在自動化測試或網頁爬取中，識別驗證碼是常見的難點。Selenium 本身不具備直接識別驗證碼的能力，但可以通過結合第三方工具、OCR 技術或人工介入等方式解決。以下是多種可行方案的詳細實現思路及代碼示例：

一、方案一：使用第三方驗證碼識別服務（最推薦）

原理

通過 API 將驗證碼圖片發送給專業識別平臺，平臺返回識別結果，適用于復雜驗證碼（如扭曲文字、點選式等）。

常用平臺

• 打碼平臺：超級鷹、云打碼、快識別等（需注冊賬號獲取 API 密鑰）。
• AI 識別服務：Google Cloud Vision、百度 AI 開放平臺、騰訊云 OCR 等（適合企業級應用）。

代碼示例（以超級鷹為例）

python

運行

from selenium import webdriver
import requests
import base64
import time# 1. 初始化瀏覽器
driver = webdriver.Chrome()
driver.get("需要驗證碼的網頁URL")# 2. 截取驗證碼圖片
def get_captcha(driver, element_id):# 定位驗證碼元素并截圖captcha_element = driver.find_element_by_id(element_id)captcha_element.screenshot("captcha.png")return "captcha.png"# 3. 調用超級鷹API識別
def recognize_captcha(image_path, app_id, app_key, soft_id):# 讀取圖片并轉base64with open(image_path, "rb") as f:image_data = base64.b64encode(f.read())# 構造請求參數url = "http://api.chaojiying.com/Upload/Processing.php"data = {"user": app_id,"pass2": app_key,"softid": soft_id,"codetype": "1004",  # 驗證碼類型，1004代表數字+英文"file": image_data}# 發送請求response = requests.post(url, data=data)return response.json()["pic_str"]  # 返回識別結果# 4. 主流程
if __name__ == "__main__":# 超級鷹賬號信息（需自行注冊）APP_ID = "你的AppID"APP_KEY = "你的AppKey"SOFT_ID = "你的SoftID"# 截取驗證碼img_path = get_captcha(driver, "captcha_img")  # 假設驗證碼元素ID為captcha_img# 識別驗證碼captcha_text = recognize_captcha(img_path, APP_ID, APP_KEY, SOFT_ID)print("識別結果：", captcha_text)# 輸入驗證碼并提交driver.find_element_by_id("captcha_input").send_keys(captcha_text)driver.find_element_by_id("submit_btn").click()time.sleep(3)driver.quit()

二、方案二：使用 OCR 庫本地識別（適合簡單驗證碼）

原理

通過 Python 的 OCR 庫（如 Pillow、Tesseract）對圖片進行文字識別，適合無干擾的純文字驗證碼。如下面這個驗證碼：

實現步驟（1，2步驟可以參考文章selenium識別條形驗證碼，pytesseract下載、配置環境變量-CSDN博客）

1. 安裝 Tesseract OCR 引擎（需下載本地安裝包）
2. 安裝 Python 綁定庫pytesseract
3. 截圖驗證碼并識別

代碼示例

python

運行

from selenium import webdriver
from PIL import Image
import pytesseract
import time# 1. 配置Tesseract路徑（Windows需修改此處）
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"# 2. 初始化瀏覽器
driver = webdriver.Chrome()
driver.get("http://example.com/captcha_page")  # 替換為實際網址# 3. 截取驗證碼并識別
def recognize_captcha(driver, element_id):# 定位元素并截圖captcha_element = driver.find_element_by_id(element_id)captcha_element.screenshot("captcha.png")# 打開圖片并識別image = Image.open("captcha.png")# 可選：預處理圖片（灰度化、去噪點）image = image.convert("L")  # 灰度化captcha_text = pytesseract.image_to_string(image, lang="eng+chi_sim")return captcha_text.strip()  # 去除空格和換行# 4. 主流程
if __name__ == "__main__":# 假設驗證碼元素ID為captcha_imgcaptcha_text = recognize_captcha(driver, "captcha_img")print("識別結果：", captcha_text)# 輸入驗證碼driver.find_element_by_id("captcha_input").send_keys(captcha_text)driver.find_element_by_id("submit_btn").click()time.sleep(3)driver.quit()

三、方案三：人工介入（臨時解決方案）

適用場景

• 開發測試階段，不想耗費時間集成識別服務
• 驗證碼過于復雜（如滑動拼圖、點選圖標等）

代碼實現

python

運行

from selenium import webdriver
import timedriver = webdriver.Chrome()
driver.get("需要驗證碼的網頁")# 1. 截圖并提示人工輸入
driver.save_screenshot("page_with_captcha.png")
print("請查看截圖'page_with_captcha.png'，并輸入驗證碼：")
captcha_text = input()  # 等待用戶手動輸入# 2. 提交驗證碼
driver.find_element_by_id("captcha_input").send_keys(captcha_text)
driver.find_element_by_id("submit_btn").click()time.sleep(3)
driver.quit()

四、方案四：規避驗證碼（進階技巧）

1.?使用 Cookie 繞過驗證

• 原理：提前登錄并保存 Cookie，后續通過 Selenium 加載 Cookie 跳過驗證碼頁面
• 代碼示例：

  python

  運行

  # 提前登錄并獲取Cookie（手動操作一次）
  driver.get("登錄頁")
  # 手動輸入賬號密碼和驗證碼，登錄成功后
  cookies = driver.get_cookies()
  # 保存Cookie到文件
  import json
  with open("cookies.json", "w") as f:json.dump(cookies, f)# 后續使用Cookie跳過驗證
  driver.get("目標頁")
  with open("cookies.json", "r") as f:cookies = json.load(f)
  for cookie in cookies:driver.add_cookie(cookie)
  driver.refresh()  # 刷新頁面即可免登錄
  

2.?模擬人類行為減少驗證觸發

• 避免機械化操作（如設置隨機延遲、模擬鼠標移動軌跡）
• 示例：

  python

  運行

  import random
  # 隨機延遲0.5-2秒
  time.sleep(random.uniform(0.5, 2))
  # 模擬鼠標移動（非直線點擊）
  from selenium.webdriver import ActionChains
  element = driver.find_element_by_id("button")
  actions = ActionChains(driver)
  actions.move_to_element_with_offset(element, random.randint(-10, 10), random.randint(-10, 10))
  actions.click().perform()
  

五、各方案對比與選擇建議

方案	優點	缺點	適用場景
第三方識別服務	準確率高，支持復雜驗證碼	需付費，依賴網絡	生產環境、商業項目
本地 OCR 識別	免費，部署簡單，新人學習	準確率低，需圖片預處理	簡單文字驗證碼、測試環境
人工介入	100% 準確，無需技術開發	無法自動化，效率低	臨時任務、開發調試
規避驗證碼	高效，無需識別	需提前登錄，適用性有限	已知可繞過的固定場景

六、驗證碼識別優化技巧

1. 圖片預處理：
   • 灰度化、二值化處理（去除背景干擾）
   • 降噪點（使用 PIL 的filter(ImageFilter.MedianFilter)）
2. 指定識別語言：
   • Tesseract 通過lang="eng"（英文）或lang="chi_sim"（簡體中文）提高準確率
3. 結合機器學習：
   • 若驗證碼樣式固定，可收集樣本訓練自定義 OCR 模型（如使用 TensorFlow 或 PyTorch）

通過以上方案，可根據驗證碼復雜度和項目需求選擇合適的識別方式。對于生產環境，優先考慮第三方服務（如超級鷹）或企業級 AI 接口（如百度 OCR），以保證穩定性和準確率；測試階段可先用人工介入或本地 OCR 快速驗證流程。