1. 项目概述当定时任务遇上验证码做自动化运维或者日常办公的朋友肯定都遇到过定时任务的需求。比如每天凌晨备份数据库每周一生成一份报表或者像我最近遇到的一个更“接地气”的需求每天自动登录某个需要验证码的网站完成签到获取积分或奖励。手动操作不仅枯燥还容易忘记。传统的解决方案要么是在自己的服务器上跑个cron任务要么用一些云函数服务。但这些方案要么有服务器成本要么配置起来略显繁琐。直到我把目光投向了GitHub Actions。这个原本为CI/CD持续集成/持续部署而生的工具其免费、稳定且功能强大的定时任务schedule触发机制让它成为了执行周期性任务的绝佳选择。更妙的是它提供了一个干净、隔离的Linux运行环境我们可以在这个环境里运行任何脚本包括处理最让人头疼的验证码识别。这个项目的核心就是利用GitHub Actions的schedule触发器结合Python脚本和验证码识别技术实现一个全自动、零成本的签到机器人。它完全运行在GitHub的服务器上你不需要为此支付一分钱也不需要维护任何服务器只需要有一个GitHub账号和一个代码仓库即可。听起来是不是很心动接下来我就带你从零开始拆解这个项目的每一个技术环节分享我踩过的坑和积累的经验让你也能轻松搭建属于自己的“赛博劳工”。2. 核心思路与技术选型解析2.1 为什么选择GitHub Actions在决定技术方案前我评估过几种常见的方案自建服务器 Cron最传统但需要服务器成本电费或云主机费用和运维精力系统更新、网络维护。云函数如AWS Lambda 腾讯云SCF无服务器架构按需付费。但对于高频次如每天一次的定时任务虽然费用极低但配置和调试环境有时不如GitHub Actions直观且可能有冷启动延迟。第三方定时任务服务一些网站提供HTTP调用式的定时任务但通常功能单一难以执行复杂的、需要依赖库的脚本。GitHub Actions的独特优势在于完全免费对于公开仓库每月有2000分钟的免费额度。一个每天运行1分钟的签到任务一个月仅消耗约30分钟绰绰有余。私有仓库也有一定免费额度。环境可靠GitHub提供稳定、干净的ubuntu-latest等标准运行环境无需担心系统环境差异。集成度高代码、配置、执行日志全部在GitHub仓库内管理版本清晰协作方便。功能强大不仅仅是定时触发还可以由push、pull_request等事件触发方便调试和扩展。因此对于这类轻量级、周期性、且希望零成本、易维护的自动化任务GitHub Actions几乎是目前的最优解。2.2 验证码处理方案选型验证码是自动签到最大的拦路虎。处理验证码通常有以下几种思路我们需要根据目标网站验证码的复杂程度进行选择OCR识别适用于简单的数字、字母扭曲、干扰线较少的图片验证码。这是成本最低、实现最快的方案。机器学习/深度学习模型适用于复杂的字符粘连、扭曲变形、背景干扰强的验证码。需要收集数据、训练模型门槛较高。第三方打码平台调用商业API由人工或高精度模型进行识别按次收费。识别率高但会产生费用且依赖外部服务。绕过策略检查是否有其他无需验证码的API接口可以完成签到或者验证码是否在首次登录后的Cookie有效期内不再校验。对于大多数个人网站的签到场景验证码通常不会设计得极其复杂否则用户体验太差因此方案1OCR往往是首选。如果OCR失败再考虑方案4寻找替代接口最后才是方案3。方案2对于一次性任务来说投入产出比太低。在本项目中我将以最通用的OCR方案为例进行详解并会分享当OCR失效时的排查思路和备选方案。2.3 整体架构设计整个项目的运行流程可以概括为以下几步这构成了我们编写GitHub Actions工作流和本地脚本的基本逻辑定时触发GitHub Actions 根据设定的Cron表达式如0 0 * * *代表每天UTC时间0点启动一个虚拟机运行器。环境准备运行器拉取我们的代码仓库并按照我们的配置安装必要的环境如Python、Chrome浏览器用于模拟浏览器行为等。执行签到脚本运行我们编写好的Python脚本。脚本的核心任务是 a. 模拟访问目标网站登录页面。 b. 定位并下载验证码图片。 c. 调用OCR库识别验证码。 d. 填充识别结果、用户名、密码并提交表单。 e. 检查返回结果判断签到是否成功。结果通知将脚本执行的成功/失败结果通过邮件、钉钉、Telegram Bot或GitHub Issues等方式通知我们。日志留存整个过程的详细日志会保存在GitHub Actions的运行记录中方便日后排查问题。3. 环境与工具准备详解3.1 创建GitHub仓库与敏感信息保护首先你需要在GitHub上创建一个新的仓库Public或Private均可。代码将存放在这里。一个至关重要的安全步骤是如何处理账号密码等敏感信息绝对不要将用户名、密码、API密钥等明文写在代码或配置文件中一旦提交到公开仓库这些信息就泄露了。GitHub提供了Secrets功能来解决这个问题。它允许你在仓库设置中存储加密的敏感信息然后在GitHub Actions工作流文件中通过${{ secrets.KEY_NAME }}的方式引用在运行时注入环境变量。这样敏感信息只会出现在GitHub的服务器端不会暴露在代码历史记录里。实操心得即使你的仓库是私有的也强烈建议使用Secrets。这是一个良好的安全习惯。你可以为签到任务创建如SITE_USERNAME、SITE_PASSWORD等Secret。3.2 核心工具链选择Selenium与OCR我们的Python脚本需要完成“模拟浏览器”和“识别图片”两大任务。浏览器自动化SeleniumSelenium是Web自动化测试的标准工具它可以驱动真实的浏览器如Chrome, Firefox进行点击、输入、跳转等操作完美模拟人类行为。相比于requests库直接发送HTTP请求Selenium能更好地处理由JavaScript动态生成的内容比如很多验证码图片的src就是JS生成的虽然速度稍慢但成功率更高。配套工具我们需要安装selenium库以及对应的浏览器驱动chromedriver。幸运的是GitHub Actions的常用环境里通常已经预装了Chrome我们只需要用apt安装chromedriver即可。验证码识别Tesseract与pytesseractTesseract是一个开源的OCR引擎由Google维护识别英文和数字效果不错。pytesseract是它的Python封装库。安装在GitHub Actions环境中我们需要安装Tesseract引擎及其语言包然后在Python中安装pytesseract和图像处理库Pillow。局限性Tesseract对简单的验证码有效但如果验证码有复杂的背景、扭曲、粘连识别率会急剧下降。这时就需要先对图片进行预处理。3.3 图像预处理提升OCR识别率的秘诀直接拿到的验证码图片丢给Tesseract效果往往很差。我们必须先对图片进行“清洗”。以下是我常用的预处理流水线通过Pillow库实现灰度化将彩色图转为灰度图减少颜色维度。image.convert(L)二值化设定一个阈值将灰度图转为纯黑白图突出字符。point(lambda x: 0 if x 128 else 255, 1)。阈值128需要根据具体图片调整。降噪去除孤立的黑白点。可以使用中值滤波ImageFilter.MedianFilter()或腐蚀膨胀等形态学操作需OpenCV。裁剪如果验证码图片周围有大量空白或干扰边框可以将其裁剪掉只保留字符区域。预处理没有标准答案需要你下载几个目标网站的验证码图片用图像编辑软件或写个小脚本反复尝试不同的参数组合观察处理后的效果直到字符清晰、背景干净为止。避坑指南很多验证码为了防OCR会增加干扰线或干扰点。对于细小的干扰点二值化配合降噪通常能解决。对于颜色与字符接近的干扰线可以尝试在灰度化前先分析图片的RGB或HSV通道找到验证码字符与背景/干扰线差异最大的那个通道进行提取这招往往有奇效。4. GitHub Actions工作流配置实战4.1 编写核心工作流文件在你的GitHub仓库根目录下创建.github/workflows/auto-signin.yml文件。YAML的语法缩进非常严格建议使用空格而非Tab。name: Daily Auto Sign-in # 工作流的名称会在Actions页面显示 on: schedule: # 每天UTC时间0点北京时间早上8点运行。Cron表达式在线工具很多可以方便生成。 - cron: 0 0 * * * workflow_dispatch: # 允许手动触发方便测试 push: branches: [ main ] # 当代码推送到main分支时也运行用于调试 jobs: signin: runs-on: ubuntu-latest # 使用最新的Ubuntu系统作为运行环境 steps: # 步骤1检出代码 - name: Checkout repository uses: actions/checkoutv4 # 步骤2设置Python环境 - name: Set up Python uses: actions/setup-pythonv5 with: python-version: 3.10 # 指定Python版本 # 步骤3安装系统依赖Chrome, Tesseract等 - name: Install system dependencies run: | sudo apt-get update sudo apt-get install -y chromium-browser chromium-chromedriver tesseract-ocr tesseract-ocr-eng tesseract-ocr-chi-sim # 安装Chrome、驱动、Tesseract及中英文语言包 # 步骤4安装Python依赖包 - name: Install Python dependencies run: | python -m pip install --upgrade pip pip install selenium pillow pytesseract requests # 步骤5执行签到脚本并传入Secrets作为环境变量 - name: Run sign-in script env: # 将仓库Secrets注入为环境变量脚本中可以用 os.environ 读取 USERNAME: ${{ secrets.SITE_USERNAME }} PASSWORD: ${{ secrets.SITE_PASSWORD }} run: python scripts/auto_signin.py # 假设脚本放在 scripts 目录下 # 步骤6可选发送通知这里以生成一个GitHub Issue为例 - name: Create Issue on Failure if: failure() # 只有当前面的步骤失败时才运行此步骤 uses: actions/github-scriptv6 with: script: | github.rest.issues.create({ owner: context.repo.owner, repo: context.repo.repo, title: 自动签到任务失败 - ${new Date().toLocaleString()}, body: 签到脚本执行失败请检查日志。\n\n工作流运行链接${context.serverUrl}/${context.repo.owner}/${context.repo.repo}/actions/runs/${context.runId} })4.2 Cron表达式与时区陷阱GitHub Actions的schedule使用的是协调世界时UTC。如果你在中国需要将你的本地时间转换为UTC时间。例如你想在北京时间早上8点执行那么UTC时间就是0 0 * * *即UTC 0点。你可以使用schedule语法来设置更复杂的定时比如0 8,20 * * *表示每天UTC时间8点和20点各执行一次。务必使用在线Cron表达式生成器进行验证。注意事项GitHub Actions的定时触发并非毫秒级精确。官方文档说明它可能在预定时间后的几分钟内触发。这对于签到任务来说通常可以接受。如果你需要非常精确的执行可能需要考虑其他方案。4.3 依赖管理与缓存优化上面的工作流每次运行都会从头安装所有依赖这可能会消耗一些时间1-2分钟。为了加速执行我们可以利用GitHub Actions的缓存功能。可以为Python的pip包和系统的apt包设置缓存。但需要注意的是缓存键key的设计要合理当依赖文件如requirements.txt或系统版本变化时缓存应自动失效并更新。# 在“安装Python依赖包”步骤前加入缓存步骤示例 - name: Cache pip packages uses: actions/cachev3 with: path: ~/.cache/pip key: ${{ runner.os }}-pip-${{ hashFiles(requirements.txt) }} restore-keys: | ${{ runner.os }}-pip- # 在“安装系统依赖”步骤前加入缓存步骤示例谨慎使用因为系统包更新不频繁但体积大 - name: Cache apt packages uses: actions/cachev3 with: path: /var/cache/apt/archives key: ${{ runner.os }}-apt-${{ hashFiles(**/apt-packages.txt) }} # 需要一个记录包列表的文件对于轻量级任务是否缓存带来的时间节省可能并不明显但了解这个机制对构建复杂工作流很有帮助。5. 签到脚本开发与核心代码解析现在我们来编写核心的Python脚本scripts/auto_signin.py。这个脚本将完成所有的自动化操作。5.1 脚本结构与基础配置#!/usr/bin/env python3 # -*- coding: utf-8 -*- import os import time import logging 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.common.exceptions import TimeoutException, NoSuchElementException import pytesseract from PIL import Image, ImageFilter, ImageEnhance import requests from io import BytesIO # 配置日志方便在GitHub Actions中查看详细过程 logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) # 从环境变量读取敏感信息在GitHub Actions中通过Secrets注入 USERNAME os.environ.get(SITE_USERNAME) PASSWORD os.environ.get(SITE_PASSWORD) LOGIN_URL https://example.com/login # 替换为目标网站登录页地址 SIGNIN_URL https://example.com/signin # 替换为目标网站签到页地址如果和登录不同 if not USERNAME or not PASSWORD: logger.error(未找到用户名或密码环境变量请检查GitHub Secrets设置。) exit(1) def init_driver(): 初始化Selenium WebDriver配置无头模式等选项 options webdriver.ChromeOptions() options.add_argument(--headless) # 无头模式不显示图形界面适合服务器 options.add_argument(--no-sandbox) # 解决在容器内运行的权限问题 options.add_argument(--disable-dev-shm-usage) # 解决共享内存问题 options.add_argument(--disable-gpu) # 禁用GPU在无头模式下有时需要 options.add_argument(--window-size1920,1080) # 设置窗口大小确保元素正常加载 # 注意在GitHub Actions环境中chromedriver通常已在PATH中 driver webdriver.Chrome(optionsoptions) driver.implicitly_wait(10) # 设置隐式等待时间秒 return driver5.2 验证码获取、预处理与识别函数这是整个脚本的技术核心其效果直接决定成功率。def get_and_recognize_captcha(driver, captcha_element): 从页面中获取验证码图片元素进行预处理然后识别。 :param driver: WebDriver实例 :param captcha_element: 验证码图片的WebElement对象或定位器 :return: 识别出的验证码字符串 try: # 1. 获取验证码图片的src属性可能是Base64或URL if isinstance(captcha_element, tuple): # 如果传入的是定位器如 (By.ID, captcha_img) img_element WebDriverWait(driver, 10).until( EC.presence_of_element_located(captcha_element) ) else: img_element captcha_element img_src img_element.get_attribute(src) logger.info(f获取到验证码图片源: {img_src[:50]}...) # 只打印前50字符 # 2. 下载图片 if img_src.startswith(data:image): # 处理Base64格式的图片 import base64 header, data img_src.split(,, 1) image_data base64.b64decode(data) else: # 处理URL格式的图片注意可能需要处理相对路径和Cookie session requests.Session() # 将浏览器的Cookie同步到requests session用于需要登录态才能访问的验证码 for cookie in driver.get_cookies(): session.cookies.set(cookie[name], cookie[value]) response session.get(img_src if img_src.startswith(http) else driver.current_url.rsplit(/, 1)[0] / img_src) image_data response.content # 3. 使用Pillow打开图片并进行预处理 image Image.open(BytesIO(image_data)) # 保存原始图片用于调试可选 # image.save(captcha_raw.png) # 预处理流水线开始 # a. 转为灰度图 image image.convert(L) # b. 提高对比度根据实际情况调整因子 enhancer ImageEnhance.Contrast(image) image enhancer.enhance(2.0) # 增强2倍对比度 # c. 二值化阈值需要根据具体图片调整这里是一个示例 threshold 150 image image.point(lambda x: 0 if x threshold else 255) # d. 降噪中值滤波 image image.filter(ImageFilter.MedianFilter(size3)) # e. 可选裁剪掉多余白边 # bbox image.getbbox() # if bbox: # image image.crop(bbox) # 保存处理后的图片用于调试可选 # image.save(captcha_processed.png) # 4. 使用Tesseract进行OCR识别 # 配置Tesseract参数例如只识别数字--psm 7 digits # psm 7 表示将图像视为单行文本 custom_config r--oem 3 --psm 7 -c tessedit_char_whitelist0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ captcha_text pytesseract.image_to_string(image, configcustom_config) captcha_text captcha_text.strip() # 去除首尾空白字符 logger.info(f验证码识别结果: {captcha_text}) return captcha_text except Exception as e: logger.error(f验证码识别过程出错: {e}) # 可以在这里加入重试逻辑或者返回空字符串/None触发后续处理 return None5.3 完整的签到流程整合将上述函数组合起来形成完整的自动化流程。def perform_signin(): 执行完整的签到流程 driver None try: driver init_driver() logger.info(浏览器初始化成功。) # Step 1: 访问登录页面 logger.info(f正在访问登录页面: {LOGIN_URL}) driver.get(LOGIN_URL) time.sleep(2) # 等待页面加载可配合WebDriverWait优化 # Step 2: 定位页面元素这里需要你根据目标网站的实际HTML结构修改 # 使用浏览器的开发者工具F12查看元素的id, name, class, xpath等。 username_input driver.find_element(By.ID, username) # 替换为实际的元素定位方式 password_input driver.find_element(By.ID, password) captcha_img driver.find_element(By.ID, captchaImage) # 验证码图片元素 captcha_input driver.find_element(By.ID, captcha) submit_button driver.find_element(By.XPATH, //button[typesubmit]) # Step 3: 识别验证码 captcha_text get_and_recognize_captcha(driver, captcha_img) if not captcha_text: logger.error(验证码识别失败退出。) # 可以尝试刷新验证码重试 refresh_btn driver.find_element(By.LINK_TEXT, 换一张) refresh_btn.click() time.sleep(1) captcha_text get_and_recognize_captcha(driver, captcha_img) if not captcha_text: raise ValueError(重试后验证码识别仍失败。) # Step 4: 填写表单并提交 username_input.send_keys(USERNAME) password_input.send_keys(PASSWORD) captcha_input.send_keys(captcha_text) time.sleep(0.5) # 短暂停顿模拟人类操作 submit_button.click() # Step 5: 等待登录后页面跳转或出现成功元素并检查签到状态 # 方法一等待特定元素出现例如用户昵称 try: WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.CLASS_NAME, user-nickname)) ) logger.info(登录成功) except TimeoutException: logger.warning(登录后预期元素未出现可能登录失败或页面结构不同。) # 方法二如果签到是独立页面则导航过去 if SIGNIN_URL: driver.get(SIGNIN_URL) time.sleep(2) # 查找并点击签到按钮 signin_btn driver.find_element(By.XPATH, //a[contains(text(), 签到)]) signin_btn.click() time.sleep(2) # 检查签到成功提示根据网站实际提示修改 success_msg driver.find_element(By.ID, success-message) if 签到成功 in success_msg.text: logger.info(每日签到成功) else: logger.warning(签到操作完成但未检测到明确成功提示。) # Step 6: 可选截图保存作为凭证 driver.save_screenshot(signin_success.png) logger.info(流程执行完毕已截图。) except NoSuchElementException as e: logger.error(f未在页面上找到预期元素可能是网站结构已更改: {e}) if driver: driver.save_screenshot(error_element_not_found.png) except TimeoutException as e: logger.error(f页面加载或元素等待超时: {e}) except Exception as e: logger.error(f签到流程执行过程中发生未知错误: {e}, exc_infoTrue) # exc_info会打印详细堆栈 finally: if driver: driver.quit() logger.info(浏览器已关闭。) if __name__ __main__: perform_signin()6. 调试、监控与高级技巧6.1 本地调试与问题排查在将脚本提交到GitHub之前强烈建议在本地进行调试。环境准备在本地安装Python、Chrome、chromedriver需与Chrome版本匹配、Tesseract。模拟运行在本地命令行运行python scripts/auto_signin.py。确保USERNAME和PASSWORD已设置为环境变量如export SITE_USERNAMEyour_name。禁用无头模式在init_driver()函数中注释掉options.add_argument(--headless)这一行。这样浏览器窗口会弹出来你可以直观地看到脚本每一步的操作这对于调试元素定位和验证码识别流程至关重要。保存中间图片利用代码中注释掉的image.save(...)功能将原始和处理后的验证码图片保存下来用肉眼检查预处理效果调整阈值、对比度等参数。使用pdb或IDE调试在关键步骤设置断点检查变量状态。6.2 GitHub Actions日志分析与监控提交代码后GitHub Actions会自动运行。你需要密切关注其运行日志。查看日志在仓库的Actions标签页下点击最近的工作流运行可以查看每一步的详细输出。排查失败如果运行失败日志会显示错误信息。常见问题包括依赖安装失败网络问题或包名错误。元素定位失败网站HTML结构变化需要更新脚本中的定位器如By.ID的值。这是脚本失效的最常见原因。验证码识别率低OCR返回空字符串或错误结果。需要优化预处理参数或者考虑验证码是否已升级。超时网络缓慢或网站响应慢可以适当增加WebDriverWait和time.sleep的等待时间。6.3 提升稳定性的高级策略重试机制对于网络请求、验证码识别、点击按钮等可能瞬时失败的操作加入重试逻辑如retrying库。验证码识别备用方案多引擎备用除了Tesseract可以集成ddddocr一个基于深度学习的开源OCR库对某些验证码效果更好作为备选。先尝试A失败后尝试B。人工兜底如果连续多次识别失败可以将验证码图片和上下文信息通过通知如邮件发送给你进行人工识别然后将结果通过另一个接口回传给脚本。这需要更复杂的架构。心跳与健康检查可以定期比如每周一次运行一个简单的“检查登录状态”的任务确保Cookie未失效。如果失效则触发完整的登录流程更新Cookie并保存到GitHub Secrets或仓库的加密文件中需谨慎。使用更稳定的定位方式优先使用id、name定位其次是用css selector最后才是xpath。xpath虽然强大但容易因页面微小变动而失效。6.4 通知渠道扩展除了示例中失败时创建GitHub Issue你还可以集成更及时的通知邮件通知使用actions/setup-python安装smtplib库配置邮箱SMTP信息通过Secrets存储在任务完成或失败时发送邮件。钉钉/飞书群机器人在脚本最后通过requests库向群机器人的Webhook地址发送一个POST请求包含执行结果。Server酱、PushPlus等推送服务这类服务提供了简单的API可以将消息推送到微信。将通知步骤放在工作流文件的最后根据if: success()或if: failure()条件来触发不同的通知内容。7. 常见问题与排查技巧实录即使按照上述步骤操作在实际部署中你仍可能会遇到各种问题。下面是我在实践中总结的一些典型问题及其解决方法整理成速查表方便你遇到问题时快速对照。问题现象可能原因排查步骤与解决方案GitHub Actions 运行失败报错Chrome failed to startChrome或chromedriver未正确安装或缺少依赖库。1. 检查工作流中Install system dependencies步骤的日志确认chromium-browser和chromium-chromedriver安装成功。2. 确保options.add_argument(--no-sandbox)和--disable-dev-shm-usage已添加这对容器环境至关重要。3. 尝试指定chromedriver路径driver webdriver.Chrome(executable_path/usr/bin/chromedriver, optionsoptions)。脚本在本地成功在Actions上失败提示找不到元素1. 页面加载速度慢元素还未出现。2. 网站检测到自动化脚本返回了不同的页面结构。1.增加等待时间将time.sleep(2)适当加长或更优解是使用WebDriverWait配合EC.presence_of_element_located。2.添加User-Agent在ChromeOptions中添加options.add_argument(user-agentMozilla/5.0 ...)模拟真实浏览器。3.禁用自动化特征添加options.add_experimental_option(excludeSwitches, [enable-automation])和options.add_experimental_option(useAutomationExtension, False)。验证码识别结果始终为空或错误百出1. 图片预处理参数不适合当前验证码。2. 验证码图片本身是动态生成的每次请求的图片链接不变缓存。3. Tesseract语言包未安装。1.本地调试预处理在本地保存图片手动调整灰度化、二值化的阈值、对比度增强因子等直到肉眼看着清晰。2.处理缓存在获取验证码图片的URL后附加一个随机参数如img_src ?t str(time.time())强制浏览器获取新图片。3.检查语言包确保工作流中安装了tesseract-ocr-eng英文和tesseract-ocr-chi-sim简体中文如果验证码含中文必须安装后者。登录提交后页面提示“验证码错误”1. OCR识别错误。2. 网站有防重放机制验证码一次有效识别过程耗时过长导致过期。3. 提交的表单数据缺少隐藏字段如csrf_token。1.提高识别率优化预处理或引入备用OCR引擎。2.加速流程减少不必要的sleep识别后立即提交。3.检查网络请求在本地有浏览器界面时使用开发者工具的“网络(Network)”选项卡记录一次手动登录的正确请求对比你的脚本提交的数据特别是所有input字段查漏补缺。任务偶尔成功大部分时间失败1. 网站服务器不稳定响应超时。2. 存在IP访问频率限制。3. 会话(Cookie)管理问题。1.加入重试在网络请求和关键操作步骤外包裹重试装饰器。2.降低频率如果定时任务太密集考虑拉长执行间隔。3.保持会话确保driver实例在整个流程中未意外重启所有操作在同一个driver上下文中进行以维持Cookie。如何知道签到是否真的成功了脚本缺乏明确的成功校验逻辑。在提交签到请求后主动寻找成功提示。例如1. 等待某个包含“成功”、“获得XX积分”等文本的元素出现。2. 检查页面URL是否跳转到特定成功页面。3. 在关键步骤后截图(driver.save_screenshot)人工复查Actions的运行日志和截图。终极调试技巧当所有逻辑都正确但脚本就是不工作时在Actions工作流中临时禁用无头模式并启用VNC虽然GitHub Actions原生不支持直接显示界面但可以通过xvfb等虚拟帧缓冲器配合截图。更简单粗暴的方法是在脚本的每一个关键步骤之后如打开页面、找到元素、识别验证码、提交表单都用driver.save_screenshot(step1.png)保存一张截图。然后去Actions的日志里下载这些截图像看连环画一样复盘整个自动化过程你能清晰地看到脚本“眼中”的页面是什么样子问题往往就藏在这些截图里。通过这个项目你不仅学会了一个具体的自动化签到技能更重要的是掌握了一套基于GitHub Actions的通用定时任务解决方案以及处理Web自动化和简单验证码识别的完整方法论。这套方法稍加修改就能应用到数据抓取、监控报警、定期备份等无数场景中。自动化不是为了偷懒而是为了把宝贵的时间和精力从重复劳动中解放出来投入到更有创造性的工作中去。 GitHub Actions定时任务实战：Python自动化签到与验证码识别
1. 项目概述当定时任务遇上验证码做自动化运维或者日常办公的朋友肯定都遇到过定时任务的需求。比如每天凌晨备份数据库每周一生成一份报表或者像我最近遇到的一个更“接地气”的需求每天自动登录某个需要验证码的网站完成签到获取积分或奖励。手动操作不仅枯燥还容易忘记。传统的解决方案要么是在自己的服务器上跑个cron任务要么用一些云函数服务。但这些方案要么有服务器成本要么配置起来略显繁琐。直到我把目光投向了GitHub Actions。这个原本为CI/CD持续集成/持续部署而生的工具其免费、稳定且功能强大的定时任务schedule触发机制让它成为了执行周期性任务的绝佳选择。更妙的是它提供了一个干净、隔离的Linux运行环境我们可以在这个环境里运行任何脚本包括处理最让人头疼的验证码识别。这个项目的核心就是利用GitHub Actions的schedule触发器结合Python脚本和验证码识别技术实现一个全自动、零成本的签到机器人。它完全运行在GitHub的服务器上你不需要为此支付一分钱也不需要维护任何服务器只需要有一个GitHub账号和一个代码仓库即可。听起来是不是很心动接下来我就带你从零开始拆解这个项目的每一个技术环节分享我踩过的坑和积累的经验让你也能轻松搭建属于自己的“赛博劳工”。2. 核心思路与技术选型解析2.1 为什么选择GitHub Actions在决定技术方案前我评估过几种常见的方案自建服务器 Cron最传统但需要服务器成本电费或云主机费用和运维精力系统更新、网络维护。云函数如AWS Lambda 腾讯云SCF无服务器架构按需付费。但对于高频次如每天一次的定时任务虽然费用极低但配置和调试环境有时不如GitHub Actions直观且可能有冷启动延迟。第三方定时任务服务一些网站提供HTTP调用式的定时任务但通常功能单一难以执行复杂的、需要依赖库的脚本。GitHub Actions的独特优势在于完全免费对于公开仓库每月有2000分钟的免费额度。一个每天运行1分钟的签到任务一个月仅消耗约30分钟绰绰有余。私有仓库也有一定免费额度。环境可靠GitHub提供稳定、干净的ubuntu-latest等标准运行环境无需担心系统环境差异。集成度高代码、配置、执行日志全部在GitHub仓库内管理版本清晰协作方便。功能强大不仅仅是定时触发还可以由push、pull_request等事件触发方便调试和扩展。因此对于这类轻量级、周期性、且希望零成本、易维护的自动化任务GitHub Actions几乎是目前的最优解。2.2 验证码处理方案选型验证码是自动签到最大的拦路虎。处理验证码通常有以下几种思路我们需要根据目标网站验证码的复杂程度进行选择OCR识别适用于简单的数字、字母扭曲、干扰线较少的图片验证码。这是成本最低、实现最快的方案。机器学习/深度学习模型适用于复杂的字符粘连、扭曲变形、背景干扰强的验证码。需要收集数据、训练模型门槛较高。第三方打码平台调用商业API由人工或高精度模型进行识别按次收费。识别率高但会产生费用且依赖外部服务。绕过策略检查是否有其他无需验证码的API接口可以完成签到或者验证码是否在首次登录后的Cookie有效期内不再校验。对于大多数个人网站的签到场景验证码通常不会设计得极其复杂否则用户体验太差因此方案1OCR往往是首选。如果OCR失败再考虑方案4寻找替代接口最后才是方案3。方案2对于一次性任务来说投入产出比太低。在本项目中我将以最通用的OCR方案为例进行详解并会分享当OCR失效时的排查思路和备选方案。2.3 整体架构设计整个项目的运行流程可以概括为以下几步这构成了我们编写GitHub Actions工作流和本地脚本的基本逻辑定时触发GitHub Actions 根据设定的Cron表达式如0 0 * * *代表每天UTC时间0点启动一个虚拟机运行器。环境准备运行器拉取我们的代码仓库并按照我们的配置安装必要的环境如Python、Chrome浏览器用于模拟浏览器行为等。执行签到脚本运行我们编写好的Python脚本。脚本的核心任务是 a. 模拟访问目标网站登录页面。 b. 定位并下载验证码图片。 c. 调用OCR库识别验证码。 d. 填充识别结果、用户名、密码并提交表单。 e. 检查返回结果判断签到是否成功。结果通知将脚本执行的成功/失败结果通过邮件、钉钉、Telegram Bot或GitHub Issues等方式通知我们。日志留存整个过程的详细日志会保存在GitHub Actions的运行记录中方便日后排查问题。3. 环境与工具准备详解3.1 创建GitHub仓库与敏感信息保护首先你需要在GitHub上创建一个新的仓库Public或Private均可。代码将存放在这里。一个至关重要的安全步骤是如何处理账号密码等敏感信息绝对不要将用户名、密码、API密钥等明文写在代码或配置文件中一旦提交到公开仓库这些信息就泄露了。GitHub提供了Secrets功能来解决这个问题。它允许你在仓库设置中存储加密的敏感信息然后在GitHub Actions工作流文件中通过${{ secrets.KEY_NAME }}的方式引用在运行时注入环境变量。这样敏感信息只会出现在GitHub的服务器端不会暴露在代码历史记录里。实操心得即使你的仓库是私有的也强烈建议使用Secrets。这是一个良好的安全习惯。你可以为签到任务创建如SITE_USERNAME、SITE_PASSWORD等Secret。3.2 核心工具链选择Selenium与OCR我们的Python脚本需要完成“模拟浏览器”和“识别图片”两大任务。浏览器自动化SeleniumSelenium是Web自动化测试的标准工具它可以驱动真实的浏览器如Chrome, Firefox进行点击、输入、跳转等操作完美模拟人类行为。相比于requests库直接发送HTTP请求Selenium能更好地处理由JavaScript动态生成的内容比如很多验证码图片的src就是JS生成的虽然速度稍慢但成功率更高。配套工具我们需要安装selenium库以及对应的浏览器驱动chromedriver。幸运的是GitHub Actions的常用环境里通常已经预装了Chrome我们只需要用apt安装chromedriver即可。验证码识别Tesseract与pytesseractTesseract是一个开源的OCR引擎由Google维护识别英文和数字效果不错。pytesseract是它的Python封装库。安装在GitHub Actions环境中我们需要安装Tesseract引擎及其语言包然后在Python中安装pytesseract和图像处理库Pillow。局限性Tesseract对简单的验证码有效但如果验证码有复杂的背景、扭曲、粘连识别率会急剧下降。这时就需要先对图片进行预处理。3.3 图像预处理提升OCR识别率的秘诀直接拿到的验证码图片丢给Tesseract效果往往很差。我们必须先对图片进行“清洗”。以下是我常用的预处理流水线通过Pillow库实现灰度化将彩色图转为灰度图减少颜色维度。image.convert(L)二值化设定一个阈值将灰度图转为纯黑白图突出字符。point(lambda x: 0 if x 128 else 255, 1)。阈值128需要根据具体图片调整。降噪去除孤立的黑白点。可以使用中值滤波ImageFilter.MedianFilter()或腐蚀膨胀等形态学操作需OpenCV。裁剪如果验证码图片周围有大量空白或干扰边框可以将其裁剪掉只保留字符区域。预处理没有标准答案需要你下载几个目标网站的验证码图片用图像编辑软件或写个小脚本反复尝试不同的参数组合观察处理后的效果直到字符清晰、背景干净为止。避坑指南很多验证码为了防OCR会增加干扰线或干扰点。对于细小的干扰点二值化配合降噪通常能解决。对于颜色与字符接近的干扰线可以尝试在灰度化前先分析图片的RGB或HSV通道找到验证码字符与背景/干扰线差异最大的那个通道进行提取这招往往有奇效。4. GitHub Actions工作流配置实战4.1 编写核心工作流文件在你的GitHub仓库根目录下创建.github/workflows/auto-signin.yml文件。YAML的语法缩进非常严格建议使用空格而非Tab。name: Daily Auto Sign-in # 工作流的名称会在Actions页面显示 on: schedule: # 每天UTC时间0点北京时间早上8点运行。Cron表达式在线工具很多可以方便生成。 - cron: 0 0 * * * workflow_dispatch: # 允许手动触发方便测试 push: branches: [ main ] # 当代码推送到main分支时也运行用于调试 jobs: signin: runs-on: ubuntu-latest # 使用最新的Ubuntu系统作为运行环境 steps: # 步骤1检出代码 - name: Checkout repository uses: actions/checkoutv4 # 步骤2设置Python环境 - name: Set up Python uses: actions/setup-pythonv5 with: python-version: 3.10 # 指定Python版本 # 步骤3安装系统依赖Chrome, Tesseract等 - name: Install system dependencies run: | sudo apt-get update sudo apt-get install -y chromium-browser chromium-chromedriver tesseract-ocr tesseract-ocr-eng tesseract-ocr-chi-sim # 安装Chrome、驱动、Tesseract及中英文语言包 # 步骤4安装Python依赖包 - name: Install Python dependencies run: | python -m pip install --upgrade pip pip install selenium pillow pytesseract requests # 步骤5执行签到脚本并传入Secrets作为环境变量 - name: Run sign-in script env: # 将仓库Secrets注入为环境变量脚本中可以用 os.environ 读取 USERNAME: ${{ secrets.SITE_USERNAME }} PASSWORD: ${{ secrets.SITE_PASSWORD }} run: python scripts/auto_signin.py # 假设脚本放在 scripts 目录下 # 步骤6可选发送通知这里以生成一个GitHub Issue为例 - name: Create Issue on Failure if: failure() # 只有当前面的步骤失败时才运行此步骤 uses: actions/github-scriptv6 with: script: | github.rest.issues.create({ owner: context.repo.owner, repo: context.repo.repo, title: 自动签到任务失败 - ${new Date().toLocaleString()}, body: 签到脚本执行失败请检查日志。\n\n工作流运行链接${context.serverUrl}/${context.repo.owner}/${context.repo.repo}/actions/runs/${context.runId} })4.2 Cron表达式与时区陷阱GitHub Actions的schedule使用的是协调世界时UTC。如果你在中国需要将你的本地时间转换为UTC时间。例如你想在北京时间早上8点执行那么UTC时间就是0 0 * * *即UTC 0点。你可以使用schedule语法来设置更复杂的定时比如0 8,20 * * *表示每天UTC时间8点和20点各执行一次。务必使用在线Cron表达式生成器进行验证。注意事项GitHub Actions的定时触发并非毫秒级精确。官方文档说明它可能在预定时间后的几分钟内触发。这对于签到任务来说通常可以接受。如果你需要非常精确的执行可能需要考虑其他方案。4.3 依赖管理与缓存优化上面的工作流每次运行都会从头安装所有依赖这可能会消耗一些时间1-2分钟。为了加速执行我们可以利用GitHub Actions的缓存功能。可以为Python的pip包和系统的apt包设置缓存。但需要注意的是缓存键key的设计要合理当依赖文件如requirements.txt或系统版本变化时缓存应自动失效并更新。# 在“安装Python依赖包”步骤前加入缓存步骤示例 - name: Cache pip packages uses: actions/cachev3 with: path: ~/.cache/pip key: ${{ runner.os }}-pip-${{ hashFiles(requirements.txt) }} restore-keys: | ${{ runner.os }}-pip- # 在“安装系统依赖”步骤前加入缓存步骤示例谨慎使用因为系统包更新不频繁但体积大 - name: Cache apt packages uses: actions/cachev3 with: path: /var/cache/apt/archives key: ${{ runner.os }}-apt-${{ hashFiles(**/apt-packages.txt) }} # 需要一个记录包列表的文件对于轻量级任务是否缓存带来的时间节省可能并不明显但了解这个机制对构建复杂工作流很有帮助。5. 签到脚本开发与核心代码解析现在我们来编写核心的Python脚本scripts/auto_signin.py。这个脚本将完成所有的自动化操作。5.1 脚本结构与基础配置#!/usr/bin/env python3 # -*- coding: utf-8 -*- import os import time import logging 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.common.exceptions import TimeoutException, NoSuchElementException import pytesseract from PIL import Image, ImageFilter, ImageEnhance import requests from io import BytesIO # 配置日志方便在GitHub Actions中查看详细过程 logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) logger logging.getLogger(__name__) # 从环境变量读取敏感信息在GitHub Actions中通过Secrets注入 USERNAME os.environ.get(SITE_USERNAME) PASSWORD os.environ.get(SITE_PASSWORD) LOGIN_URL https://example.com/login # 替换为目标网站登录页地址 SIGNIN_URL https://example.com/signin # 替换为目标网站签到页地址如果和登录不同 if not USERNAME or not PASSWORD: logger.error(未找到用户名或密码环境变量请检查GitHub Secrets设置。) exit(1) def init_driver(): 初始化Selenium WebDriver配置无头模式等选项 options webdriver.ChromeOptions() options.add_argument(--headless) # 无头模式不显示图形界面适合服务器 options.add_argument(--no-sandbox) # 解决在容器内运行的权限问题 options.add_argument(--disable-dev-shm-usage) # 解决共享内存问题 options.add_argument(--disable-gpu) # 禁用GPU在无头模式下有时需要 options.add_argument(--window-size1920,1080) # 设置窗口大小确保元素正常加载 # 注意在GitHub Actions环境中chromedriver通常已在PATH中 driver webdriver.Chrome(optionsoptions) driver.implicitly_wait(10) # 设置隐式等待时间秒 return driver5.2 验证码获取、预处理与识别函数这是整个脚本的技术核心其效果直接决定成功率。def get_and_recognize_captcha(driver, captcha_element): 从页面中获取验证码图片元素进行预处理然后识别。 :param driver: WebDriver实例 :param captcha_element: 验证码图片的WebElement对象或定位器 :return: 识别出的验证码字符串 try: # 1. 获取验证码图片的src属性可能是Base64或URL if isinstance(captcha_element, tuple): # 如果传入的是定位器如 (By.ID, captcha_img) img_element WebDriverWait(driver, 10).until( EC.presence_of_element_located(captcha_element) ) else: img_element captcha_element img_src img_element.get_attribute(src) logger.info(f获取到验证码图片源: {img_src[:50]}...) # 只打印前50字符 # 2. 下载图片 if img_src.startswith(data:image): # 处理Base64格式的图片 import base64 header, data img_src.split(,, 1) image_data base64.b64decode(data) else: # 处理URL格式的图片注意可能需要处理相对路径和Cookie session requests.Session() # 将浏览器的Cookie同步到requests session用于需要登录态才能访问的验证码 for cookie in driver.get_cookies(): session.cookies.set(cookie[name], cookie[value]) response session.get(img_src if img_src.startswith(http) else driver.current_url.rsplit(/, 1)[0] / img_src) image_data response.content # 3. 使用Pillow打开图片并进行预处理 image Image.open(BytesIO(image_data)) # 保存原始图片用于调试可选 # image.save(captcha_raw.png) # 预处理流水线开始 # a. 转为灰度图 image image.convert(L) # b. 提高对比度根据实际情况调整因子 enhancer ImageEnhance.Contrast(image) image enhancer.enhance(2.0) # 增强2倍对比度 # c. 二值化阈值需要根据具体图片调整这里是一个示例 threshold 150 image image.point(lambda x: 0 if x threshold else 255) # d. 降噪中值滤波 image image.filter(ImageFilter.MedianFilter(size3)) # e. 可选裁剪掉多余白边 # bbox image.getbbox() # if bbox: # image image.crop(bbox) # 保存处理后的图片用于调试可选 # image.save(captcha_processed.png) # 4. 使用Tesseract进行OCR识别 # 配置Tesseract参数例如只识别数字--psm 7 digits # psm 7 表示将图像视为单行文本 custom_config r--oem 3 --psm 7 -c tessedit_char_whitelist0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ captcha_text pytesseract.image_to_string(image, configcustom_config) captcha_text captcha_text.strip() # 去除首尾空白字符 logger.info(f验证码识别结果: {captcha_text}) return captcha_text except Exception as e: logger.error(f验证码识别过程出错: {e}) # 可以在这里加入重试逻辑或者返回空字符串/None触发后续处理 return None5.3 完整的签到流程整合将上述函数组合起来形成完整的自动化流程。def perform_signin(): 执行完整的签到流程 driver None try: driver init_driver() logger.info(浏览器初始化成功。) # Step 1: 访问登录页面 logger.info(f正在访问登录页面: {LOGIN_URL}) driver.get(LOGIN_URL) time.sleep(2) # 等待页面加载可配合WebDriverWait优化 # Step 2: 定位页面元素这里需要你根据目标网站的实际HTML结构修改 # 使用浏览器的开发者工具F12查看元素的id, name, class, xpath等。 username_input driver.find_element(By.ID, username) # 替换为实际的元素定位方式 password_input driver.find_element(By.ID, password) captcha_img driver.find_element(By.ID, captchaImage) # 验证码图片元素 captcha_input driver.find_element(By.ID, captcha) submit_button driver.find_element(By.XPATH, //button[typesubmit]) # Step 3: 识别验证码 captcha_text get_and_recognize_captcha(driver, captcha_img) if not captcha_text: logger.error(验证码识别失败退出。) # 可以尝试刷新验证码重试 refresh_btn driver.find_element(By.LINK_TEXT, 换一张) refresh_btn.click() time.sleep(1) captcha_text get_and_recognize_captcha(driver, captcha_img) if not captcha_text: raise ValueError(重试后验证码识别仍失败。) # Step 4: 填写表单并提交 username_input.send_keys(USERNAME) password_input.send_keys(PASSWORD) captcha_input.send_keys(captcha_text) time.sleep(0.5) # 短暂停顿模拟人类操作 submit_button.click() # Step 5: 等待登录后页面跳转或出现成功元素并检查签到状态 # 方法一等待特定元素出现例如用户昵称 try: WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.CLASS_NAME, user-nickname)) ) logger.info(登录成功) except TimeoutException: logger.warning(登录后预期元素未出现可能登录失败或页面结构不同。) # 方法二如果签到是独立页面则导航过去 if SIGNIN_URL: driver.get(SIGNIN_URL) time.sleep(2) # 查找并点击签到按钮 signin_btn driver.find_element(By.XPATH, //a[contains(text(), 签到)]) signin_btn.click() time.sleep(2) # 检查签到成功提示根据网站实际提示修改 success_msg driver.find_element(By.ID, success-message) if 签到成功 in success_msg.text: logger.info(每日签到成功) else: logger.warning(签到操作完成但未检测到明确成功提示。) # Step 6: 可选截图保存作为凭证 driver.save_screenshot(signin_success.png) logger.info(流程执行完毕已截图。) except NoSuchElementException as e: logger.error(f未在页面上找到预期元素可能是网站结构已更改: {e}) if driver: driver.save_screenshot(error_element_not_found.png) except TimeoutException as e: logger.error(f页面加载或元素等待超时: {e}) except Exception as e: logger.error(f签到流程执行过程中发生未知错误: {e}, exc_infoTrue) # exc_info会打印详细堆栈 finally: if driver: driver.quit() logger.info(浏览器已关闭。) if __name__ __main__: perform_signin()6. 调试、监控与高级技巧6.1 本地调试与问题排查在将脚本提交到GitHub之前强烈建议在本地进行调试。环境准备在本地安装Python、Chrome、chromedriver需与Chrome版本匹配、Tesseract。模拟运行在本地命令行运行python scripts/auto_signin.py。确保USERNAME和PASSWORD已设置为环境变量如export SITE_USERNAMEyour_name。禁用无头模式在init_driver()函数中注释掉options.add_argument(--headless)这一行。这样浏览器窗口会弹出来你可以直观地看到脚本每一步的操作这对于调试元素定位和验证码识别流程至关重要。保存中间图片利用代码中注释掉的image.save(...)功能将原始和处理后的验证码图片保存下来用肉眼检查预处理效果调整阈值、对比度等参数。使用pdb或IDE调试在关键步骤设置断点检查变量状态。6.2 GitHub Actions日志分析与监控提交代码后GitHub Actions会自动运行。你需要密切关注其运行日志。查看日志在仓库的Actions标签页下点击最近的工作流运行可以查看每一步的详细输出。排查失败如果运行失败日志会显示错误信息。常见问题包括依赖安装失败网络问题或包名错误。元素定位失败网站HTML结构变化需要更新脚本中的定位器如By.ID的值。这是脚本失效的最常见原因。验证码识别率低OCR返回空字符串或错误结果。需要优化预处理参数或者考虑验证码是否已升级。超时网络缓慢或网站响应慢可以适当增加WebDriverWait和time.sleep的等待时间。6.3 提升稳定性的高级策略重试机制对于网络请求、验证码识别、点击按钮等可能瞬时失败的操作加入重试逻辑如retrying库。验证码识别备用方案多引擎备用除了Tesseract可以集成ddddocr一个基于深度学习的开源OCR库对某些验证码效果更好作为备选。先尝试A失败后尝试B。人工兜底如果连续多次识别失败可以将验证码图片和上下文信息通过通知如邮件发送给你进行人工识别然后将结果通过另一个接口回传给脚本。这需要更复杂的架构。心跳与健康检查可以定期比如每周一次运行一个简单的“检查登录状态”的任务确保Cookie未失效。如果失效则触发完整的登录流程更新Cookie并保存到GitHub Secrets或仓库的加密文件中需谨慎。使用更稳定的定位方式优先使用id、name定位其次是用css selector最后才是xpath。xpath虽然强大但容易因页面微小变动而失效。6.4 通知渠道扩展除了示例中失败时创建GitHub Issue你还可以集成更及时的通知邮件通知使用actions/setup-python安装smtplib库配置邮箱SMTP信息通过Secrets存储在任务完成或失败时发送邮件。钉钉/飞书群机器人在脚本最后通过requests库向群机器人的Webhook地址发送一个POST请求包含执行结果。Server酱、PushPlus等推送服务这类服务提供了简单的API可以将消息推送到微信。将通知步骤放在工作流文件的最后根据if: success()或if: failure()条件来触发不同的通知内容。7. 常见问题与排查技巧实录即使按照上述步骤操作在实际部署中你仍可能会遇到各种问题。下面是我在实践中总结的一些典型问题及其解决方法整理成速查表方便你遇到问题时快速对照。问题现象可能原因排查步骤与解决方案GitHub Actions 运行失败报错Chrome failed to startChrome或chromedriver未正确安装或缺少依赖库。1. 检查工作流中Install system dependencies步骤的日志确认chromium-browser和chromium-chromedriver安装成功。2. 确保options.add_argument(--no-sandbox)和--disable-dev-shm-usage已添加这对容器环境至关重要。3. 尝试指定chromedriver路径driver webdriver.Chrome(executable_path/usr/bin/chromedriver, optionsoptions)。脚本在本地成功在Actions上失败提示找不到元素1. 页面加载速度慢元素还未出现。2. 网站检测到自动化脚本返回了不同的页面结构。1.增加等待时间将time.sleep(2)适当加长或更优解是使用WebDriverWait配合EC.presence_of_element_located。2.添加User-Agent在ChromeOptions中添加options.add_argument(user-agentMozilla/5.0 ...)模拟真实浏览器。3.禁用自动化特征添加options.add_experimental_option(excludeSwitches, [enable-automation])和options.add_experimental_option(useAutomationExtension, False)。验证码识别结果始终为空或错误百出1. 图片预处理参数不适合当前验证码。2. 验证码图片本身是动态生成的每次请求的图片链接不变缓存。3. Tesseract语言包未安装。1.本地调试预处理在本地保存图片手动调整灰度化、二值化的阈值、对比度增强因子等直到肉眼看着清晰。2.处理缓存在获取验证码图片的URL后附加一个随机参数如img_src ?t str(time.time())强制浏览器获取新图片。3.检查语言包确保工作流中安装了tesseract-ocr-eng英文和tesseract-ocr-chi-sim简体中文如果验证码含中文必须安装后者。登录提交后页面提示“验证码错误”1. OCR识别错误。2. 网站有防重放机制验证码一次有效识别过程耗时过长导致过期。3. 提交的表单数据缺少隐藏字段如csrf_token。1.提高识别率优化预处理或引入备用OCR引擎。2.加速流程减少不必要的sleep识别后立即提交。3.检查网络请求在本地有浏览器界面时使用开发者工具的“网络(Network)”选项卡记录一次手动登录的正确请求对比你的脚本提交的数据特别是所有input字段查漏补缺。任务偶尔成功大部分时间失败1. 网站服务器不稳定响应超时。2. 存在IP访问频率限制。3. 会话(Cookie)管理问题。1.加入重试在网络请求和关键操作步骤外包裹重试装饰器。2.降低频率如果定时任务太密集考虑拉长执行间隔。3.保持会话确保driver实例在整个流程中未意外重启所有操作在同一个driver上下文中进行以维持Cookie。如何知道签到是否真的成功了脚本缺乏明确的成功校验逻辑。在提交签到请求后主动寻找成功提示。例如1. 等待某个包含“成功”、“获得XX积分”等文本的元素出现。2. 检查页面URL是否跳转到特定成功页面。3. 在关键步骤后截图(driver.save_screenshot)人工复查Actions的运行日志和截图。终极调试技巧当所有逻辑都正确但脚本就是不工作时在Actions工作流中临时禁用无头模式并启用VNC虽然GitHub Actions原生不支持直接显示界面但可以通过xvfb等虚拟帧缓冲器配合截图。更简单粗暴的方法是在脚本的每一个关键步骤之后如打开页面、找到元素、识别验证码、提交表单都用driver.save_screenshot(step1.png)保存一张截图。然后去Actions的日志里下载这些截图像看连环画一样复盘整个自动化过程你能清晰地看到脚本“眼中”的页面是什么样子问题往往就藏在这些截图里。通过这个项目你不仅学会了一个具体的自动化签到技能更重要的是掌握了一套基于GitHub Actions的通用定时任务解决方案以及处理Web自动化和简单验证码识别的完整方法论。这套方法稍加修改就能应用到数据抓取、监控报警、定期备份等无数场景中。自动化不是为了偷懒而是为了把宝贵的时间和精力从重复劳动中解放出来投入到更有创造性的工作中去。