否曾经面对海量医学影像数据感到无从下手？想要从CT、MRI等影像中提取有价值的定量特征&#…
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南 【免费下载链接】happy-llm 📚 从零开始构建大模型 项目地址: https://gitcode.com/GitHub_Trending/ha/happy-llm 还在为大型多模态模型动辄数十亿参数、显存占用高而烦恼&…
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table. 项目地址…