如何用Selenium WebDriver自动化含图片验证码的登录流程？

遇到这种随机字符图片验证码且无法定位元素的情况，推荐按优先级尝试以下几种方案：

1. 优先考虑绕过验证码（最高效） #

这是自动化测试中最常用的思路，避免和验证码硬刚：

• 测试环境配置：联系开发在测试环境关闭验证码功能，或者添加测试专用的白名单账号，登录时跳过验证码校验。
• 接口层面登录：直接调用后端的登录接口完成认证，获取会话Cookie后，将Cookie注入到Selenium的浏览器实例中，跳过前端登录流程：

  import requests
  from selenium import webdriver
  
  # 调用登录接口获取Cookie
  login_data = {"username": "test_user", "password": "test_pwd"}
  response = requests.post("https://your-site.com/api/login", data=login_data)
  session_cookie = response.cookies.get("sessionId")  # 根据实际Cookie名调整
  
  # 初始化浏览器并注入Cookie
  driver = webdriver.Chrome()
  driver.get("https://your-site.com")
  driver.add_cookie({"name": "sessionId", "value": session_cookie, "domain": "your-site.com"})
  driver.refresh()  # 刷新后已处于登录状态
  

• 使用记住登录状态：第一次手动登录后，保存浏览器的用户数据目录，后续Selenium启动时加载该目录，直接复用登录状态：

  from selenium import webdriver
  from selenium.webdriver.chrome.options import Options
  
  options = Options()
  options.add_argument(r"user-data-dir=C:\Users\YourName\AppData\Local\Google\Chrome\User Data")  # 替换为你的Chrome数据目录
  driver = webdriver.Chrome(options=options)
  driver.get("https://your-site.com")  # 直接进入登录后的页面
  

2. OCR识别简单验证码 #

如果必须处理验证码，对字符清晰、无复杂干扰的图片验证码，可以用Tesseract OCR工具：

• 步骤：截图验证码区域 → 图片预处理（灰度化、降噪）→ OCR识别 → 输入验证码
• 示例代码：

  from selenium import webdriver
  from PIL import Image
  import pytesseract
  
  # 先截图整个页面
  driver.save_screenshot("full_page.png")
  # 手动确定验证码在页面中的坐标范围（x1, y1为左上角，x2, y2为右下角）
  captcha_coords = (200, 300, 400, 350)
  img = Image.open("full_page.png")
  captcha_img = img.crop(captcha_coords)
  # 预处理：转灰度、提高对比度
  captcha_img = captcha_img.convert("L").point(lambda x: 0 if x < 127 else 255)
  captcha_img.save("processed_captcha.png")
  # 识别验证码
  captcha_text = pytesseract.image_to_string("processed_captcha.png").strip()
  # 输入到验证码框
  driver.find_element_by_id("captcha_input").send_keys(captcha_text)
  

  注意：这种方法对有扭曲、干扰线的验证码识别率极低，仅适用于简单场景。

3. 第三方验证码识别服务 #

针对复杂验证码（扭曲、干扰、滑块等），可以使用付费的第三方识别服务，这类服务通过人工或AI模型识别验证码，返回结果后再输入到页面。但需要注意成本和数据隐私风险，不建议在生产环境使用。

4. 手动介入调试 #

如果只是小范围测试或调试，可以在验证码出现时暂停脚本，手动输入后继续：

from selenium import webdriver

driver = webdriver.Chrome()
driver.get("https://your-site.com/login")
# 输入用户名密码
driver.find_element_by_id("username").send_keys("test_user")
driver.find_element_by_id("password").send_keys("test_pwd")
# 点击登录
driver.find_element_by_id("login_btn").click()
# 暂停脚本，等待手动输入验证码
input("请在页面中输入验证码后按回车键继续...")
# 继续后续自动化操作

内容的提问来源于stack exchange，提问作者user14206159