API Tutorials

图片验证码识别 API 教程：从截图到自动提交

自动化 Image OCR
作者 CaptchaAI 中文团队
发布时间 Jun 14, 2026
图片验证码识别 API 教程：从截图到自动提交
特色图片不可用

很多老系统、政府门户至今还在用最原始的图片验证码——一段扭曲字符，要求你手动看图输入。没有网格、没有滑块，思路也最直接：把图片交给识别引擎，把文字填回输入框。CaptchaAI 的图片/OCR 接口就是干这件事的，上传图片，几秒后拿到识别文字。下面按截图、提交、轮询、回填四步给出流程，配 Python 与 Node.js 示例。

准备工作

  • CaptchaAI API Key：在 captchaai.com 注册后获取
  • 验证码图片：图片文件或 base64 编码均可
  • 运行环境：Python 3.7+ 或 Node.js 14+

第 1 步：拿到验证码图片

方式一：Selenium 截图

对验证码元素直接截图，不用关心图片的实际 URL：

from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://example.com/register")

captcha_el = driver.find_element(By.CSS_SELECTOR, "#captcha-image")
captcha_el.screenshot("captcha.png")

小贴士：CI 或无界面服务器上运行时，给 Chrome 加上 --headless=new 参数即可，截图逻辑不用改。

方式二：直接下载图片

图片有独立 URL 时，直接请求下载即可，省掉一次浏览器渲染：

import requests
import base64

img_url = "https://example.com/captcha/generate"
img_data = requests.get(img_url).content

# Save to file
with open("captcha.png", "wb") as f:
    f.write(img_data)

# Or convert to base64
img_b64 = base64.b64encode(img_data).decode()

小贴士：能拿到图片直接 URL 时优先用这种方式——不用启动浏览器、不用等页面渲染，批量处理时差距会很明显。

第 2 步：把图片提交给 CaptchaAI

方式 A：文件上传（Python）

import requests
import time

API_KEY = "YOUR_API_KEY"

with open("captcha.png", "rb") as f:
    response = requests.post("https://ocr.captchaai.com/in.php",
        data={"key": API_KEY, "method": "post", "json": 1},
        files={"file": ("captcha.png", f, "image/png")}
    )

data = response.json()
task_id = data["request"]
print(f"Task: {task_id}")

方式 B：Base64（Python）

不想处理 multipart 上传，转成 base64 字符串提交也可以：

response = requests.post("https://ocr.captchaai.com/in.php", data={
    "key": API_KEY,
    "method": "base64",
    "body": img_b64,
    "json": 1
})

task_id = response.json()["request"]

Node.js（base64）

const axios = require('axios');
const fs = require('fs');

async function submitImageCaptcha(imagePath) {
  const imageB64 = fs.readFileSync(imagePath).toString('base64');

  const { data } = await axios.post('https://ocr.captchaai.com/in.php', null, {
    params: {
      key: 'YOUR_API_KEY',
      method: 'base64',
      body: imageB64,
      json: 1
    }
  });

  return data.request;
}

小贴士：base64 编码后体积会比原图大约 33%。图片超过几百 KB 时，优先用方式 A 的文件上传，减少请求体积和序列化开销。

第 3 步：轮询识别结果

提交后不会立刻拿到文字，需要每隔几秒轮询一次 res.php：

def get_text_solution(task_id):
    for _ in range(30):
        time.sleep(5)
        result = requests.get("https://ocr.captchaai.com/res.php", params={
            "key": API_KEY, "action": "get", "id": task_id, "json": 1
        }).json()

        if result.get("status") == 1:
            return result["request"]  # The recognized text
        if result.get("request") != "CAPCHA_NOT_READY":
            raise Exception(f"Error: {result['request']}")

    raise Exception("Timeout")

text = get_text_solution(task_id)
print(f"CAPTCHA text: {text}")

async function getSolution(taskId) {
  for (let i = 0; i < 30; i++) {
    await new Promise(r => setTimeout(r, 5000));
    const { data } = await axios.get('https://ocr.captchaai.com/res.php', {
      params: { key: 'YOUR_API_KEY', action: 'get', id: taskId, json: 1 }
    });
    if (data.status === 1) return data.request;
    if (data.request !== 'CAPCHA_NOT_READY') throw new Error(data.request);
  }
  throw new Error('Timeout');
}

图片验证码通常 5–15 秒出结果，比交互式挑战快很多。识别错了可以用 action=reportbad 上报，系统核实后通常会退还这次消耗。

第 4 步：把文字回填到表单

拿到识别结果后，直接把文字填进验证码输入框，再提交表单：

# Type the solved text into the CAPTCHA input
captcha_input = driver.find_element(By.CSS_SELECTOR, "#captcha-input")
captcha_input.clear()
captcha_input.send_keys(text)

# Submit the form
driver.find_element(By.CSS_SELECTOR, "form").submit()

可选参数：让识别更准

图片验证码的字符集往往有规律——只有数字、固定长度、区分大小写。提前告诉 CaptchaAI 这些规律，能减少误识别：

参数 取值 作用
numeric 1 = 仅数字，2 = 仅字母 限制字符集
min_len 整数 最小文本长度
max_len 整数 最大文本长度
language 0 = 任意、1 = 西里尔字母、2 = 拉丁字母 字符语言
calc 1 验证码是一个数学表达式
phrase 1 验证码文本包含空格
regsense 1 区分大小写

常见组合速查：

  • 4 位纯数字验证码：numeric=1、min_len=4、max_len=4
  • 6 位英文字母验证码：numeric=2、min_len=6、max_len=6
  • 含空格的短语验证码：phrase=1
response = requests.post("https://ocr.captchaai.com/in.php", data={
    "key": API_KEY,
    "method": "base64",
    "body": img_b64,
    "numeric": 1,       # Digits only
    "min_len": 4,        # At least 4 characters
    "max_len": 6,        # At most 6 characters
    "json": 1
})

完整 Python 示例

把前面四步串联起来，完整脚本如下：

import requests
import time
import base64
from selenium import webdriver
from selenium.webdriver.common.by import By

API_KEY = "YOUR_API_KEY"

# 1. Get the page and capture captcha
driver = webdriver.Chrome()
driver.get("https://example.com/register")

captcha_el = driver.find_element(By.CSS_SELECTOR, "#captcha-image")
captcha_el.screenshot("captcha.png")

# 2. Submit to CaptchaAI
with open("captcha.png", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = requests.post("https://ocr.captchaai.com/in.php", data={
    "key": API_KEY, "method": "base64", "body": img_b64, "json": 1
}).json()
task_id = resp["request"]

# 3. Get solution
for _ in range(30):
    time.sleep(5)
    result = requests.get("https://ocr.captchaai.com/res.php", params={
        "key": API_KEY, "action": "get", "id": task_id, "json": 1
    }).json()
    if result.get("status") == 1:
        text = result["request"]
        break

# 4. Type and submit
driver.find_element(By.CSS_SELECTOR, "#captcha-input").send_keys(text)
driver.find_element(By.CSS_SELECTOR, "form").submit()
print(f"Solved: {text}")
driver.quit()

想要现成的完整项目？

包含环境变量管理、重试策略和错误处理的可运行版本在这里：

查看 GitHub 上的完整可运行示例 →

常见问题

Selenium 截图验证码时，截到的图片是空白或裁剪不全，怎么办？

多半是截图时机太早，页面还没渲染完。截图前用 WebDriverWait 等待元素可见，再 .screenshot()，能明显减少空白截图。

数学验证码（比如“3 + 7”）能自动识别吗？

可以。把 calc 设为 1，CaptchaAI 会直接算出结果返回数字（“3 + 7”返回“10”），不用你自己解析。

国内很多网站已经换成滑块或 GeeTest（极验），图片验证码是不是过时了？

消费级新系统里确实少见了，但政务、教务、企业旧后台仍在大量使用。CaptchaAI 同时支持 GeeTest v3 滑块识别，两条接口可搭配用。

识别结果大小写不对，导致登录一直失败，怎么处理？

默认结果可能是小写，如果目标站点区分大小写，直接提交就会一直失败。两种处理方式：

  • 目标站点区分大小写：把 regsense 设为 1，让识别结果保留原始大小写
  • 目标站点不区分大小写：不用改，保持默认即可

相关指南

该文章已禁用评论。