### 实现 Python 自动化获取验证码图片并填充输入框的方法 #### 使用 Selenium 和 pytesseract 库处理图形验证码 为了实现这一目标，通常会采用如下流程： 1. **启动浏览器实例** 需要创建一个无头模式下的 Chrome 或 Firefox 浏览器实例来加载目标网站。 2. **定位和下载验证码图像** 利用 XPath 定位到包含验证码的 img 标签，并保存该图至本地文件系统以便后续处理[^3]。 3. **预处理验证码图像** 对于复杂的背景干扰（如杂乱线条），可以通过遍历图像像素点的方式去除不必要的颜色成分，仅保留有效字符信息。这一步骤对于提高 OCR 的准确性至关重要。 4. **应用光学字符识别 (OCR)** 调用 `pytesseract` 将经过清理后的二值化图像转换为可读取的文字串形式。 5. **提交解析结果给表单项** 找到对应的 input 字段并通过 sendKeys 方法注入之前提取出来的验证码文本数据[^2]。 以下是具体的代码示例： ```python from selenium import webdriver import time import requests from PIL import Image import pytesseract def get_captcha_image(driver, url): driver.get(url) captcha_img = driver.find_element_by_xpath('//img[@id="captcha"]') src = captcha_img.get_attribute('src') response = requests.get(src) with open('./temp/captcha.png', 'wb') as f: f.write(response.content) def process_image(image_path): image = Image.open(image_path).convert('L') threshold = 180 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) processed_image = image.point(table, '1') return processed_image def recognize_text_from_image(image_path): processed_image = process_image(image_path) text = pytesseract.image_to_string(processed_image) return text.strip() if __name__ == '__main__': options = webdriver.ChromeOptions() options.add_argument('--headless') driver = webdriver.Chrome(options=options) try: get_captcha_image(driver, "http://example.com/login") captcha_text = recognize_text_from_image("./temp/captcha.png") yzm_input = driver.find_element_by_xpath('/html/body/div[3]/div/div[3]/div[1]/form/p[3]/input') yzm_input.clear() yzm_input.send_keys(captcha_text) submit_button = driver.find_element_by_xpath("//button[@type='submit']") submit_button.click() time.sleep(5) # Wait for page to load after submission finally: driver.quit() ``` 此脚本展示了如何利用 Selenium WebDriver 加载网页、抓取验证码图片以及运用 Tesseract 进行 OCR 文字识别的过程。需要注意的是，在实际操作中可能还需要针对特定站点调整 Xpath 表达式以及其他参数设置以适应不同的 HTML 结构特点。