月薪20K软件测试自动化岗必问面试题:验证码识别与处理

发表于:2019-7-26 10:13  作者:华妹陀   来源:网络

字体: | 上一篇 | 下一篇 |我要投稿 | 推荐标签: 面试题 软件测试

  在做自动化测试的时候,经常会遇到需要输入验证码的地方,有些可以让开发屏蔽,但是有些不行,这时候,我们可以调用tesseract来实现图像的识别。
  在JAVA中调用tesseract,主要有两种方式:cmd方式,tess4j方式。我要介绍的是用tess4j的方式来识别图像,得到验证码。
  首先要在工程中加入tess4j的jar包,如果是maven
  项目,可以从中央仓库中获取https://mvnrepository.com/ 直接搜索tess4j
  点击打开
  选择使用比较多的,点进去
  复制这段代码粘贴到maven工程的pom.xml里面
  等待下载完成
  安装完成之后,在Maven Dependencies库中会出现tess4j的jar包,官方解释tess4j:A Java JNA wrapper for Tesseract OCR API.
  也就是说:tess4j是针对tesseract进行封装的javaAPI。安装好依赖库之后,就不需要另外再安装tessereact-ocr了,因为tess4j的jar包里面自带了tessereact-ocr。
  安装好之后,如果没有把文字库tessdata放到项目中,调用的时候会报错,如下
  Error opening data file ./tessdata/eng.traineddata
  Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
  Failed loading language 'eng'
  Tesseract couldn't load any languages!
  Could not initialize tesseract.
  这里提示的是环境变量没有设置,这是针对安装tessreact-ocr的调用的错误提示,所以按照这个去加环境变量,问题还是会出现的(这里我折腾了好久才解决)。
  针对依赖库的方法调用,解决这个问题的正确做法是在maven项目的resources路径下添加tessdata文字库
  eng.traineddata是英文语言包,识别字母和数字。
  如果想要识别中文(数字 + 中文),需要在下载chi_sim.traineddata语言包。这样tess4j就能正常使用了。
  接下来是调用过程,要是别验证码,主要的步骤是得到验证码图片,进行识别,输出识别结果。
  得到验证码图片分为三步:
  1、 将验证码页面截图保存
  public byte[] takeScreenshot(WebDriver driver) throws IOException {
  byte[] screenshot = null;
  screenshot = ((TakesScreenshot) driver)
  .getScreenshotAs(OutputType.BYTES);//得到截图
  return screenshot;
  }
  2、得到的图片是整个屏幕的截图,我们可以处理一下,对图片进行截取,只保留验证码那一部分
   public BufferedImage createElementImage(WebDriver driver,
  WebElement webElement, int x, int y, int width, int heigth)//开始裁剪的位置和截图的宽和高
  throws IOException {
  Dimension size = webElement.getSize();
  BufferedImage originalImage = ImageIO.read(new ByteArrayInputStream(
  takeScreenshot(driver)));
  BufferedImage croppedImage = originalImage.getSubimage(x, y,
  size.getWidth() + width, size.getHeight() + heigth);//进行裁剪
  return croppedImage;
  3、tesseract读取图片,获得验证码,默认是英文,如果要使用中文包,加上instance.setLanguage("chi_sim");
   private String getVerificationCode(String path) {
  File imageFile = new File(path);
  try {
  imageFile.createNewFile();
  } catch (IOException e1) {
  e1.printStackTrace();
  }
  WebElement element = driver.findElement(By
  .cssSelector("img[id='codeImg']"));
  try {
  BufferedImage image = createElementImage(driver, element, 687, 362,
  54, 18);//得到裁剪的图片
  ImageIO.write(image, "png", imageFile);//进行保存
  } catch (IOException e) {
  e.printStackTrace();
  }
  ITesseract instance = new Tesseract();//调用Tesseract
  URL url = ClassLoader.getSystemResource("tessdata");//获得Tesseract的文字库
  String tesspath = url.getPath().substring(1);
  instance.setDatapath(tesspath);//进行读取,默认是英文,如果要使用中文包,加上instance.setLanguage("chi_sim");
  String result = null;
  try {
  result = instance.doOCR(imageFile);
  } catch (TesseractException e1) {
  e1.printStackTrace();
  }
  result = result.replaceAll("[^a-z^A-Z^0-9]", "");//替换大小写及数字
  return result;
  }
  执行结果,得到的图片
  得到的验证码
  总结:tess4j安装比较方便,只要引入jar就行,不需要额外安装其他软件,tess4j下也封装了图片处理的工具类:如缩放,旋转等(这些我还没用到)。
  另外在读取图片的时候,还是比较容易出错的 比如t和l,i和l,e和o容易出现错读的情况,希望有大佬可以完善我的方法,提高正确率。

      上文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理

评 论

论坛新帖



建议使用IE 6.0以上浏览器,800×600以上分辨率,法律顾问:上海信义律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2021, 沪ICP备05003035号
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪公网安备 31010102002173号

51Testing官方微信

51Testing官方微博

扫一扫 测试知识全知道