Python +Selenium解决图片验证码登录或注册问题(推荐)

### Python + Selenium 解决图片验证码登录或注册问题 #### 一、引言 在Web自动化测试领域，Selenium 是一个非常流行的工具，它允许开发者编写脚本来模拟用户操作浏览器的行为，比如点击按钮、填写表单等。然而，在处理包含图片验证码（CAPTCHA）的登录或注册页面时，简单的Selenium 脚本往往难以应对。本文将详细介绍如何使用 Python 结合 Selenium 和第三方 OCR 服务来自动处理这类问题，并提供实际应用案例。 #### 二、解决思路 ##### 2.1 获取验证码图片 通常情况下，网站中的验证码图片不是直接通过 URL 提供的，而是通过 JavaScript 动态加载的。因此，我们不能直接通过 URL 下载这些图片。一种常见的解决方案是使用 Selenium 截取整个网页的屏幕截图，再利用图片处理技术从截图中提取出验证码图片。 **步骤详解**： 1. **打开目标网页**：使用 Selenium 控制浏览器打开含有验证码的网页。 2. **截取整个网页的屏幕截图**：使用 `get_screenshot_as_file` 方法截取整个网页的截图。 3. **定位验证码元素**：通过 ID 或其他属性找到验证码图片元素。 4. **获取验证码图片位置**：获取验证码图片元素的位置信息，包括左上角坐标 (`left`, `upper`) 和右下角坐标 (`right`, `lower`)。 5. **裁剪图片**：使用 Python 的图像处理库 PIL (Pillow) 对截图进行裁剪，获取验证码图片。 ##### 2.2 使用第三方 OCR 服务识别验证码 获取到验证码图片后，接下来的挑战是如何识别图片中的文字。这一步可以通过调用第三方 OCR (Optical Character Recognition) 服务来实现。本文采用的是图鉴商用接口。 **步骤详解**： 1. **安装必要的库**：首先确保安装了 `requests` 和 `Pillow` 库。 2. **准备图片**：读取前面裁剪好的验证码图片。 3. **转换为 Base64 格式**：将图片转换为 Base64 编码格式，方便在网络上传输。 4. **发送请求**：使用 `requests` 库向图鉴商用接口发送 POST 请求，携带用户名、密码、软件ID以及验证码图片的 Base64 编码。 5. **解析响应**：接收并解析 API 返回的结果，获取验证码的文字内容。 #### 三、代码实现 下面是一段完整的 Python 代码示例，展示了如何实现上述流程： ```python # 导入必要的库 from selenium import webdriver from PIL import Image import base64 import requests import json from io import BytesIO from selenium.webdriver.support.ui import WebDriverWait # 设置浏览器驱动 driver = webdriver.Chrome() # 打开网站 url = "http://www2.nmec.org.cn/wangbao/nme/sp/root/account/signup.html" driver.get(url) # 确保验证码元素被加载 try: WebDriverWait(driver, 5).until(lambda the_driver: the_driver.find_element_by_id("CaptchaImg")) except: print("找不到验证码元素") driver.quit() exit() # 滚动页面以确保验证码完全显示 scroll = 500 js = "document.documentElement.scrollTop='%s'" % scroll driver.execute_script(js) # 截取整个网页的屏幕截图 driver.get_screenshot_as_file("E:/Python_selenium_advance/Picture/full.png") # 获取验证码图片元素 img_ele = driver.find_element_by_id("CaptchaImg") # 获取验证码图片位置 left = img_ele.location['x'] upper = img_ele.location['y'] - scroll right = left + img_ele.size['width'] lower = upper + img_ele.size['height'] # 读取并裁剪截图 img = Image.open("E:/Python_selenium_advance/Picture/full.png") new_img = img.crop((left, upper, right, lower)) new_img.save("E:/Python_selenium_advance/Picture/croped.png") # 读取裁剪后的图片 with open("E:/Python_selenium_advance/Picture/croped.png", "rb") as f: image_data = f.read() # 转换为 Base64 编码 b64 = str(base64.b64encode(image_data), encoding='utf-8') # 定义图鉴商用接口参数 params = { "username": "your_username", "password": "your_password", "softid": "your_softid", "image": b64 } # 发送请求 response = requests.post("http://api.ttshitu.com/base", data=params) result = response.json() # 输出结果 if result["success"]: print("验证码识别结果:", result["data"]["result"]) else: print("验证码识别失败:", result["message"]) # 清理资源 driver.quit() ``` #### 四、总结 通过上述方法，我们可以有效地解决包含图片验证码的登录或注册问题。虽然这种方法可能需要额外的成本（例如购买第三方 OCR 服务），但它大大简化了自动化脚本的编写工作，并且提高了自动化测试的成功率。此外，还可以考虑使用开源的 OCR 工具如 Tesseract 来替代付费服务，进一步降低成本。