?

UI自動化測試時，需要對驗證碼進行識別處理，有很多方式，每種方式都有自己的特點，以下是一些常用處理方法，僅供參考。

1 去掉驗證碼

• 從自動化的本質上來講，主要是提升測試效率等，但是為了去研究驗證碼以及提升驗證碼的識別效率，是需要投入比較大的時間的；
• 去掉驗證碼無疑是最簡單的方式，而且對于開發而言這樣做，工作量也不是很大；
• 但是建議在測試環境使用，生產環境禁用，因為存在安全問題。

2 設置萬能碼

• 這個是筆者剛開始做自動化時首選的一個處理方法；
• 因為既測試到了驗證碼的功能，而且也不用投入太大的精力去研究如何進行驗證碼識別；
• 另外對于開發來說，內置一個萬能驗證碼也是非常簡單的事情；
• 對于寫自動化腳本的人來說也是非常的方便，效率也高；
• 但這個萬能驗證碼僅限相關人員知道，避免存在安全隱患。

3 保留一個資源

• 有點驗證碼實則就是圖片資源；
• 其實就是在制定的文件夾資源庫中隨機抽取一張，那么只需要將服務器上的所有圖片刪除，僅保留一張即可；
• 說白了就相當于固定驗證碼。

4 光學字符識別

• 其實就是通過Python-tesseract模塊來只能識別圖片中的驗證碼；
• Python-tesseract是光學字符識別Tesseract OCR的python封裝類；
• 其能夠讀取大部分常規圖片文件，比如JPG、GIF、PNG、TIFF等；
• 這個筆者也嘗試過，因為現在的圖片驗證碼越來越復雜，其實有時候識別率并不高；
• 下邊我們嘗試著使用一下。

4.1 識別對象

• 我們收集了幾個圖片驗證碼（來源于網絡，僅供參考）：從左到右依次是image01.jpg-image04.jpg:

  

現在我也找了很多測試的朋友，做了一個分享技術的交流群，共享了很多我們收集的技術文檔和視頻教程。
如果你不想再體驗自學時找不到資源，沒人解答問題，堅持幾天便放棄的感受
可以加入我們一起交流。而且還有很多在自動化，性能，安全，測試開發等等方面有一定建樹的技術大牛
分享他們的經驗，還會分享很多直播講座和技術沙龍
可以免費學習！劃重點！開源的！！！
qq群號：110685036【暗號：csdn999】

4.2 pytesseract安裝

• 直接使用命令安裝即可：

pip install Pillow

4.3 Pillow安裝

• 直接使用命令：

pip install Pillow

4.4 OCR安裝

• 直接在下載即可：OCR官網；
• 選擇對應的版本下載即可：

  

• 按照提示安裝完成：

  

• 配置環境變量，將其根目錄添加到path環境變量中：

  

4.5 識別原理

• 基本思路是通過圖片降噪、圖片切割等，輸出圖像文本；
• 圖片降噪就是將圖片中一些不需要的信息去除，比如背景、干擾像素、干擾線等。
• 如果驗證碼是彩色的背景，其實就是把每個像素放在五維空間，即X、Y、R、G、B；
• X、Y是像素的二維平面坐標，RGB代表像素所對應的顏色。

4.6 處理過程

4.6.1 轉灰度處理

• 導入需要的包：

from PIL import Image

• 打開需要分析的圖像：

image = Image.open("./image01.jpg")

• 將彩色圖像轉化為灰度圖像（RGB轉為HSI色彩空間），采用L分量：

# 彩色轉灰度
img_01 = image.convert("L")
img_01.show()

• 以上完整代碼為（使用image01.jpg）：

# 導入Image包
from PIL import Image# 打開圖像
image = Image.open("./image01.jpg")
# 彩色轉灰度
img_01 = image.convert("L")
img_01.show()

• 轉灰度后圖像如下：

  

4.6.2 二值化處理

• 圖像分割常用的方法就是二值化處理；
• 二值化處理就是二值化圖像時，將大于某個臨界灰度值的像素灰度設置為灰度的極大值，把小于這個值的像素灰度設為灰度的極小值，取值范圍一般為0-1；
• 二值化算法不同，可分固定閾值和自適應閾值，比如這個固定閾值如下（使用image02.jpg）：

# 導入Image包
from PIL import Image# 打開圖像
image = Image.open("./image02.jpg")
# 二值化處理
img_02 = image.point(lambda x:0 if x<143 else 255)
img_02.show()

• 二值化后的效果：

• 我們結合前兩種方法，把image03.jpg先灰度再二值化處理后輸出對應的文字：

# 導入Image包
from PIL import Image
from pytesseract import pytesseract# 打開圖像
image = Image.open("./image03.jpg")# 灰度處理
img_new = image.convert("L")
# 二值化處理
img_03 = img_new.point(lambda x:0 if x<143 else 255)
img_03.show()
out_img = pytesseract.image_to_string(img_03)
print(out_img)

• image03.jpg原圖和處理后效果：

• 結果輸出：

  

4.6.3 圖像增強

• 為了排除更多的干擾，我們可以使用將圖片增強顯示，或者將圖片轉成黑白；
• 我們在以上代碼繼續添加：

from PIL import ImageEnhanceimg_enh = ImageEnhance.Contrast(img_03)
img_enh01 = img_enh.enhance(4)
img_enh01 .show()out_img = pytesseract.image_to_string(img_enh01)

4.6.4 完整代碼

• 我們使用image04.jpg輸出完整代碼：

# 導入Image包
from PIL import Image
from pytesseract import pytesseract
from PIL import ImageEnhance# 打開圖像
image = Image.open("./image04.jpg")# 灰度處理
img_new = image.convert("L")# 二值化處理
img_04 = img_new.point(lambda x:0 if x<143 else 255)# 圖像增強
img_enh = ImageEnhance.Contrast(img_04)
img_enh01 = img_enh.enhance(4)# 處理后圖片
img_enh01.show()# 提取圖片文字
out_img = pytesseract.image_to_string(img_enh01)
print(out_img)

• 處理前后的效果：

  

5 打碼平臺

• 另外我們可以通過打碼平臺來實現圖片文字提取，比如超人、圖鑒、斐斐等等；
• 比如圖鑒平臺，可以參考它的開發文檔；

  

6 記錄cookie

• 通過添加登錄成功時所攜帶的cookie來跳過登錄；
• 在selenium中使用add_cookie()方法將用戶名和密碼等登錄信息寫入瀏覽器的cookie中，再次登錄時直接讀取瀏覽器cookie即可。
• 此處代碼省略后續添加。

END今天的分享就到此結束了！點贊關注不迷路~