如何在不截全屏的前提下精准获取页面中动态刷新的 CAPTCHA 图像
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，直接捕获当前页面渲染的 captcha 图像（非重新请求 url），确保获取的是用户所见即所得的实时验证码。
在自动化登录场景中，许多网站（如 rds3.northsouth.edu）采用服务端动态生成的 CAPTCHA，其 标签的 src 指向一个每次请求都返回新图片的 URL（例如 https://rds3.northsouth.edu/index.php/captcha）。这意味着：通过 get_attribute('src') 再用 requests.get() 下载，得到的必然是新生成的、与页面当前显示不一致的验证码——这正是你遇到的核心问题。
✅ 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，它对 WebElement 调用时，会精确截取该元素在视口中的渲染快照（含 CSS 缩放、滤镜等效果），完全规避服务端重生成逻辑。
✅ 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
# 1. 定位 CAPTCHA 元素（推荐使用更现代的 find_element）
captcha_elem = driver.find_element(By.ID, "captcha-img") # 替换为你的实际 ID 或其他定位器
# 2. 直接截取该元素的 PNG 图像（毫秒级，无网络延迟，100% 对应页面所见）
png_bytes = captcha_elem.screenshot_as_png
# 3. 保存并加载为 OpenCV 可处理的图像（可选：直接内存处理避免磁盘 I/O）
with open("captcha.png",
"wb") as f:
f.write(png_bytes)
img = cv2.imread("captcha.png")
if img is None:
raise RuntimeError("Failed to load CAPTCHA image")
# 4. 简单但有效的预处理（提升 OCR 准确率）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
h, w = gray.shape
resized = cv2.resize(gray, (w * 2, h * 2)) # 放大便于识别
_, binary = cv2.threshold(resized, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 可选：形态学闭运算连接断裂字符
kernel = np.ones((1, 1), np.uint8)
cleaned = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
# 5. OCR 识别（建议添加 config 提升数字/字母识别率）
text = pytesseract.image_to_string(
cleaned,
config='--psm 8 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'
).strip().replace(" ", "")
print("Recognized CAPTCHA:", text)
"wb") as f:
f.write(png_bytes)
img = cv2.imread("captcha.png")
if img is None:
raise RuntimeError("Failed to load CAPTCHA image")
# 4. 简单但有效的预处理（提升 OCR 准确率）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
h, w = gray.shape
resized = cv2.resize(gray, (w * 2, h * 2)) # 放大便于识别
_, binary = cv2.threshold(resized, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 可选：形态学闭运算连接断裂字符
kernel = np.ones((1, 1), np.uint8)
cleaned = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
# 5. OCR 识别（建议添加 config 提升数字/字母识别率）
text = pytesseract.image_to_string(
cleaned,
config='--psm 8 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'
).strip().replace(" ", "")
print("Recognized CAPTCHA:", text)⚠️ 关键注意事项
- screenshot_as_png 是唯一可靠方式：它绕过了 HTTP 请求不确定性，直接读取浏览器已渲染的 DOM 元素像素，确保“所见即所得”。
- 避免过早截图：务必在 CAPTCHA 图像完全加载（如等待 visibility_of_element_located）后再调用 screenshot_as_png，否则可能截到空白或 loading 占位图。
-
环境依赖：
- 安装 Tesseract 引擎（系统级）：https://www./link/96b591794a81d64dfc9d9fe49060088d
- Python 包：pip install selenium opencv-python pytesseract numpy
- OCR 效果优化：复杂 CAPTCHA（扭曲、干扰线、低对比度）需定制预处理（如去噪、二值化参数调整、字符分割），简单验证码（如本例）PSPM 8（单行文本）+ 白名单即可达 80%+ 准确率。
- 合规提醒：请确保你对目标网站的自动化访问符合其 robots.txt 及服务条款；CAPTCHA 绕过可能违反网站政策，仅建议用于合法授权的测试或内部系统集成。
该方法稳定、高效、无需代理或逆向服务端逻辑，是处理动态 CAPTCHA 的工业级实践方案。
