企业官网建设流程全解析

AstronRPA视觉识别+验证码破解：图片匹配与OCR识别保姆级教程

【免费下载链接】astron-rpaAgent-ready RPA suite with out-of-the-box automation tools. Built for individuals and enterprises.项目地址: https://gitcode.com/bijinfeng/astron-rpa

AstronRPA 是一款开箱即用的 Agent-ready RPA 自动化套件，内置视觉识别（图片匹配）、验证码破解（滑块/点击/数英）和 OCR 文字识别三大能力，让零基础新手也能快速搭建自动化脚本，彻底告别手动重复操作。

🚀 快速上手：3 步装好 AstronRPA

1. 获取项目源码（如本地尚无仓库）：

git clone https://gitcode.com/bijinfeng/astron-rpa

2. 启动客户端：按项目文档配置运行环境与浏览器插件（引擎代码位于 engine/components/，文档见 engine/README.zh.md）。

3. 安装浏览器插件：打开浏览器扩展商店安装 AstronRPA 插件并登录，即可在网页中拾取元素、配合视觉组件完成自动化。

💡 提示：视觉组件主要在客户端（桌面窗口/浏览器）中工作，浏览器自动化部分依赖插件配合，架构可参考上图。

🖼 图片匹配核心：5 个 CV 指令玩转视觉识别

AstronRPA 的视觉能力由CV 组件（engine/components/astronverse-vision/）提供。它的原理很简单：截屏 → 在屏幕中寻找目标图片 → 执行鼠标/键盘操作。相比基于元素定位的方式，图片匹配对没有 DOM 的桌面软件、Canvas 页面同样有效。

组件元数据定义在 meta.json，核心实现在 cv.py。

3 个新手必调参数：

• 匹配相似度（默认 0.95）：目标图与屏幕画面的相似度阈值，最高匹配精确度为 99%。识别不稳时可调低到 0.9 试试；误点率高则调高。
• 点击位置：中心点 / 随机位置 / 九宫格指定位置，配合「横向/纵向平移」可精确定位。
• 鼠标移动方式（高级项）：匀速直线、模拟人工、瞬时移动——「模拟人工」轨迹更自然，适合对行为轨迹敏感的场景。

🔓 验证码破解教程：滑块、点击、数英三步搞定

网页登录自动化最大拦路虎就是验证码。AstronRPA 的VerifyCode 组件（engine/components/astronverse-verifycode/）内置三类通用验证码识别能力，通过云端识别接口返回结果，核心实现在 verifycode.py 与 core.py。

1️⃣ 数英验证码CV 图形识别→VerifyCode.picture_code

• 适用：1-4 位 / 5-8 位数字+字母验证码，以及特殊验证码。
• 操作：拾取验证码图片元素 → 选择验证码类型 → 勾选「是否填写输入框」并拾取输入框，识别结果会自动填入。
• 输出：code_result识别结果字符串。

2️⃣ 滑块验证码VerifyCode.slider_code

• 适用：背景图+滑块的通用验证码，支持变速滑块（拖动距离与显示距离不一致）。
• 操作：分别拾取「背景图片」和「滑块」元素；若为变速验证码，再拾取滑动小图并设置微调步长（默认 5px）。
• 细节：拖动过程采用多段随机平滑轨迹（见 html_drag_plus），更贴近人工操作；识别不准时可用高级项「偏移量（px）」手动校准。
• 输出：drag_distance移动距离。

3️⃣ 点击验证码VerifyCode.click_code

• 适用：按顺序点击图中指定目标（如点文字、点图标）。
• 操作：拾取大背景图（需包含小指示图）→ 选择指示顺序的小图在大图上方还是下方。
• 输出：click_positions点击坐标列表。

⚠️ 验证码识别依赖云端接口，请遵守目标网站的使用条款，仅用于合法自动化测试与自有业务场景。

🔤 OCR 文字识别：开放平台通用文本识别

除了图形识别，AstronRPA 的 AI 服务还开放了OCR 通用文本识别接口：上传图片即可提取其中文字，适用于报表截图、PDF 转文字、表单内容抓取等场景。

• 接口路由：POST /ocr/general，实现在 ocr.py
• 请求体/响应体定义见 schemas/ocr.py
• 识别成功后按用量自动扣减点数（积分逻辑见 points.py）

典型组合玩法：CV 组件截屏定位 → OCR 识别屏幕文字 → 判断结果 → 自动执行下一步操作，实现"看懂屏幕"的完整视觉闭环。

❓ 常见问题 FAQ

Q1：图片匹配总是失败？先检查目标窗口是否在前台激活（CV 组件在当前激活窗口中检索）；再适当调低「匹配相似度」；确认截取的图片与屏幕实际分辨率一致（缩放过的屏幕会导致尺寸变化）。

Q2：滑块验证码拖不到准确位置？启用高级项「偏移量（px）」微调；变速验证码记得拾取滑动小图并把「微调步长」调小（如 3-5px）提升精度。

Q3：CV 组件能用于网页吗？可以。网页中 Canvas 渲染、无稳定 DOM 的元素，正是图片匹配的强项；常规 DOM 元素建议优先使用浏览器组件的 WebPick 拾取，成功率更高。

Q4：验证码识别准确吗？通用类型识别率较高，但变形严重、背景干扰极强的验证码可能失败，建议配合「失败重试」分支（CV.is_image_exist判断 + 循环）兜底。

📌 小结

AstronRPA 把最头疼的视觉识别、验证码破解、OCR 三大能力做成了开箱即用的组件：CV 组件负责"看见"，VerifyCode 组件负责"过关"，AI 服务负责"读懂"。配合浏览器插件与图形库拾取功能，哪怕零代码基础，也能在几十分钟内搭出第一套稳定的自动化流程。动手试试吧！

【免费下载链接】astron-rpaAgent-ready RPA suite with out-of-the-box automation tools. Built for individuals and enterprises.项目地址: https://gitcode.com/bijinfeng/astron-rpa