### 使用 Selenium 处理登录页面中的图片验证码 对于处理登录页面中的图片验证码，可以采用多种策略。一种常见的方式是从网页上截取完整的背景图和缺失部分的小块图像并保存至本地文件系统[^2]。 ```python import time from PIL import Image from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.chrome.service import Service as ChromeService chrome_driver_path = r"C:\Users\11248\AppData\Local\Google\Chrome\Application\chromedriver.exe" service = ChromeService(executable_path=chrome_driver_path) options = webdriver.ChromeOptions() driver = webdriver.Chrome(service=service, options=options) url = 'https://icas.jnu.edu.cn/cas/login' driver.get(url) time.sleep(3) # Wait for page to load completely. # 定位到滑动验证的元素位置. slider_element = driver.find_element(By.CSS_SELECTOR, ".geetest_slider_button") location = slider_element.location size = slider_element.size left = location['x'] top = location['y'] right = left + size['width'] bottom = top + size['height'] screenshot = driver.save_screenshot('full_screen.png') image = Image.open('full_screen.png') captcha_image = image.crop((left, top, right, bottom)) captcha_image.save('cropped_captcha.png') ``` 由于验证码图片具有动态特性，即每次刷新都会改变，因此直接通过URL获取固定验证码图片的做法不可行[^3]。为了应对这种情况，通常采取屏幕截图的方式来捕获实时显示的验证码图像。 另一种更高级别的解决方案涉及使用 OCR 技术自动解析图形验证码的内容。例如 `ddddocr` 库能够帮助实现这一目标： ```python import ddddocr with open('cropped_captcha.png', 'rb') as f: img_bytes = f.read() ocr = ddddocr.DdddOcr(show_ad=False) result = ocr.classification(img_bytes) print(f"识别的结果为: {result}") ``` 上述代码片段展示了如何利用第三方库来进行字符类型的简单验证码识别工作[^4]。然而需要注意的是，针对复杂的滑动拼图类验证码，则可能还需要额外开发算法来计算缺口的位置以及模拟人类行为完成拖拽动作。