### 如何使用 Selenium 最新版本定位和识别网页上的验证码 #### 定位验证码元素 为了成功识别网页上的验证码，首先要准确定位该元素。通常情况下，验证码会被放置在一个特定的`<img>`标签内，带有唯一的ID或class属性。 ```python from selenium import webdriver from selenium.webdriver.common.by import By driver = webdriver.Chrome() driver.get('http://example.com') captcha_element = driver.find_element(By.ID, 'captcha-image') # 假设 captcha 图片有一个 ID 名为 "captcha-image"[^2] ``` #### 下载验证码图片 一旦找到了验证码所在的HTML元素，则需要将其保存至本地文件系统以便后续处理： ```python import base64 import os def save_captcha_image(element, path='captcha.png'): img_base64 = element.screenshot_as_base64 with open(path, 'wb') as f: f.write(base64.b64decode(img_base64)) save_captcha_image(captcha_element) ``` #### 使用 Tesseract 进行 OCR 处理 下载好验证码之后就可以调用Tesseract来进行OCR解析工作了: ```python try: from PIL import Image except ImportError: import Image import pytesseract pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # 设置 tesseract 可执行文件路径 text = pytesseract.image_to_string(Image.open('captcha.png')) print(f'Recognized text is {text}') ``` #### 输入并提交表单数据 最后一步就是把通过OCR得到的结果填入相应的输入框，并提交整个登录表格： ```python input_field = driver.find_element(By.NAME, 'captcha-input') submit_button = driver.find_element(By.CSS_SELECTOR, '.login-button') input_field.send_keys(text.strip()) submit_button.click() cookies = driver.get_cookies() # 获取 cookie 用于后续请求验证身份[^3] ```