自动化测试同学的福音来了！通过​DdddOcr可以非常方便的识别登陆验证码！

介绍

​DdddOcr，其由Sml2h3与 kerlomz 共同合作完成，通过大批量生成随机数据后进行深度网络训练而得，我们可以使用她提供的api，对登录校验码进行识别，能够解决在自动化测试过程中登录需要获取验证码的场景。备注：对于简单的数字和字母组合的校验码识别率还是非常好的，大家可以查看文章中的测试结果。

项目底层支持

本项目基于dddd_trainer 训练所得，训练底层框架位pytorch，ddddocr推理底层抵赖于onnxruntime，故本项目的最大兼容性与python版本支持主要取决于onnxruntime。

环境支持

安装

命令

pip install ddddocr

安装目录说明

ddddocr

├── MANIFEST.in

├── LICENSE

├── README.md

├── /ddddocr/

│  │── __init__.py            主代码库文件

│  │── common.onnx            新ocr模型

│  │── common_det.onnx        目标检测模型

│  │── common_old.onnx        老ocr模型

│  │── logo.png

│  │── README.md

│  │── requirements.txt

├── logo.png

└── setup.py

代码中使用

import ddddocr
ocr = ddddocr.DdddOcr()
with open("识别的图片路径", 'rb') as f:
     img_bytes = f.read()
res = ocr.classification(img_bytes)
print('ocr:' + res)

测试结果

针对不同的验证码进行了测试，测试结果如下，给大家提供一下参考（当然验证码设计的易用性和安全性是很难平衡的，这个需要各位同学自行决策）

150张样本图片，识别出149张，可以说完全破解

测试字母（统一进行字母小写处理）+数字组合的验证码，150张样本图片，识别出130张

测试字母（统一进行字母小写处理）+数字组合+阴影和背景色变化的验证码，150张样本图片，识别出102张

测试字母（统一进行字母小写处理）+数字组合+阴影和背景色变化和干扰线的验证码，150张样本图片，识别出65张

测试数字+干扰线的验证码，150张样本图片，识别出99张

测试字母（统一进行字母小写处理）+数字组合+鱼眼的验证码，70张样本图片，识别出0张，但是这种验证码人也很难分辨

我的每一篇文章都希望帮助读者解决实际工作中遇到的问题！如果文章帮到了您，劳烦点赞、收藏、转发！您的鼓励是我不断更新文章最大的动力！