自动化测试中6种常见验证码的处理方式

2024软件测试面试刷题，这个小程序（永久刷题），靠它快速找到工作了！（刷题APP的天花板）_接口自动化面试刷题工具-CSDN博客文章浏览阅读2.4k次，点赞85次，收藏11次。你知不知道有这么一个软件测试面试的刷题小程序。里面包含了面试常问的软件测试基础题，web自动化测试、app自动化测试、接口测试、性能测试、自动化测试、安全测试及一些常问到的人力资源题目。最主要的是他还收集了像阿里、华为这样的大厂面试真题，还有互动交流板块……_接口自动化面试刷题工具https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502UI自动化测试时，需要对验证码进行识别处理，有很多方式，每种方式都有自己的特点，以下是一些常用处理方法，仅供参考。

01 去掉验证码

• 从自动化的本质上来讲，主要是提升测试效率等，但是为了去研究验证码以及提升验证码的识别效率，是需要投入比较大的时间的；

• 去掉验证码无疑是最简单的方式，而且对于开发而言这样做，工作量也不是很大；

• 但是建议在测试环境使用，生产环境禁用，因为存在安全问题。

02 设置万能码

• 这个是笔者刚开始做自动化时首选的一个处理方法；

• 因为既测试到了验证码的功能，而且也不用投入太大的精力去研究如何进行验证码识别；

• 另外对于开发来说，内置一个万能验证码也是非常简单的事情；

• 对于写自动化脚本的人来说也是非常的方便，效率也高；

• 但这个万能验证码仅限相关人员知道，避免存在安全隐患。

03 保留一个资源

• 有点验证码实则就是图片资源；

• 其实就是在制定的文件夹资源库中随机抽取一张，那么只需要将服务器上的所有图片删除，仅保留一张即可；

• 说白了就相当于固定验证码。

04 光学字符识别

• 其实就是通过Python-tesseract模块来只能识别图片中的验证码；

• Python-tesseract是光学字符识别Tesseract OCR的python封装类；

• 其能够读取大部分常规图片文件，比如JPG、GIF、PNG、TIFF等；

• 这个笔者也尝试过，因为现在的图片验证码越来越复杂，其实有时候识别率并不高；

• 下边我们尝试着使用一下。

4.1 识别对象

我们收集了几个图片验证码（来源于网络，仅供参考）：从左到右依次是image01.jpg-image04.jpg:

4.2 pytesseract安装

• 直接使用命令安装即可：

pip install pytesseract

4.3 Pillow安装

• 直接使用命令：

pip install Pillow

4.4 OCR安装

• 直接在官网下载即可：

OCR官网

https://github.com/UB-Mannheim/tesseract/wiki

• 选择对应的版本下载即可：

• 按照提示安装完成：

• 配置环境变量，将其根目录添加到path环境变量中：

4.5 识别原理

• 基本思路是通过图片降噪、图片切割等，输出图像文本；

• 图片降噪就是将图片中一些不需要的信息去除，比如背景、干扰像素、干扰线等。

• 如果验证码是彩色的背景，其实就是把每个像素放在五维空间，即X、Y、R、G、B；

• X、Y是像素的二维平面坐标，RGB代表像素所对应的颜色。

4.6 处理过程

4.6.1 转灰度处理

• 导入需要的包：

from PIL import Image

• 打开需要分析的图像：

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

• 将彩色图像转化为灰度图像（RGB转为HSI色彩空间），采用L分量：

# 彩色转灰度img_01 =

image.convert("L")

img_01.show()

以上完整代码为（使用image01.jpg）：

# 导入Image包
from PIL import Image

# 打开图像
image = Image.open("./image01.jpg")
# 彩色转灰度
img_01 = image.convert("L")
img_01.show()

• 转灰度后图像如下：

4.6.2 二值化处理

• 图像分割常用的方法就是二值化处理；

• 二值化处理就是二值化图像时，将大于某个临界灰度值的像素灰度设置为灰度的极大值，把小于这个值的像素灰度设为灰度的极小值，取值范围一般为0-1；

• 二值化算法不同，可分固定阈值和自适应阈值，比如这个固定阈值如下（使用image02.jpg）：

# 导入Image包
from PIL import Image

# 打开图像
image = Image.open("./image02.jpg")
# 二值化处理
img_02 = image.point(lambda x:0 if x<143 else 255)
img_02.show()

• 二值化后的效果：

• 我们结合前两种方法，把image03.jpg先灰度再二值化处理后输出对应的文字：

# 导入Image包
from PIL import Image
from pytesseract import pytesseract

# 打开图像
image = Image.open("./image03.jpg")

# 灰度处理
img_new = image.convert("L")
# 二值化处理
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原图和处理后效果：

• 结果输出：

4.6.3 图像增强

• 为了排除更多的干扰，我们可以使用将图片增强显示，或者将图片转成黑白；

• 我们在以上代码继续添加：

from PIL import ImageEnhance

img_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 完整代码

• 我们使用image04.jpg输出完整代码：

# 导入Image包
from PIL import Image
from pytesseract import pytesseract
from PIL import ImageEnhance

# 打开图像
image = Image.open("./image04.jpg")

# 灰度处理
img_new = image.convert("L")

# 二值化处理
img_04 = img_new.point(lambda x:0 if x<143 else 255)

# 图像增强
img_enh = ImageEnhance.Contrast(img_04)
img_enh01 = img_enh.enhance(4)

# 处理后图片
img_enh01.show()

# 提取图片文字
out_img = pytesseract.image_to_string(img_enh01)
print(out_img)

• 处理前后的效果：

05 打码平台

• 另外我们可以通过打码平台来实现图片文字提取，比如超人、图鉴、斐斐等等；

• 比如图鉴平台，可以参考它的 开发文档

  （http://www.ttshitu.com/docs/index.html?spm=null）；

06 记录cookie

• 通过添加登录成功时所携带的cookie来跳过登录；

• 在selenium中使用add_cookie()方法将用户名和密码等登录信息写入浏览器的cookie中，再次登录时直接读取浏览器cookie即可。

行动吧，在路上总比一直观望的要好，未来的你肯定会感谢现在拼搏的自己！如果想学习提升找不到资料，没人答疑解惑时，请及时加入群： 786229024，里面有各种测试开发资料和技术可以一起交流哦。

最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】
软件测试面试文档
我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。