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，直接捕获当前页面显示的 captcha 图像（而非重新请求 url），确保获取的是用户所见即所得的真实验证码。
在自动化登录或表单提交场景中，若目标网站使用动态生成的 CAPTCHA（如 ），直接通过 requests.get() 下载图片会导致获取到新生成的、与页面不一致的验证码——因为每次 HTTP 请求都会触发服务端生成全新图像。而全屏截图又效率低、易受干扰。正确解法是：对 CAPTCHA
元素执行原生元素截图（element screenshot），该操作捕获的是浏览器渲染后、当前时刻 DOM 中实际展示的像素，完全规避了 URL 重请求带来的不一致性。
Selenium WebDriver 提供了 .screenshot_as_png 属性（推荐使用 find_element(By.ID, "captcha-img") 等现代定位方式），可直接返回该元素的 PNG 字节流，无需依赖外部截图工具或坐标计算：
from selenium import webdriver
from selenium.webdriver.common.by import By
import cv2
import numpy as np
import pytesseract
# 初始化驱动（以 Chrome 为例）
driver = webdriver.Chrome()
driver.get("https://rds3.northsouth.edu/login")
# 定位 CAPTCHA 图片元素（确保 ID 或其他属性准确）
captcha_elem = driver.find_element(By.ID, "captcha-img") # 替换为实际的 id/class/xpath
# ✅ 关键步骤：获取元素当前渲染的 PNG 数据（非重新请求 src！）
captcha_png = captcha_elem.screenshot_as_png
# 保存为本地文件（可选，便于调试）
with open("captcha_raw.png", "wb") as f:
f.write(captcha_png)
# 使用 OpenCV 加载并预处理
nparr = np.frombuffer(captcha_png, 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（增强 OCR 可读性）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
h, w = gray.shape
resized = cv2.resize(gray, (w * 2, h * 2), interpolation=cv2.INTER_CUBIC)
_, binary = cv2.threshold(resized, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# OCR 识别（建议使用 --psm 8 处理单行文本）
text = pytesseract.image_to_string(
binary,
config='--psm 8 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'
).strip().replace(" ", "")
print("Recognized CAPTCHA:", text)
# 自动填入输入框（示例）
input_elem = driver.find_element(By.ID, "captcha-input")
input_elem.send_keys(text)⚠️ 注意事项与优化建议：
- 元素可见性：确保 CAPTCHA 元素已加载且在视口内（可加 WebDriverWait(driver, 10).until(EC.visibility_of(captcha_elem))）；
- OCR 准确率：简单扭曲/无噪点的 CAPTCHA 识别率可达 80%+；复杂类型需增加形态学操作（如去噪、连通域过滤）或训练自定义 Tesseract 模型；
- 反自动化防护：部分站点会禁用元素截图（罕见），此时需回退至带裁剪的全屏截图（结合 location_once_scrolled_into_view + size 计算坐标）；
- 依赖安装：pip install selenium opencv-python numpy pytesseract，并配置 Tesseract OCR 引擎 环境变量（如 TESSDATA_PREFIX）。
该方法本质是“所见即所得”的图像捕获，从根本上解决了动态 CAPTCHA 的同步难题，是自动化测试与爬虫中处理此类验证码的工业级实践方案。
