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。

1 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。

2 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。

3 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。

4 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

• 直接在下载即可：OCR官网；
• 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）：

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14 
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX(NoamaNelson)
# 博客：https://blog.csdn.net/NoamaNelson

# 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）：

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14 
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX(NoamaNelson)
# 博客：https://blog.csdn.net/NoamaNelson

# 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：

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14 
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX(NoamaNelson)
# 博客：https://blog.csdn.net/NoamaNelson

# 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：

# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14 
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX(NoamaNelson)
# 博客：https://blog.csdn.net/NoamaNelson

# 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：
  

5 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；
  

6 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。
• 此处代码省略后续添加。