logo

开发者热搜

Python自动化实战：Selenium+百度OCR实现验证码自动登录

作者：公子世无双2025.09.19 14:30浏览量：28

简介：本文详细介绍如何使用Python的Selenium库实现网站自动登录，并结合百度文字识别（Baidu-AIP）破解验证码，提供从环境配置到完整代码实现的分步指南。

一、技术选型与原理说明

1.1 Selenium自动化框架

Selenium是浏览器自动化测试的核心工具，通过模拟用户操作实现页面交互。其WebDriver接口支持Chrome、Firefox等主流浏览器，可精准定位DOM元素、填写表单、点击按钮等操作。相比机械式键盘模拟，Selenium直接操作浏览器内核，具有更高的兼容性和稳定性。

1.2 百度文字识别（Baidu-AIP）

百度OCR提供通用文字识别、高精度识别等接口，其中”精准基本版”对印刷体数字字母的识别准确率达99%以上。通过API调用可快速获取验证码文本内容，相比传统OCR库（如Tesseract），无需训练模型即可直接使用，特别适合验证码这类结构化文本识别场景。

1.3 系统架构设计

整体流程分为三步：

  1. Selenium定位登录页面并填写用户名/密码
  2. 截取验证码图片区域并保存
  3. 调用百度OCR接口解析验证码文本
  4. 将识别结果填入输入框并提交表单

二、环境配置与依赖安装

2.1 基础环境要求

  • Python 3.6+
  • Chrome浏览器（建议v86+）
  • 对应版本的ChromeDriver
  • 百度AI开放平台账号（免费获取API Key）

2.2 依赖库安装

  1. pip install selenium pillow requests baidu-aip

关键库说明：

  • selenium: 浏览器自动化核心
  • Pillow: 图像处理（验证码截取与预处理）
  • requests: HTTP请求（调用百度OCR API）
  • baidu-aip: 百度AI官方SDK（可选）

2.3 百度OCR配置

  1. 登录百度AI开放平台创建应用
  2. 获取API Key和Secret Key
  3. 启用”通用文字识别”服务（免费版每日500次调用）

三、核心代码实现

3.1 浏览器初始化

  1. from selenium import webdriver
  2. from selenium.webdriver.chrome.options import Options
  4. def init_browser():
  5.     chrome_options = Options()
  6.     chrome_options.add_argument("--disable-infobars")  # 禁用提示条
  7.     chrome_options.add_argument("--start-maximized")  # 最大化窗口
  8.     driver = webdriver.Chrome(options=chrome_options)
  9.     return driver

关键参数说明：

  • --headless: 无头模式（生产环境推荐）
  • --disable-gpu: 禁用GPU加速（避免兼容问题）
  • --no-sandbox: 在Docker环境中使用

3.2 验证码识别模块

  1. from aip import AipOcr
  2. import base64
  4. class BaiduOCR:
  5.     def __init__(self, app_id, api_key, secret_key):
  6.         self.client = AipOcr(app_id, api_key, secret_key)
  8.     def recognize(self, image_path):
  9.         with open(image_path, 'rb') as f:
  10.             image = base64.b64encode(f.read())
  11.         result = self.client.basicGeneral(image)
  12.         if result and 'words_result' in result:
  13.             return result['words_result'][0]['words']
  14.         return None

异常处理建议：

  • 添加重试机制（网络波动可能导致失败）
  • 限制单日调用次数避免超额
  • 对识别结果进行格式校验（如验证码是否为4位数字）

3.3 完整登录流程

  1. from PIL import Image
  2. import time
  4. def auto_login(driver, ocr_client, username, password):
  5.     driver.get("https://example.com/login")
  7.     # 填写基础信息
  8.     driver.find_element_by_name("username").send_keys(username)
  9.     driver.find_element_by_name("password").send_keys(password)
  11.     # 定位验证码区域（根据实际页面调整）
  12.     captcha_element = driver.find_element_by_id("captcha_img")
  13.     location = captcha_element.location
  14.     size = captcha_element.size
  16.     # 截取验证码
  17.     driver.save_screenshot("full_screen.png")
  18.     left = location['x']
  19.     top = location['y']
  20.     right = left + size['width']
  21.     bottom = top + size['height']
  23.     img = Image.open("full_screen.png")
  24.     captcha_img = img.crop((left, top, right, bottom))
  25.     captcha_img.save("captcha.png")
  27.     # 识别验证码
  28.     captcha_text = ocr_client.recognize("captcha.png")
  29.     if not captcha_text:
  30.         raise Exception("验证码识别失败")
  32.     # 提交表单
  33.     driver.find_element_by_name("captcha").send_keys(captcha_text)
  34.     driver.find_element_by_id("login_btn").click()
  36.     # 验证登录结果
  37.     time.sleep(2)  # 等待页面跳转
  38.     if "dashboard" not in driver.current_url:
  39.         raise Exception("登录失败，请检查账号密码")

四、优化与扩展建议

4.1 验证码预处理

  • 灰度化处理：img.convert('L')
  • 二值化处理：img.point(lambda x: 0 if x < 140 else 255)
  • 降噪处理：使用OpenCV进行形态学操作

4.2 异常处理机制

  1. import traceback
  3. def safe_login():
  4.     try:
  5.         driver = init_browser()
  6.         ocr = BaiduOCR("APP_ID", "API_KEY", "SECRET_KEY")
  7.         auto_login(driver, ocr, "user", "pass")
  8.     except Exception as e:
  9.         print(f"登录失败: {str(e)}")
  10.         traceback.print_exc()
  11.     finally:
  12.         if 'driver' in locals():
  13.             driver.quit()

4.3 多线程与分布式

  • 使用concurrent.futures实现多账号并行登录
  • 结合Redis管理验证码识别次数限制
  • 容器化部署（Docker + Kubernetes）

五、常见问题解决方案

5.1 元素定位失败

  • 使用XPath替代CSS选择器：//input[@name='username']
  • 添加显式等待：
    ```python
    from selenium.webdriver.support.ui import WebDriverWait
    from selenium.webdriver.support import expected_conditions as EC

element = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((“name”, “username”))
)

  2. ## 5.2 验证码识别率低
  3. - 收集错误样本进行针对性优化
  4. - 结合多种OCR引擎投票（如Tesseract+百度OCR）
  5. - 对特殊字体验证码进行模板匹配
  7. ## 5.3 反爬虫机制应对
  8. - 随机User-Agent轮换
  9. - 代理IP池使用
  10. - 行为轨迹模拟（鼠标移动、输入停顿）
  11. - Cookie持久化管理
  13. # 六、完整示例代码
  14. ```python
  15. # 完整实现包含错误处理、日志记录等模块
  16. # 实际使用时需替换以下参数
  17. BAIDU_APP_ID = "your_app_id"
  18. BAIDU_API_KEY = "your_api_key"
  19. BAIDU_SECRET_KEY = "your_secret_key"
  21. LOGIN_URL = "https://target-site.com/login"
  22. USERNAME = "test_user"
  23. PASSWORD = "secure_password"
  25. def main():
  26.     # 初始化组件
  27.     browser = init_browser()
  28.     ocr = BaiduOCR(BAIDU_APP_ID, BAIDU_API_KEY, BAIDU_SECRET_KEY)
  30.     try:
  31.         # 执行登录流程
  32.         browser.get(LOGIN_URL)
  33.         # ...（省略重复代码，参考3.3节）
  34.         print("登录成功！")
  35.     except Exception as e:
  36.         print(f"发生错误: {e}")
  37.     finally:
  38.         browser.quit()
  40. if __name__ == "__main__":
  41.     main()

七、进阶应用方向

  1. 滑动验证码破解：结合OpenCV进行滑块轨迹计算
  2. 行为验证码识别：使用深度学习模型处理点选验证码
  3. 无头浏览器优化：通过CDP协议控制浏览器行为
  4. AI训练平台集成：将识别失败案例反馈至训练系统

本文提供的方案已在多个项目中验证，在保证合规性的前提下，可显著提升自动化测试效率。实际使用时需遵守目标网站的Robots协议及相关法律法规，建议仅用于内部系统测试或授权场景。

相关文章推荐

发表评论

最热文章

关于作者

  • 被阅读数
  • 被赞数
  • 被收藏数
活动
咨询