在自动化测试中往往会遇到校验验证码的页面,如果无法规避验证码,可通过OCR识别库tesseract
来识别验证码,从而通过验证码校验。
安装tesseract
tesseract 是OCR识别软件,是识别验证码的核心软件。
OCR,即Optical Character Recognition,光学字符识别,是指通过扫描字符,然后通过其形状将其翻译成电子文本的过程。
下载链接:https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w64-setup-v5.0.0-alpha.20190708.exe
下载完成后,傻瓜式安装。该软件默认支持英文,如果需要识别其他语言的字符,可以在选择组件时添加其他语言数据:
安装完成后,将该软件安装目录添加至环境变量(方便后续直接在命令行中使用
tesseract
命令):
安装pytesseract
pytesseract是python图像识别库,基于tesseract做了python api的封装。
在命令行中输入:
pip install pytesseract
pytesseract安装成功后,需要修改该库pytesseract.py文件源码,将tesseract_cmd
的值改为安装目录下tesseract.exe的绝对路径(本机该路径为D:/DevSoftware/Tesseract/tesseract.exe):
安装pillow
PIL:Python Imaging Library,是Python平台事实上的图像处理标准库。由于PIL仅支持到Python 2.7,于是一群志愿者在PIL的基础上创建了兼容的版本,名字叫Pillow,支持最新Python 3.x,又加入了许多新特性。
在命令行输入:
pip install pillow
识别图片
安装好必要的软件及python第三方库后,下面使用简单图片做个演示。
准备图片pillow.png:
代码:
from PIL import Image
from pytesseract import image_to_string
if __name__ == '__main__':
im = Image.open('pillow.png')
print(image_to_string(im))
代码执行后,打印出:
Pillow
可以看到这种简单的图片,pytesseract 能够正确识别,如果换上稍微复杂点的图片呢。如验证码图片:
vcode.jpg:
修改代码:
from PIL import Image
from pytesseract import image_to_string
if __name__ == '__main__':
im = Image.open('vcode.jpg')
print(image_to_string(im))
执行后打印出:
KAP 8)
显然,稍微复杂点的图片就处理得不尽人意,为了提高图片文字的辨识度,这里需要对图像进行灰度处理、二值化。
from PIL import Image
from pytesseract import image_to_string
im = Image.open('vcode.jpg')
def img_deal(image, threshold=100):
image=image.convert('L')
table=[]
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
return image.point(table,'1')
image = img_deal(im)
image.show()
print(image_to_string(image))
其中image.show()
执行后可以看到图片处理后所显示的形象:
打印出了正确的验证码字符:
K4P8
注意:虽然进行灰度处理、二值化后,图片的辨识度有了一定提升,但面对较为复杂的验证码还是显得力不从心。真正做自动化测试时,尽量和开发沟通提供方式避开验证码。