首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >Python爬虫验证码自动处理实战

Python爬虫验证码自动处理实战

原创
作者头像
用户12849392
发布于 2026-11-12 16:46:22
发布于 2026-11-12 16:46:22
1260
举报

一、验证码类型概览

常见的验证码分为三类:

  • 图形验证码:扭曲的字母/数字图片,最常见也最容易处理
  • 滑块验证码:拖动滑块拼合缺口,需要模拟轨迹
  • 点选/行为验证码:极验、reCAPTCHA等,难度最高

本文重点讲解前两种的自动化处理方案。


二、图形验证码识别(ddddocr)

ddddocr 是目前最好用的开源验证码识别库,离线运行、开箱即用,对常规4-6位字母数字验证码准确率可达99%以上。

安装

代码语言:javascript
复制
pip install ddddocr requests

基础用法:识别本地图片

代码语言:javascript
复制
import ddddocr

ocr = ddddocr.DdddOcr(show_ad=False)

with open("captcha.png", "rb") as f:
    result = ocr.classification(f.read())

print("识别结果:", result)

进阶:从网络实时抓取并识别

代码语言:javascript
复制
import requests
import ddddocr

ocr = ddddocr.DdddOcr(show_ad=False, det=True)  # det=True 开启增强模式

code_url = "https://wlt.hbguining.com/captcha.png"
resp = requests.get(code_url)

if resp.status_code == 200:
    result = ocr.classification(resp.content)
    print("识别结果:", result)

结合 Selenium 自动登录

代码语言:javascript
复制
import time
import ddddocr
from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://wlt.hbguining.com/login")

ocr = ddddocr.DdddOcr(show_ad=False, det=True)

# 获取验证码图片并识别
captcha_img = driver.find_element(By.ID, "captcha-img")
captcha_img.screenshot("captcha.png")

with open("captcha.png", "rb") as f:
    code = ocr.classification(f.read())

print("识别验证码:", code)

# 填写表单
driver.find_element(By.NAME, "username").send_keys("admin")
driver.find_element(By.NAME, "password").send_keys("123456")
driver.find_element(By.NAME, "captcha").send_keys(code)
driver.find_element(By.ID, "login-btn").click()

time.sleep(3)
driver.quit()

三、滑块验证码处理

滑块验证码的核心是两步:定位缺口位置 + 模拟真人轨迹。

安装依赖

代码语言:javascript
复制
pip install captcha-recognizer selenium numpy

缺口识别

使用 captcha-recognizer 库,两行代码即可定位缺口坐标:

代码语言:javascript
复制
from captcha_recognizer.slider import Slider

slider = Slider()
box, confidence = slider.identify(source="slide_bg.png")
print(f"缺口坐标: {box}, 置信度: {confidence}")

# box = [x1, y1, x2, y2],取 x1 即为缺口水平位置
gap_x = box[0]

模拟真人滑动轨迹

风控系统会检测鼠标轨迹,匀速直线移动必被拦截。需要模拟加速-减速+随机抖动的真人轨迹:

代码语言:javascript
复制
import random
import time
from selenium.webdriver import ActionChains

def generate_track(distance):
    """生成真人滑动轨迹"""
    track = []
    current = 0
    mid = distance * 0.6  # 前60%加速,后40%减速
    speed = 0

    while current < distance:
        if current < mid:
            speed += random.uniform(1.5, 2.5)
        else:
            speed -= random.uniform(1.0, 2.0)
        speed = max(0.5, speed)
        step = min(int(speed), distance - current)
        current += step
        y_offset = random.randint(-2, 2)  # 垂直微抖
        track.append((step, y_offset))

    # 末端轻微回弹,模拟真人对齐误差
    track.append((-random.randint(2, 5), random.randint(-1, 1)))
    return track

def slide(driver, slider_element, distance):
    """执行滑块拖动"""
    actions = ActionChains(driver)
    actions.click_and_hold(slider_element).perform()
    time.sleep(0.3)

    track = generate_track(distance)
    for dx, dy in track:
        actions.move_by_offset(dx, dy).perform()
        time.sleep(random.uniform(0.01, 0.03))

    time.sleep(0.5)
    actions.release().perform()

完整滑块验证示例

代码语言:javascript
复制
import time
import requests
from selenium import webdriver
from selenium.webdriver.common.by import By
from captcha_recognizer.slider import Slider

driver = webdriver.Chrome()
driver.get("https://wlt.hbguining.com/login")

# 1. 获取滑块背景图
bg_url = driver.find_element(By.CLASS_NAME, "slide-bg").get_attribute("src")
bg_data = requests.get(bg_url).content
with open("slide_bg.png", "wb") as f:
    f.write(bg_data)

# 2. 识别缺口位置
slider = Slider()
box, _ = slider.identify(source="slide_bg.png")
gap_x = box[0]

# 注意:某些验证码存在初始偏移量,需减去偏移
# offset, _ = slider.identify_offset(source="slide_bg.png")
# gap_x = gap_x - offset

# 3. 执行滑动
slider_btn = driver.find_element(By.CLASS_NAME, "slide-btn")
slide(driver, slider_btn, gap_x)

time.sleep(2)
driver.quit()

四、方案选型建议

场景

推荐方案

特点

简单图形验证码

ddddocr

离线、免费、高准确率

滑块验证码

captcha-recognizer + 轨迹模拟

需处理坐标偏移和轨迹

reCAPTCHA / 极验

CapSolver / 2Captcha

付费API,省心但花钱


五、合规提醒

以上技术仅限用于个人学习、自有系统自动化测试、授权合规的数据采集。禁止用于恶意爬取第三方平台、批量破解账号等违规行为,可能涉及法律风险。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、验证码类型概览
  • 二、图形验证码识别(ddddocr)
    • 安装
    • 基础用法:识别本地图片
    • 进阶:从网络实时抓取并识别
    • 结合 Selenium 自动登录
  • 三、滑块验证码处理
    • 安装依赖
    • 缺口识别
    • 模拟真人滑动轨迹
    • 完整滑块验证示例
  • 四、方案选型建议
  • 五、合规提醒
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档