- 📢专注于分享软件测试干货内容,欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!
- 📢交流讨论:欢迎加入我们一起学习!
- 📢资源分享:耗时200+小时精选的「软件测试」资料包
- 📢 软件测试学习教程推荐:火遍全网的《软件测试》教程
UI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;
-
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。
最后如果你想学习提升找不到资料,没人答疑解惑时,请及时加入群,里面有各种测试开发资料和技术可以一起交流哦:
感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:
这些资料,对于从事【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!凡事要趁早,特别是技术行业,一定要提升技术功底。希望对大家有所帮助……