影刀RPA 验证码打码平台对接：自动化流程的最后一道坎-拓冰建站

影刀RPA 验证码打码平台对接：自动化流程的最后一道坎

作者：林焱

自动化流程遇到验证码是最让人崩溃的。但是验证码不是无解的——有很多打码平台（人工+AI识别）可以帮你过。这篇文章讲怎么在影刀中接入打码平台。

验证码类型分级

类型	识别难度	解决方案
简单数字/字母	低	OCR/tesseract可直接识别
滑块验证	中	距离计算+轨迹模拟
点选验证码	高	打码平台

方案一：OCR识别简单验证码

拼多多店群自动化上架方案

importrequestsfromPILimportImageimportpytesseract# 1. 影刀截图验证码元素# 2. Python处理图片img=Image.open("captcha.png")# 灰度化![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/859dd5a822b34e33a927e3aa7294d98d.png#pic_center)img=img.convert('L')# 二值化img=img.point(lambdax:0ifx<128else255)# OCR识别text=pytesseract.image_to_string(img,config='--psm 7')print(f"识别结果:{text.strip()}")

OCR只适用于最原始的验证码（背景干净、字体规整）。现在的网站基本没有这种验证码了。

方案二：对接打码平台（推荐）

以"超级鹰"为例（按次收费，几块钱能识别几百次）：

importrequestsimportbase64importhashlibclassChaojiying:def__init__(self,username,password,soft_id):self.username=username self.password=password self.soft_id=soft_id self.base_url="https://upload.chaojiying.net/Upload/Processing.php"defrecognize(self,image_path,code_type=1902):"""识别验证码 code_type: 1902=通用验证码, 9004=坐标题 """withopen(image_path,'rb')asf:image_base64=base64.b64encode(f.read()).decode()data={'user':self.username,![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/261c406297394361bcf2744ad155dba9.png#pic_center)'pass2':hashlib.md5(self.password.encode()).hexdigest(),'softid':self.soft_id,'codetype':code_type,'file_base64':image_base64}resp=requests.post(self.base_url,data=data)result=resp.json()ifresult['err_no']==0:returnresult['pic_str']# 识别结果else:returnNone# 使用cj=Chaojiying("你的用户名","你的密码","软件ID")code=cj.recognize("captcha.png")print(f"打码结果:{code}")

费用参考：超级鹰1000次约10元。对于自动化的成本来说几乎可以忽略。

滑块验证码处理

fromseleniumimportwebdriverfromselenium.webdriver.common.action_chainsimportActionChainsimporttimedefsolve_slider(driver,slider_selector,track_selector):"""处理滑块验证码（需要先计算缺口距离）"""slider=driver.find_element_by_css_selector(slider_selector)# 1. 计算缺口距离（可以用opencv比对背景图和缺口图）# 这里简化：假设通过打码平台返回了距离distanceresponse=cj.recognize("slider_captcha.png",code_type=9101)distance=float(response.split(',')[0])# 2. 模拟拖动轨迹action=ActionChains(driver)action.click_and_hold(slider).perform()# 模拟人的拖动：先快后慢 + 中途微调track=generate_track(distance)forxintrack:action.move_by_offset(x,random.randint(-2,2))# Y轴加随机抖动action.perform()time.sleep(random.uniform(0.001,0.003))# 超过一点再回来（模拟人拖过头了）action.move_by_offset(random.randint(-5,-2),0).perform()time.sleep(0.1)action.release().perform()defgenerate_track(distance):"""生成拖动轨迹（非匀速，先快后慢）"""track=[]current=0mid=distance*0.7# 减速阈值whilecurrent<distance:ifcurrent<mid:a=random.randint(3,5)# 加速阶段else:a=random.randint(-3,-1)# 减速阶段move=max(a,1)# 最少移动1pxcurrent+=move track.append(move)returntrack