Python自动化测试实战：本地部署OCR识别图文验证码

自动化测试环境下的验证码处理方案

在Web应用程序登录环节引入验证码，主要是为了拦截非正常请求。常见的类型涵盖字母数字组合、图形点击、算术运算以及滑动拼图等。对自动化测试而言，这些交互机制往往会导致断言失败或流程阻塞。

Python本地OCR识别图文验证码操作流程

第1步：环境准备与依赖检查

目的：确保运行环境具备抓取与识别基础；入口：本地终端或集成开发环境；动作：校验驱动包版本并核验系统命令可执行性；参数：selenium、Pillow、tesseract-ocr；可观察的完成状态：命令行输入 tesseract --version 能正确输出版本信息且无缺省报错。

第2步：定位验证码元素并截取原始区域

目的：从复杂页面布局中提取独立验证码图像；入口：WebDriver 实例与页面DOM节点；动作：调用 save_screenshot 获取全屏后，通过 location 与 size 计算边界框并完成像素裁剪；参数：全尺寸截图路径、目标元素 ID 属性值；可观察的完成状态：指定目录下生成仅含验证码区域的原始图片文件，且四周边框贴合原图显示范围。

第3步：图像色彩过滤与二值化预处理

目的：剔除背景噪点提升光学字符识别准确率；入口：原始验证码图像对象；动作：遍历 XY 轴坐标比对 RGB 分量，符合条件者映射至新画布黑色通道；参数：阈值常量（R/G/B）、输出格式 PNG；可观察的完成状态：背景转为纯白、目标文字呈现清晰黑底的二值化图片，视觉干扰大幅降低。

第4步：调用引擎执行OCR识别

目的：将静态图像转化为可编辑文本串；入口：预处理后的图片路径与系统命令管道；动作：使用 subprocess 拉起 Tesseract 进程并在同目录写入结果文件；参数：可执行命令字符串、编码格式 UTF-8、语言包标识；可观察的完成状态：终端日志显示进程执行完毕，且工作目录出现同名 .txt 记录，大小为数十字节以上。

第5步：结果解析与状态校验

目的：过滤无效输出并标准化返回值供主流程消费；入口：OCR 生成的文本文件；动作：读取内容并执行去空格、长度与类型判断；参数：预期字符集、长度约束（如 4 位）；可观察的完成状态：函数明确返回有效字符序列或 fail 标记，测试脚本据此决定是否填入输入框或触发重试逻辑。

# coding:utf-8
import os
import subprocess
from PIL import Image
from selenium.webdriver.common.by import By

def process_and_recognize(driver, captcha_id, full_screen_img_path, captcha_img_path, captcha_final_path, txt_path, ocr_cmd):
    """
    driver: WebDriver 实例
    captcha_id: 验证码图片元素的ID属性值
    full_screen_img_path: 全屏截图存储路径
    captcha_img_path: 裁剪后的原始验证码路径
    captcha_final_path: 色彩过滤后的预处理图片路径
    txt_path: OCR识别输出的TXT文件路径
    ocr_cmd: 调用Tesseract的完整命令字符串
    """
    # 1. 截取全屏并定位验证码区域坐标
    driver.save_screenshot(full_screen_img_path)
    element = driver.find_element(By.ID, captcha_id)
    left = int(element.location['x'])
    top = int(element.location['y'])
    right = int(left + element.size['width'])
    bottom = int(top + element.size['height'])
    
    # 2. 裁剪出独立验证码
    img_crop = Image.open(full_screen_img_path).crop((left, top, right, bottom))
    img_crop.save(captcha_img_path)

    # 3. 像素级色彩过滤（滤除白色/浅色背景，保留深色文字）
    img_new = Image.new('P', img_crop.size, 255)
    for x in range(img_crop.size[1]):
        for y in range(img_crop.size[0]):
            pix = img_crop.getpixel((y, x))
            # 预设文字为高饱和度蓝色，背景为浅色
            if pix[0] < 20 and pix[1] < 20 and pix[2] > 50:
                img_new.putpixel((y, x), 0) # 0代表黑色前景
    img_new.save(captcha_final_path, format='png')

    # 4. 执行Tesseract识别命令（推荐用subprocess替代已废弃的os.system）
    try:
        subprocess.run(ocr_cmd, shell=True, check=True)
    except Exception as e:
        print(f"OCR引擎调用失败: {e}")
        return "fail"

    # 5. 读取并清洗结果
    with open(txt_path, 'r', encoding='utf-8') as f:
        text_content = f.read().strip()
        if not text_content:
            return "fail"
        
        clean_text = text_content.replace(' ', '')
        # 校验规则：仅当为全数字且长度为4时判定有效
        if clean_text.isdigit() and len(clean_text) == 4:
            return clean_text
        return "fail"

关键注意事项与排错指南

在实际落地时，前端验证码样式若发生更新（如颜色反转、增加干扰线或改为倾斜字体），上述 <20, <20, >50 的RGB阈值需同步调整。此外，Tesseract 对粘连严重或极低分辨率的图片识别能力有限，可在预处理阶段加入简单的放大或直方图均衡化步骤。若控制台抛出权限拒绝或找不到文件的报错，请检查运行账号对临时目录的读写权限及相对路径是否正确。

以上就是基于Python自动化测试与Tesseract本地部署破解图文验证码的详细内容，更多关于Python图像处理与AI辅助测试的资料请关注本站其它相关文章！