Python 爬虫验证码处理：短信验证码、图形验证码、滑块、点选

原创

用户12890632

发布于 2026-11-14 21:46:21

验证码是网站常见的反爬机制。爬虫中遇到验证码时，通常不建议强行破解，而应优先选择合规方案：例如使用已有登录态的 Cookie、对接官方 API、使用测试环境账号，或者在人工授权下完成验证。下面按四类常见验证码介绍思路和示例代码。

1. 短信验证码

短信验证码通常不能直接通过“爬取页面”获得，因为验证码会发送到真实手机号或短信接收服务中。常见处理方式有三种：

人工输入：适合测试环境或自有账号。
Cookie 复用：如果已经登录成功，可以保存 Cookie，减少重复触发短信验证。
第三方短信接收服务：适合合法测试场景，但需要注意服务条款和隐私合规。

下面是一个“人工输入验证码”的 Selenium 示例：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

def login_with_sms_code():
    driver = webdriver.Chrome()
    driver.get("https://example.com/login")

    wait = WebDriverWait(driver, 15)

    # 输入手机号
    phone_input = wait.until(
        EC.presence_of_element_located((By.ID, "phone"))
    )
    phone_input.send_keys("13800000000")

    # 点击发送验证码
    send_btn = wait.until(
        EC.element_to_be_clickable((By.ID, "send_code"))
    )
    send_btn.click()

    # 人工收到短信后输入验证码
    code = input("请输入收到的短信验证码：")

    code_input = wait.until(
        EC.presence_of_element_located((By.ID, "sms_code"))
    )
    code_input.send_keys(code)

    # 点击登录
    login_btn = wait.until(
        EC.element_to_be_clickable((By.ID, "login_btn"))
    )
    login_btn.click()

    return driver

if __name__ == "__main__":
    login_with_sms_code()

如果已有登录态，可以保存和加载 Cookie：

import pickle
from selenium import webdriver

def save_cookies(driver, path="cookies.pkl"):
    with open(path, "wb") as f:
        pickle.dump(driver.get_cookies(), f)

def load_cookies(driver, path="cookies.pkl"):
    driver.get("https://example.com")
    with open(path, "rb") as f:
        for cookie in pickle.load(f):
            driver.add_cookie(cookie)
    driver.refresh()

2. 图形验证码

图形验证码通常由字母、数字或简单汉字组成。处理思路是：

获取验证码图片；
对图片做灰度、二值化等预处理；
使用 OCR 识别文本；
将识别结果填入表单。

这里推荐使用 ddddocr，它比传统 Tesseract 在验证码场景下通常更容易上手。

import requests
import ddddocr

def recognize_captcha(image_url: str) -> str:
    resp = requests.get(image_url, timeout=10)
    resp.raise_for_status()

    ocr = ddddocr.DdddOcr(show_ad=False, det=True)
    text = ocr.classification(resp.content)
    return text.strip()

if __name__ == "__main__":
    code = recognize_captcha("https://example.com/captcha.png")
    print("识别结果：", code)

如果验证码图片在 Selenium 页面中，也可以先截图再识别：

import tempfile
import os
import ddddocr
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

def recognize_element_captcha(driver, img_locator):
    wait = WebDriverWait(driver, 10)
    img = wait.until(EC.presence_of_element_located(img_locator))

    with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp:
        img.screenshot(tmp.name)
        tmp_path = tmp.name

    try:
        ocr = ddddocr.DdddOcr(show_ad=False, det=True)
        with open(tmp_path, "rb") as f:
            text = ocr.classification(f.read())
        return text.strip()
    finally:
        os.remove(tmp_path)

对于干扰线较多、扭曲严重的验证码，可以先用 Pillow 做灰度处理，再交给 OCR 识别：

from PIL import Image

img = Image.open("captcha.png").convert("L")
img.save("captcha_gray.png")

3. 滑块验证码

滑块验证码通常要求用户拖动滑块补齐缺口。常见处理思路有两种：

OpenCV 模板匹配：计算缺口位置；
Selenium 模拟拖动：按照轨迹把滑块拖到目标位置。

下面是一个基础示例，先通过 OpenCV 估算缺口距离，再用 Selenium 模拟拖动。

import cv2
import numpy as np
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time
import random

def find_gap_distance(bg_path: str, slider_path: str) -> int:
    bg = cv2.imread(bg_path, cv2.IMREAD_COLOR)
    slider = cv2.imread(slider_path, cv2.IMREAD_COLOR)

    bg_gray = cv2.cvtColor(bg, cv2.COLOR_BGR2GRAY)
    slider_gray = cv2.cvtColor(slider, cv2.COLOR_BGR2GRAY)

    result = cv2.matchTemplate(bg_gray, slider_gray, cv2.TM_CCOEFF_NORMED)
    _, _, _, max_loc = cv2.minMaxLoc(result)
    return max_loc[0]

def human_like_drag(driver, slider, distance: int):
    action = ActionChains(driver)
    action.click_and_hold(slider).perform()

    remaining = distance
    while remaining > 0:
        step = random.randint(5, 15)
        if step > remaining:
            step = remaining

        y_offset = random.randint(-2, 2)
        action.move_by_offset(step, y_offset).perform()
        remaining -= step
        time.sleep(random.uniform(0.05, 0.2))

    action.release().perform()

def solve_slider_captcha():
    driver = webdriver.Chrome()
    driver.get("https://wlt.szshysh.com/slider-captcha")

    wait = WebDriverWait(driver, 15)

    # 点击触发滑块验证码
    trigger = wait.until(
        EC.element_to_be_clickable((By.ID, "slider_trigger"))
    )
    trigger.click()
    time.sleep(2)

    # 保存背景图和滑块图，实际路径需要根据网站调整
    bg_elem = wait.until(EC.presence_of_element_located((By.ID, "bg_image")))
    slider_elem = wait.until(EC.presence_of_element_located((By.ID, "slider_image")))

    bg_elem.screenshot("bg.png")
    slider_elem.screenshot("slider.png")

    distance = find_gap_distance("bg.png", "slider.png")

    slider_btn = wait.until(
        EC.presence_of_element_located((By.ID, "slider_button"))
    )
    human_like_drag(driver, slider_btn, distance)

    return driver

if __name__ == "__main__":
    solve_slider_captcha()

需要注意，很多网站的滑块验证码会检测拖动轨迹、浏览器指纹和自动化特征。简单匀速拖动很容易被识别，因此实际项目中往往需要更自然的轨迹，或者直接对接合规的验证码服务。

4. 点选验证码

点选验证码通常要求用户按顺序点击指定文字或图标。处理流程一般是：

获取验证码图片；
识别需要点击的文字；
识别每个文字在图片中的坐标；
使用 Selenium 按顺序点击。

下面是一个简化示例，假设打码接口已经返回按顺序排列的坐标。

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver import ActionChains
import time

def click_captcha_points(driver, img_element, points):
    """
    points 示例：[(x1, y1), (x2, y2), (x3, y3)]
    坐标需要相对于验证码图片左上角计算。
    """
    actions = ActionChains(driver)
    for x, y in points:
        actions.move_to_element_with_offset(img_element, x, y).click()
    actions.perform()

def solve_click_captcha():
    driver = webdriver.Chrome()
    driver.get("https://wlt.szshysh.com/click-captcha")

    wait = WebDriverWait(driver, 15)

    # 触发点选验证码
    trigger = wait.until(
        EC.element_to_be_clickable((By.ID, "click_trigger"))
    )
    trigger.click()
    time.sleep(2)

    # 获取验证码图片元素
    img = wait.until(
        EC.presence_of_element_located((By.ID, "captcha_image"))
    )

    # 截图并发送给识别服务
    img.screenshot("click_captcha.png")

    # 这里仅为示例，实际应调用合规识别接口
    # 返回格式示例：[(120, 80), (200, 150), (60, 190)]
    points = get_click_points("click_captcha.png")

    click_captcha_points(driver, img, points)

    # 点击确认按钮
    confirm = wait.until(
        EC.element_to_be_clickable((By.ID, "captcha_confirm"))
    )
    confirm.click()

    return driver

def get_click_points(image_path: str):
    """
    实际项目中可替换为打码平台或自有识别模型。
    此处仅演示返回格式。
    """
    return [(120, 80), (200, 150), (60, 190)]

if __name__ == "__main__":
    solve_click_captcha()

点选验证码的难点通常不在点击本身，而在于准确识别文字位置和点击顺序。简单文字可以使用 OCR 识别，但复杂中文点选、图标点选或乱序点选通常需要更强的识别模型或第三方服务。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

python