Python 脚本自动获取验证码解决UI自动化识别问题

这小半年实在太忙，都没时间学习了，有点慌。
关于验证码的问题，以前搞过，今天抽时间将这个总结补上。

解决UI自动化过程中的图文验证码问题，过程大致分为两个步骤：

1. 通过网页自动下载网页上指定的图片

2. 识别图片上的文本内容

本文以“识别页面上指定图片的文本“为例。
以百度首页的 Baidu 为例。

环境准备

Python 3.6
Pytesseract
Tesseract-OCR
Pillow

1、安装 Pytesseract
使用命令:pip install pytesseract
2、安装 Tesseract-OCR.exe
下载地址 https://github.com/UB-Mannheim/tesseract/wiki#start-of-content

待下载完成后，双击.exe ,然后直接 next


在安装过程中，如果报错，点击 确定 就可以了

安装完成后，需要配置环境变量。

检查是否安装成功
cmd 输入 Tesseract -v

4、安装pillow
Python自带的图文简单处理模块，正常安装Python的时候会自动安装，故无需另外手动安装。
pip install pillow

代码

1、初始化浏览器和元素定位方式
1）初始化并放大浏览器
2）初始化元素定位方式：本文使用id选择器方式定位 （此处不讨论定位方式）

2、获取图片
1）页面全屏截图
2）截图转为Image对象
3）获取指定图片的大小和位置
4）裁剪图片

3、识别图片上的文字

然后运行后，得出结果

附：
其实，这种识别率不是很高，占比70% 左右，在没有更好方法的i情况下，可以考虑。
问题：
在运行过程中，出现过 tesseract is not installed or it’s not in your PATH
解决方法：
1、可以卸载 了Tesseract.exe 后重新进行安装在 Python的安装路径下。
2、打开pytesseract源码
查找 tesseract_cmd = ‘tesseract’
发现上面有一行注释 # CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
由于 TESSERACT 所在目录不同，需要手动更改目录
此行修改为
tesseract_cmd = r’C:\Program Files\Tesseract-OCR\tesseract.exe’

以上两种方法都可以。

ibG9nLmNzZG4ubmV0L2xpdWppbmdxaXU=,size_16,color_FFFFFF,t_70)