实战拆解：用Python+Selenium+第三方API自动化处理B站点选验证码

最近在帮一个做内容分析的朋友处理B站数据时，遇到了那个让人头疼的点选验证码。手动操作不仅效率低下，而且当需要批量处理多个账号时，简直是一场噩梦。经过几天的摸索和踩坑，我总结出了一套相对稳定、可复用的自动化解决方案，核心就是利用Python的Selenium库进行浏览器模拟，再结合一个可靠的第三方验证码识别服务来“看懂”那些需要点击的文字或图案。

这套方法的核心思路其实很清晰：让程序像人一样“看到”验证码图片，识别出需要点击的位置，然后模拟鼠标去点击。但真正做起来，你会发现从截图、坐标转换到模拟点击，每一步都有不少细节需要注意，比如验证码的动态加载、坐标系的转换、点击的时机控制等等。下面我就把自己趟过的路、踩过的坑，以及最终跑通的完整代码，毫无保留地分享出来。

1. 环境搭建与核心工具选择

在开始写代码之前，我们需要先把“战场”布置好。工欲善其事，必先利其器，选择对的工具组合能让整个开发过程顺畅很多。

1.1 基础环境配置

首先，确保你的Python环境是3.7或以上版本。我习惯用虚拟环境来管理项目依赖，这样可以避免不同项目间的包版本冲突。

# 创建并激活虚拟环境（以venv为例）
python -m venv bilibili_auto_env
source bilibili_auto_env/bin/activate  # Linux/Mac
# 或
bilibili_auto_env\Scripts\activate  # Windows

接下来安装核心的Selenium库。Selenium是一个强大的浏览器自动化工具，可以模拟真实用户的所有操作。

pip install selenium

光有Selenium还不够，我们需要一个“司机”——WebDriver。它负责连接Selenium和真实的浏览器。以最常用的Chrome浏览器为例，你需要下载与你的Chrome版本匹配的ChromeDriver。

提示：ChromeDriver的版本必须与本地安装的Chrome浏览器主版本号完全一致，否则会报错。你可以通过访问Chrome的“关于”页面查看版本号，然后去官方或镜像站点下载对应的驱动。

将下载好的chromedriver可执行文件放在一个固定的目录，或者直接添加到系统的PATH环境变量中。我个人的习惯是放在项目根目录下，这样在代码里指定路径比较直观。

1.2 验证码识别服务的选择与接入

点选验证码的难点在于“识别”。我们需要一个能准确识别图片中文字位置的服务。市面上有不少提供此类API的服务商，其基本原理都是你上传图片，它返回图中目标文字的坐标。

在选择服务商时，我主要考量几个点：识别准确率、响应速度、价格以及API的稳定性。经过一番对比测试，我选择了一款口碑不错的服务。注册账号后，通常你会在用户中心获得以下几样东西：

  • 用户名：你的登录账号。
  • 密码：API调用的密码。
  • 软件ID：用于标识你的应用，在后台创建软件即可获得。

此外，你还需要找到点选验证码对应的接口编号。不同服务商的编号可能不同，在其价格页或API文档中通常会明确列出。例如，针对“点击图中汉字”这类验证码，接口号可能是9004。

服务商一般会提供一个官方的Python SDK或示例代码。通常是一个名为chaojiying.py（或其他类似名称）的文件，里面封装了调用API的Chaojiying_Client类。你需要将这个文件下载并放置在你的项目目录中，以便在代码里导入使用。

2. 核心原理与流程拆解

在动手编码前，彻底理解整个自动化流程的每一步至关重要。这不仅能帮你写出更健壮的代码，还能在出现问题时快速定位。

2.1 自动化登录与验证码触发流程

B站的登录流程是标准化的：输入账号密码 -> 点击登录按钮 -> 触发验证码。我们的程序需要完美复现这个过程。

  1. 导航至登录页：使用Selenium打开B站的登录页面。
  2. 定位并填充表单：找到用户名和密码的输入框元素，通过send_keys()方法输入你的账号信息。这里的关键是找到正确的元素定位器（如XPath、CSS Selector）。B站的页面结构可能会更新，所以你可能需要手动检查一下。
  3. 点击登录按钮：找到登录按钮并点击。这一步会触发网站弹出验证码挑战。

注意：在输入账号密码和点击登录按钮之间，适当加入短暂的等待（例如time.sleep(1)）是良好的实践，这模拟了人类的操作间隔，也能确保页面元素已加载就绪。

2.2 验证码图片的捕获与处理

验证码弹出后，我们需要把它“抓”下来送给识别API。这里有几个技术细节：

  • 精准定位验证码区域：验证码通常被包裹在一个特定的HTML元素（如<div>或<canvas>）中。你需要使用浏览器的开发者工具（F12）仔细检查，找到一个能唯一标识该容器的属性（如ID、特定的class组合）。使用find_element方法定位到这个元素。
  • 截图而非下载：验证码图片可能是动态生成的，不一定有直接的图片URL。最可靠的方法是使用Selenium对定位到的元素进行截图。element.screenshot('filename.png')方法可以将该元素的视觉内容保存为PNG文件。
  • 等待渲染完成：点选验证码在出现时可能有动画效果（如渐入、缩放）。在截图前，最好使用WebDriverWait配合预期条件（如元素可见、样式稳定）进行显式等待，或者简单地time.sleep(2)，确保你截取的是最终静止状态的图片。

2.3 坐标识别、转换与模拟点击

这是最核心的一步，连接了“识别”和“动作”。

  1. 调用识别API：将上一步保存的图片文件以二进制读取模式打开，调用验证码识别服务的接口（如PostPic(im, 9004)）。成功的响应会返回一个字符串，格式通常是"x1,y1|x2,y2|..."，即多个坐标用竖线分隔，每个坐标的x和y值用逗号分隔。

  2. 坐标数据解析：API返回的坐标是相对于你截取的那张图片的。我们需要用Python代码将这个字符串解析成程序可用的列表格式。

    # 假设API返回 result = "123,45|67,89"
coord_list = []
for point in result.split('|'):
    x, y = map(int, point.split(','))
    coord_list.append([x, y])
# coord_list 现在是 [[123, 45], [67, 89]]

  3. 坐标系转换与点击：解析出的坐标是图片内的像素坐标。而Selenium的点击操作需要基于浏览器页面中的某个元素（我们之前定位的验证码容器）进行偏移。幸运的是，Selenium的ActionChains提供了move_to_element_with_offset(element, xoffset, yoffset)方法。这里的xoffset和yoffset就是我们解析出来的x和y坐标。然后调用click().perform()执行点击动作。

  4. 顺序点击：点选验证码通常要求按特定顺序点击。API返回的坐标顺序一般就是正确的点击顺序。我们按解析后列表的顺序遍历并执行点击即可。每次点击后可以加入微小延迟（如time.sleep(0.5)），模拟人的反应时间。

2.4 处理识别失败与重试机制

没有任何识别服务能保证100%准确。我们必须为失败情况设计兜底方案。

  • 失败判断：点击完成后，网站要么验证成功进入下一步/首页，要么验证失败刷新出新验证码。我们可以通过检测页面关键元素的变化来判断结果。例如，验证成功后，登录表单或验证码区域会消失；失败后，页面上可能仍保留“密码登录”等字样，或者出现新的验证码图。
  • 重试逻辑：一旦判断失败，程序应该能够自动清理当前状态（如关闭可能弹出的错误提示），重新触发验证码获取流程，然后循环执行识别和点击操作。这通常通过一个while循环来实现，直到成功标志出现才跳出循环。
  • 避免无限循环：为了防止因意外导致的死循环，最好设置一个最大重试次数（例如5次），超过次数后记录错误并人工干预。

3. 完整代码实现与逐行解析

理论讲完了，是时候亮出干货了。下面是我优化后的完整脚本，包含了异常处理、显式等待和重试机制，比网上很多基础教程的代码要健壮得多。

import time
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.common.action_chains import ActionChains
from chaojiying import Chaojiying_Client  # 导入第三方识别SDK

class BilibiliAutoLogin:
    def __init__(self, username, password, chaojiying_user, chaojiying_pass, soft_id):
        """
        初始化自动化登录器
        :param username: B站账号
        :param password: B站密码
        :param chaojiying_user: 验证码识别平台用户名
        :param chaojiying_pass: 验证码识别平台密码
        :param soft_id: 验证码识别平台软件ID
        """
        self.username = username
        self.password = password
        # 初始化识别客户端
        self.cjy_client = Chaojiying_Client(chaojiying_user, chaojiying_pass, soft_id)
        # 初始化浏览器驱动，这里使用Chrome
        self.driver = webdriver.Chrome()  # 确保chromedriver在PATH中或指定路径
        self.wait = WebDriverWait(self.driver, 10)  # 创建显式等待对象，最多等10秒

    def login_and_handle_captcha(self, max_retries=5):
        """执行登录并处理验证码的主流程"""
        try:
            self.driver.get("https://passport.bilibili.com/login")
            print("已打开登录页面")

            # 1. 输入账号密码
            user_input = self.wait.until(
                EC.presence_of_element_located((By.ID, "login-username"))
            )
            pass_input = self.driver.find_element(By.ID, "login-passwd")
            user_input.send_keys(self.username)
            time.sleep(0.5)  # 模拟人工输入间隔
            pass_input.send_keys(self.password)
            print("账号密码已输入")

            # 2. 点击登录按钮，触发验证码
            login_btn = self.driver.find_element(By.CLASS_NAME, "btn-login")
            login_btn.click()
            print("已点击登录，等待验证码加载...")
            time.sleep(2)  # 等待验证码弹出

            retry_count = 0
            while retry_count < max_retries:
                print(f"\n--- 第 {retry_count + 1} 次尝试识别验证码 ---")
                if self._process_single_captcha():
                    print(">>> 验证码处理成功，登录流程完成！")
                    return True
                else:
                    retry_count += 1
                    print(f"验证码识别失败，准备第 {retry_count + 1} 次尝试...")
                    # 失败后，可能需要点击刷新验证码的按钮，这里假设有刷新按钮
                    # refresh_btn = self.driver.find_element(By.CLASS_NAME, "geetest_refresh")
                    # refresh_btn.click()
                    time.sleep(2)  # 等待新验证码加载

            print(f">>> 经过 {max_retries} 次尝试仍未成功，请手动检查。")
            return False

        except Exception as e:
            print(f"登录过程发生异常: {e}")
            return False
        finally:
            # 暂时不关闭浏览器，方便调试
            # self.driver.quit()
            pass

    def _process_single_captcha(self):
        """处理单次验证码识别的核心逻辑"""
        try:
            # 3. 定位并截取验证码图片
            # 注意：此XPath可能需要根据B站实际页面结构调整
            captcha_element = self.wait.until(
                EC.presence_of_element_located((By.XPATH, "//div[contains(@class, 'geetest_widget')]"))
            )
            captcha_screenshot_path = "captcha_temp.png"
            captcha_element.screenshot(captcha_screenshot_path)
            print("验证码截图已保存")

            # 4. 调用第三方API识别
            with open(captcha_screenshot_path, 'rb') as f:
                img_bytes = f.read()
            # 9004 是点选验证码的常见接口编号，请根据你使用的平台确认
            result = self.cjy_client.PostPic(img_bytes, 9004)
            print(f"识别API返回原始数据: {result}")

            # 检查识别是否成功
            if result['err_no'] != 0:
                print(f"识别服务返回错误: {result['err_msg']}")
                return False

            pic_str = result['pic_str']  # 格式如 "123,45|67,89|..."
            if not pic_str:
                print("识别结果为空")
                return False

            # 5. 解析坐标
            points = []
            for point_str in pic_str.split('|'):
                x_str, y_str = point_str.split(',')
                points.append((int(x_str), int(y_str)))
            print(f"解析出的坐标点: {points}")

            # 6. 模拟点击每个点
            action = ActionChains(self.driver)
            for x, y in points:
                # move_to_element_with_offset 基于元素的左上角进行偏移点击
                action.move_to_element_with_offset(captcha_element, x, y).click().pause(0.3)
            action.perform()
            print("所有坐标点已模拟点击")

            # 7. 点击验证码的确认/提交按钮
            # 此按钮的定位器也需要根据实际情况调整
            time.sleep(1)  # 等待点击动画完成
            confirm_btn = self.driver.find_element(By.XPATH, "//div[@class='geetest_commit']/button")
            confirm_btn.click()
            print("已点击确认按钮")

            # 8. 等待并判断是否成功
            time.sleep(3)  # 等待页面跳转或刷新
            # 判断成功的条件：登录表单消失，或者出现用户头像等成功登录元素
            # 这里简单通过检查登录按钮是否还存在来判断（可能不严谨，仅作示例）
            try:
                # 如果还能快速找到登录按钮，可能意味着还在登录页
                self.driver.find_element(By.CLASS_NAME, "btn-login")
                print("检测到仍在登录页，可能验证失败")
                return False
            except:
                # 找不到登录按钮，假设跳转成功
                print("未检测到登录按钮，假设登录成功")
                return True

        except Exception as e:
            print(f"处理验证码过程中出错: {e}")
            return False

# ====== 使用示例 ======
if __name__ == "__main__":
    # !!! 重要：请在此填入你自己的信息 !!!
    BILIBILI_USER = "your_bilibili_username"
    BILIBILI_PASS = "your_bilibili_password"
    CJY_USER = "your_chaojiying_username"
    CJY_PASS = "your_chaojiying_password"
    CJY_SOFT_ID = "your_soft_id"  # 在平台用户中心查看

    auto_login = BilibiliAutoLogin(BILIBILI_USER, BILIBILI_PASS, CJY_USER, CJY_PASS, CJY_SOFT_ID)
    success = auto_login.login_and_handle_captcha(max_retries=3)

    if success:
        print("自动化登录流程执行完毕，看起来成功了！")
        # 你可以在这里继续执行登录后的操作，如跳转到个人主页等
        # auto_login.driver.get("https://space.bilibili.com")
    else:
        print("自动化登录失败，建议手动检查网络、账号或验证码识别服务状态。")
    # 程序结束后，可以手动关闭浏览器窗口

代码关键点解析：

  • 类封装：将功能封装成类BilibiliAutoLogin，使代码结构更清晰，易于管理和复用。
  • 显式等待：大量使用WebDriverWait配合expected_conditions，代替固定的time.sleep，使代码更高效、更稳定。只有当元素确实出现时才进行操作，避免了因网络延迟导致的元素找不到错误。
  • 异常处理：在关键步骤（如截图、识别、点击）周围使用try...except，捕获并打印错误信息，避免程序因单点失败而完全崩溃。
  • 分离关注点：将处理单次验证码的逻辑独立成_process_single_captcha方法，而主流程login_and_handle_captcha负责重试控制，逻辑更清晰。
  • 可配置的重试次数：通过max_retries参数控制最大重试次数，避免无限循环。

4. 高级优化与避坑指南

直接运行上面的代码可能不会一帆风顺，因为真实环境比本地测试复杂得多。下面分享一些我实践中总结的优化技巧和常见问题的解决方法。

4.1 提升识别成功率的技巧

验证码识别的准确性是整个流程的瓶颈。除了依赖第三方服务的算法能力，我们可以在提交图片前做一些预处理：

  • 元素截图 vs 全屏截图：代码中使用了针对验证码元素的截图element.screenshot()，这能有效排除页面其他部分的干扰。务必确保定位的元素精准覆盖验证码区域。
  • 处理动态效果：有些验证码在加载时有阴影、闪烁或拖影。在截图前增加足够的等待时间（如time.sleep(2)），或使用等待条件直到元素样式稳定，可以确保截到清晰的静态图。
  • 备用方案：如果主要识别服务连续失败，可以考虑集成一个备用服务。在代码中设置一个阈值，当主服务失败次数超过阈值时，切换至备用API，并将图片同时发给两个服务，取置信度更高的结果。

4.2 应对反自动化策略

像B站这样的大型网站，一定有反爬虫和反自动化机制。我们的脚本需要表现得更像真人。

  • 随机化操作间隔：将所有固定的time.sleep(1)替换为随机延迟，例如time.sleep(random.uniform(0.5, 1.5))。在输入账号密码、点击按钮、点击验证码坐标之间加入随机等待，能有效规避基于操作时序的检测。
  • 模拟人类移动轨迹：直接使用move_to_element_with_offset然后click，鼠标是“瞬移”过去的。更高级的模拟可以使用ActionChains的move_by_offset进行分步移动，或者引入像pyautogui这样的库来生成贝塞尔曲线移动路径，但复杂度会大大增加。对于大多数情况，加入随机延迟已经足够。
  • 浏览器指纹管理：Selenium驱动的浏览器有一些特征可以被网站检测到（如navigator.webdriver属性）。可以考虑使用undetected-chromedriver这类修改过的驱动来隐藏自动化特征。不过，这属于更进阶的对抗，初期可以暂不考虑。

4.3 代码健壮性与维护性

  • 配置外部化：不要将账号、密码、API密钥等敏感信息硬编码在脚本里。应该使用环境变量或配置文件（如config.ini、config.json）来管理。

    # config.json
{
  "bilibili": {
    "username": "your_username",
    "password": "your_password"
  },
  "captcha_service": {
    "username": "your_cjy_user",
    "password": "your_cjy_pass",
    "soft_id": "your_soft_id"
  }
}

  • 日志记录：使用Python的logging模块替代print语句，可以方便地设置日志级别、输出到文件，便于后期排查问题。

  • 元素定位器的维护：网站的页面结构可能会改变。将所有用于定位元素的XPath或CSS Selector集中定义在类的顶部或单独的配置文件中。一旦页面改版，你只需要修改一处即可。

    class Locators:
    USERNAME_INPUT = (By.ID, "login-username")
    PASSWORD_INPUT = (By.ID, "login-passwd")
    LOGIN_BUTTON = (By.CLASS_NAME, "btn-login")
    CAPTCHA_AREA = (By.XPATH, "//div[contains(@class, 'geetest_widget')]")
    CONFIRM_BUTTON = (By.XPATH, "//div[@class='geetest_commit']/button")

4.4 常见错误与排查

错误现象 可能原因 排查建议
NoSuchElementException 页面元素未加载出来，或定位器已过期。 1. 增加等待时间或使用显式等待。
2. 使用浏览器开发者工具重新检查元素属性，更新定位器。
识别坐标点击后验证失败 1. 坐标识别错误。
2. 点击顺序错误。
3. 坐标系计算有误（如忽略了页面缩放）。		 1. 手动保存截图，查看识别出的坐标点在图片上是否准确。
2. 确认API返回的坐标顺序是否为点击顺序。
3. 确保截图元素是验证码的直接容器，且没有进行CSS变换。
无限重试或成功判断失灵 成功/失败的判断逻辑不准确。 优化成功判断条件。不要仅依赖一个元素，可以组合判断：验证码容器消失 且 用户相关元素出现。
InvalidSessionIdException 浏览器窗口被意外关闭或驱动会话失效。 检查浏览器是否被手动关闭，或脚本中是否有driver.quit()被提前执行。确保网络稳定。

这套方案已经成功帮我朋友处理了数百次的登录验证。当然，自动化与反自动化是一场持续的博弈，今天有效的方法明天可能需要调整。核心是理解原理，保持代码的灵活性和可维护性，这样当变化来临时，你就能快速适应。最后，请务必在遵守网站服务条款和合理使用原则的前提下应用这些技术。

Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

2026最新AI Agent高频面试题（分类型精简详解）

本文梳理AI Agent高频面试考点，覆盖基础概念、架构、推理规划、工具调用、记忆、RAG融合、多智能体与工程落地。区分Agent、Workflow与普通工具调用，讲解ReAct、Plan‑and‑Execute等主流范式，分析三级记忆机制与上下文溢出的解决办法，对比传统RAG与Agent‑RAG差异，介绍多智能体协作模式。同时总结落地痛点、优化手段和安全风控要点，划分初/中/高级面试复习重点，可

avatar AI Agent技术社区
cover

深入理解 AI Agent · AGENT #03：从单 Agent 到多 Agent

avatar AI Agent技术社区
cover

AI Agent安全风险启示：工业巡检机器人的AI安全管控

avatar AI Agent技术社区