本文介绍一种基于 selenium 元素级截图 + opencv 预处理 + pytesseract ocr 的可靠方案，可精确捕获当前页面显示的 captcha 图像（而非重新请求生成的新图），避免因 url 重载导致的图像不一致问题。
在自动化登录或表单提交场景中，若目标网站使用基于服务端动态生成的 CAPTCHA（如 ），直接通过 get_attribute('src') 再用 requests.get() 下载会导致获取到新生成的、与页面当前显示不一致的验证码图——因为每次 HTTP 请求都会触发服务端生成全新图像。
正确解法是：跳过网络请求，直接从浏览器渲染缓冲区中提取该 元素当前实际显示的像素数据。Selenium 提供了 screenshot_as_png 属性，可对任意 WebElement 进行高保真局部截图（不依赖页面布局或滚动位置），这才是获取“所见即所得” CAPTCHA 图像的唯一可靠方式。
✅ 推荐实现步骤（Python + Selenium + OpenCV + Pytesseract）
from selenium import webdriver
from selenium.webdriver.common.by import By
import cv2
import numpy as np
import pytesseract
# 初始化 WebDriver（以 Chrome 为例）
driver = webdriver.Chrome()
driver.get("https://rds3.northsouth.edu/login") # 替换为目标登录页
# 定位 CAPTCHA 图片元素（推荐使用稳定定位器，如 id、class 或显式等待）
captcha_img = driver.find_element(By.ID, "captcha-img") # 注意：ID 名需根据实际 HTML 调整
# ✅ 关键：直接截取该元素当前渲染图像（字节流）
png_bytes = captcha_img.screenshot_as_png
# 保存为本地文件（可选，便于调试）
with open("captcha.png", "wb") as f:
f.write(png_bytes)
# 使用 OpenCV 加载并预处理（提升 OCR 准确率）
nparr = np.frombuffer(png_bytes, np.uint8)
img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
if img is None:
raise ValueError("Failed to decode CAPTCHA image")
# 灰度化 → 放大 → 二值化（Otsu 自适应阈值）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
h, w = gray.shape
resized = cv2.resize(gray, (w * 2, h * 2))
_, binary = cv2.threshold(resized, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 使用 Pytesseract 识别（建议配置 --psm 8 单行文本模式）
captcha_text = pytesseract.image_to_string(
binary,
config='--psm 8 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'
).strip().replace(" ", "")
print("识别结果:", captcha_text)
# 自动填入输入框（示例）
input_field = driver.find_element(By.ID, "captcha-input")
input_field.send_keys(captcha_text)⚠️ 注意事项与优化建议
- 定位稳定性优先：务必使用 By.ID、By.CLASS_NAME 或 WebDriverWait 显式等待元素加载完成，避免因 DOM 未就绪导致 find_element 失败。
- *避免 `find_elementby已弃用方法**：Selenium 4+ 应统一使用driver.find_element(By.XXX, "...")`。
-
OCR 准确率提升技巧：
- 添加 --psm 8（假设单行文本）或 --psm 7（单行带空格）；
- 使用 tessedit_char_whitelist 限制字符集（如仅数字+大小写字母），大幅降低误识率；
- 对简单 CAPTCHA，预处理（去噪、锐化、对比度增强）比复杂模型更有效。
- 不推荐“重新请求 src”方案：服务端通常对 /captcha 接口启用会话绑定或 Token 校验，单纯 GET 请求可能返回无效图或 403 错误。
- 合规提醒：请确保自动化行为符合目标网站《Robots.txt》及服务条款；生产环境建议配合人工复核或接入商业 OCR 服务（如 Google Vision、百度文字识别）以提升鲁棒性。
该方案已在多类教育系统、政务平台等含基础图形 CAPTCHA 的场景中稳定运行，核心优势在于完全规避服务端状态依赖，100% 获取用户当前所见图像。
