如何用Python（Selenium）识别该数字验证码并提取纯文本？

1. 提取页面中的验证码图片 #

用Selenium定位验证码元素，通过JS将其转为base64编码，再转换为PIL图片方便后续处理：

from selenium import webdriver
from selenium.webdriver.common.by import By
import base64
import io
from PIL import Image

# 初始化浏览器并打开目标页面
driver = webdriver.Chrome()
driver.get("你的目标页面地址")

# 定位验证码图片元素（根据实际页面结构调整定位规则）
captcha_img = driver.find_element(By.XPATH, "//img[contains(@src, 'captcha')]")
# 通过JS获取图片的base64编码（避免直接截图的尺寸偏差问题）
captcha_base64 = driver.execute_script("""
    const canvas = document.createElement('canvas');
    const ctx = canvas.getContext('2d');
    const img = arguments[0];
    canvas.width = img.naturalWidth;
    canvas.height = img.naturalHeight;
    ctx.drawImage(img, 0, 0);
    return canvas.toDataURL('image/png').split(',')[1];
""", captcha_img)

# 转换为PIL Image对象
img_data = base64.b64decode(captcha_base64)
img = Image.open(io.BytesIO(img_data))

2. 预处理图片（降低干扰，提升识别准确率） #

数字验证码通常带有干扰线或噪点，先做灰度化和二值化处理：

# 转换为灰度图
gray_img = img.convert('L')
# 二值化处理（阈值可根据验证码实际深浅调整，示例用127）
binary_img = gray_img.point(lambda x: 0 if x < 127 else 255, '1')

3. OCR识别数字 #

使用Tesseract进行识别，先安装依赖：

pip install pytesseract

注意：需在系统中安装Tesseract本体，Windows用户若未配置环境变量，可在代码中手动指定路径

识别代码，限制仅识别0-9数字：

import pytesseract

# 若未配置环境变量，手动指定Tesseract路径
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 配置OCR参数：仅识别数字
ocr_config = r'--oem 3 --psm 8 -c tessedit_char_whitelist=0123456789'
captcha_num = pytesseract.image_to_string(binary_img, config=ocr_config).strip()

print(f"识别出的验证码：{captcha_num}")

4. 将识别结果输入页面 #

# 定位验证码输入框（根据实际页面结构调整）
captcha_input = driver.find_element(By.ID, "captcha-input")
captcha_input.send_keys(captcha_num)

额外提示 #

• 若验证码干扰较强，可尝试添加噪点去除、腐蚀膨胀等进阶图像处理步骤
• 若Tesseract识别效果不佳，可考虑训练自定义数字识别模型，或使用专业验证码识别服务

内容的提问来源于stack exchange，提问作者pro221