在自动化测试或网页爬取中，识别验证码是常见的难点。Selenium 本身不具备直接识别验证码的能力，但可以通过结合第三方工具、OCR 技术或人工介入等方式解决。以下是多种可行方案的详细实现思路及代码示例：

一、方案一：使用第三方验证码识别服务（最推荐）

原理

通过 API 将验证码图片发送给专业识别平台，平台返回识别结果，适用于复杂验证码（如扭曲文字、点选式等）。

常用平台

• 打码平台：超级鹰、云打码、快识别等（需注册账号获取 API 密钥）。
• AI 识别服务：Google Cloud Vision、百度 AI 开放平台、腾讯云 OCR 等（适合企业级应用）。

代码示例（以超级鹰为例）

python

运行

from selenium import webdriver
import requests
import base64
import time# 1. 初始化浏览器
driver = webdriver.Chrome()
driver.get("需要验证码的网页URL")# 2. 截取验证码图片
def get_captcha(driver, element_id):# 定位验证码元素并截图captcha_element = driver.find_element_by_id(element_id)captcha_element.screenshot("captcha.png")return "captcha.png"# 3. 调用超级鹰API识别
def recognize_captcha(image_path, app_id, app_key, soft_id):# 读取图片并转base64with open(image_path, "rb") as f:image_data = base64.b64encode(f.read())# 构造请求参数url = "http://api.chaojiying.com/Upload/Processing.php"data = {"user": app_id,"pass2": app_key,"softid": soft_id,"codetype": "1004",  # 验证码类型，1004代表数字+英文"file": image_data}# 发送请求response = requests.post(url, data=data)return response.json()["pic_str"]  # 返回识别结果# 4. 主流程
if __name__ == "__main__":# 超级鹰账号信息（需自行注册）APP_ID = "你的AppID"APP_KEY = "你的AppKey"SOFT_ID = "你的SoftID"# 截取验证码img_path = get_captcha(driver, "captcha_img")  # 假设验证码元素ID为captcha_img# 识别验证码captcha_text = recognize_captcha(img_path, APP_ID, APP_KEY, SOFT_ID)print("识别结果：", captcha_text)# 输入验证码并提交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 库本地识别（适合简单验证码）

原理

通过 Python 的 OCR 库（如 Pillow、Tesseract）对图片进行文字识别，适合无干扰的纯文字验证码。如下面这个验证码：

实现步骤（1，2步骤可以参考文章selenium识别条形验证码，pytesseract下载、配置环境变量-CSDN博客）

1. 安装 Tesseract OCR 引擎（需下载本地安装包）
2. 安装 Python 绑定库pytesseract
3. 截图验证码并识别

代码示例

python

运行

from selenium import webdriver
from PIL import Image
import pytesseract
import time# 1. 配置Tesseract路径（Windows需修改此处）
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"# 2. 初始化浏览器
driver = webdriver.Chrome()
driver.get("http://example.com/captcha_page")  # 替换为实际网址# 3. 截取验证码并识别
def recognize_captcha(driver, element_id):# 定位元素并截图captcha_element = driver.find_element_by_id(element_id)captcha_element.screenshot("captcha.png")# 打开图片并识别image = Image.open("captcha.png")# 可选：预处理图片（灰度化、去噪点）image = image.convert("L")  # 灰度化captcha_text = pytesseract.image_to_string(image, lang="eng+chi_sim")return captcha_text.strip()  # 去除空格和换行# 4. 主流程
if __name__ == "__main__":# 假设验证码元素ID为captcha_imgcaptcha_text = recognize_captcha(driver, "captcha_img")print("识别结果：", captcha_text)# 输入验证码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（临时解决方案）

适用场景

• 开发测试阶段，不想耗费时间集成识别服务
• 验证码过于复杂（如滑动拼图、点选图标等）

代码实现

python

运行

from selenium import webdriver
import timedriver = webdriver.Chrome()
driver.get("需要验证码的网页")# 1. 截图并提示人工输入
driver.save_screenshot("page_with_captcha.png")
print("请查看截图'page_with_captcha.png'，并输入验证码：")
captcha_text = input()  # 等待用户手动输入# 2. 提交验证码
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：规避验证码（进阶技巧）

1. 使用 Cookie 绕过验证

• 原理：提前登录并保存 Cookie，后续通过 Selenium 加载 Cookie 跳过验证码页面
• 代码示例：

  python

  运行

  # 提前登录并获取Cookie（手动操作一次）
  driver.get("登录页")
  # 手动输入账号密码和验证码，登录成功后
  cookies = driver.get_cookies()
  # 保存Cookie到文件
  import json
  with open("cookies.json", "w") as f:json.dump(cookies, f)# 后续使用Cookie跳过验证
  driver.get("目标页")
  with open("cookies.json", "r") as f:cookies = json.load(f)
  for cookie in cookies:driver.add_cookie(cookie)
  driver.refresh()  # 刷新页面即可免登录
  

2. 模拟人类行为减少验证触发

• 避免机械化操作（如设置随机延迟、模拟鼠标移动轨迹）
• 示例：

  python

  运行

  import random
  # 随机延迟0.5-2秒
  time.sleep(random.uniform(0.5, 2))
  # 模拟鼠标移动（非直线点击）
  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、各方案对比与选择建议

方案	优点	缺点	适用场景
第三方识别服务	准确率高，支持复杂验证码	需付费，依赖网络	生产环境、商业项目
本地 OCR 识别	免费，部署简单，新人学习	准确率低，需图片预处理	简单文字验证码、测试环境
人工介入	100% 准确，无需技术开发	无法自动化，效率低	临时任务、开发调试
规避验证码	高效，无需识别	需提前登录，适用性有限	已知可绕过的固定场景

六、验证码识别优化技巧

1. 图片预处理：
   • 灰度化、二值化处理（去除背景干扰）
   • 降噪点（使用 PIL 的filter(ImageFilter.MedianFilter)）
2. 指定识别语言：
   • Tesseract 通过lang="eng"（英文）或lang="chi_sim"（简体中文）提高准确率
3. 结合机器学习：
   • 若验证码样式固定，可收集样本训练自定义 OCR 模型（如使用 TensorFlow 或 PyTorch）

通过以上方案，可根据验证码复杂度和项目需求选择合适的识别方式。对于生产环境，优先考虑第三方服务（如超级鹰）或企业级 AI 接口（如百度 OCR），以保证稳定性和准确率；测试阶段可先用人工介入或本地 OCR 快速验证流程。