应先定位验证码元素并调用 bounding_box() 获取视口坐标，再用 Pillow 裁剪；Tesseract 识别前必须转灰度、手动阈值二值化、去噪、放大文字区域；需显式指定 tesseract_cmd 路径、正确设置 lang 和 image mode，并避免临时文件 I/O。
Playwright 截图后怎么把验证码区域精准裁剪出来？
直接全页截图再识别，成功率低且慢。关键在定位验证码图片的 bounding_box()，而不是靠固定坐标或XPath硬编码。
常见错误是用 page.screenshot() 截整个页面，结果验证码被缩放、遮挡或带干扰线；正确做法是先定位到验证码 <img> 或 <canvas> 元素，再调用 element.bounding_box() 获取真实坐标，最后用 Pillow 裁剪：
- 用
page.query_selector("img[alt*='verify']")或类似 selector 精准选中元素，避免匹配到 logo 或其他图片 -
box = element.bounding_box()返回的是视口坐标（viewport coordinates），需确认页面没滚动——加page.evaluate("window.scrollTo(0, 0)")更稳妥 - 裁剪时用
PIL.Image.open(io.BytesIO(screenshot_bytes)).crop((x, y, x+w, y+h))，注意y是上边界，不是 top margin - 如果验证码是 canvas 渲染，
bounding_box()可能不准，改用element.screenshot()直接截元素图（Playwright 1.40+ 支持）
Tesseract 识别前为什么必须做图像预处理？
Tesseract 对纯色背景、高对比度、无噪点的二值图最友好；而网页验证码通常带干扰线、扭曲、低饱和度，不处理基本识别不了。
绕过预处理直接喂图给 pytesseract.image_to_string()，大概率返回空字符串或乱码。核心步骤要按顺序来：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
- 转灰度：
img.convert("L")，不是 RGB 直接丢进 Tesseract - 二值化：用
cv2.threshold()或 PIL 的point()+ 阈值，别用默认 Otsu（对验证码常过激）；推荐手动试阈值，比如180（范围 120–220） - 去噪：小噪点用
cv2.medianBlur(img, 3)，细干扰线可用形态学闭运算cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)，kernel 大小设(2,2)刚好 - 文字区域太小（如 12px 验证码）要放大 2–3 倍再识别，否则 Tesseract 认为“非文本”直接跳过
pytesseract 调用失败或返回空的常见原因
不是代码写错，而是环境或参数卡住了。报错像 TesseractNotFoundError 或静默返回空字符串，90% 出在以下几点：
-
pytesseract.pytesseract.tesseract_cmd没指向真实可执行文件路径，Windows 下常见是装了 tesseract 但没加进 PATH，或路径含中文/空格——必须显式赋值，例如：pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" - 没指定语言包：验证码多为英文数字，默认
lang="eng"即可，但若含简单中文字符（如“验证码”字样），得额外下载chi_sim.traineddata并放到 tesseract 安装目录的tessdata文件夹 - 传给
image_to_string()的 PIL 图像 mode 不是"L"或"1"，比如是"RGBA"，Tesseract 会忽略 alpha 通道导致对比度崩坏——务必先.convert("L") - 用了
config='--psm 6'却忘了加--oem 3（默认 LSTM），PSM 6 要求文本横排且单块，验证码若带旋转或粘连，反而不如--psm 8（单行）稳定
Playwright 和 Tesseract 结合时的性能与稳定性要点
跑一次识别耗时超过 2 秒就该优化了。主要瓶颈不在 Tesseract 本身，而在截图和图像流转环节。
- 别每次识别都保存临时文件（如
img.save("tmp.png")再读取），用io.BytesIO()在内存中流转，快 3–5 倍 - Playwright 的
page.screenshot()加type="png"和quality=100，避免 JPEG 压缩引入新噪点 - 并发识别多个验证码时，Tesseract 是 CPU 密集型，别开多进程硬扛；更稳的做法是复用
pytesseract.image_to_string()单实例，配合 Playwright 的多个BrowserContext隔离页面状态 - 验证码识别失败后，别立刻重试——有些网站会封 IP 或增加难度。加随机延迟（
time.sleep(random.uniform(1.5, 3.0))）再刷新页面重来
真正难的不是调通流程，而是应对验证码策略升级：今天有效的二值化阈值，明天可能因字体微调就失效；Tesseract 对扭曲字符天然乏力，这时候就得切 OCR API 或训练轻量模型，而不是死磕参数。
