工作中，如何用python和selenium提取验证码呢？

获取验证码的方法

按照以往的经验，有4种方法：

1. 让开发帮忙去掉验证码代码，重新部署环境
2. 弄个万能验证码，每次登陆都可以登陆
3. 用cookie添加登录名和密码避开验证码的方式
4. 老老实实获取验证码图片，识别出验证码

方法一：

遇到好说话的开发，他一般都能帮忙去掉验证码的代码。

但是代码去掉了，还需要重新部署一套没验证码的环境，麻烦，不推荐。

方法二：

还是需要开发的帮助，弄一个万能验证码，但测试环境弄的万能验证码可千万不能搞到正式环境。

故不推荐，还是先想想别的办法。

方法三：

该方法的难点是：如何在cookie中找到登陆用户名和密码的name，再将用户名和密码添加进去。

方法四：

最容易想到的办法，重点讲这个方法，此处有2个思路。

1. 截图登陆页面，再截取验证码图片，识别；
2. 直接在登陆页面，定位到验证码，将验证码图片另存为，识别；

该方法实现过程中，用到第三方库pytesseract，所以先安装需要引用的库。

pytesseract的安装

pytesseract依赖于tesseract，需要先安装tesseract。

安装Tesseract模块：

git文档地址：https://digi.bib.uni-mannheim.de/tesseract/

请安装不带dev的稳定版，下载后就是一个exe安装包，直接右击安装即可。

一般安装在默认路径，如果不在默认路径，请记住该路径。

下载培训数据：

需要下载相应的培训数据，直接下载整个zip文件，解压后将文件复制到’tessdata‘目录中。

一般为：C:\Program Files (x86)\Tesseract-OCR\tessdata

配置环境变量：

1. 编辑系统变量里面 path，添加安装路径：C:\Program Files (x86)\Tesseract-OCR
2. 添加TESSDATA_PREFIX变量，值为：C:\Program Files (x86)\Tesseract-OCR\tessdata
3. 最后，在cmd命令模式下测试是否安装成功：
4. tesseract test.jpg text -l chi_sim

安装python的第三方库： 

pip install pillow #一个python的图像处理库，pytesseract依赖

pip install pytesseract

修改pytesseract.py文件：

找到pytesseract的安装包，C:\Python34\Lib\site-packages\pytesseract。

编辑pytesseract.py文件，该步骤必须做，不然编译时会报错。

修改内容如下：

tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

代码实现

上面讲述了实现的2种思路，现在分别说明代码实现过程。

思路一：

1. 先计算浏览器与登陆页面截图的比例值
2. 再计算对应的验证码图片位置
3. 再将获取到的验证码图片，先进行二值化处理
4. 处理后的图像采用pytesseract库转化

截图保存验证码

二值化处理验证码图片

验证码图片转化

上述图片转化过程中，注意参数设置。

不设置参数时，总是将1转化为7，设置后转化准确率杠杠滴。

当然，目前只是识别数字型的验证码，文字类型的方法应该是类似的。

思路二：

1. 先定位到验证码的位置
2. 将验证码图片另存到一个路径
3. 该路径下获取最新的验证码图片
4. 验证码图片二值化处理
5. 处理后的图像采用pytesseract库转化

验证码另存为图片

后面的图片处理和获取验证码过程与思路一相同。