在我们做UI自动化的时候，经常会遇到图片验证码的问题。

当开发不给咱们提供万能验证码，或者测试第三方网站比如知乎的时候，我们就需要自己去识别验证码。

OCR

OCR是一种图像文字识别的技术，例如图中的验证码，我们用肉眼识别就是c5s3，但机器可不比咱们肉眼。所以我们要利用ocr技术，让我们的Python脚本自动通过图片识别出对应的文字。

常见的识别类库

在Python中其实有许多识别类库，这里只介绍博主自己实践过的成功率还不错的:百度ocr。

简单的说，就是百度提供了一个SDK，让我们传入图片数据，从而拿到识别的结果。ocr的细节我们不需要关心。

申请开通OCR

首先我们得有一个百度账号，这个相信大家都有，没有的可以申请一个。

• 登录百度控制台

进入https://login.bce.baidu.com/并登录。

• 选择文字识别

左上角展开->产品服务->文字识别

• 创建应用

点击创建应用按钮

• 填写相关应用信息

简单描述下应用是干嘛的就行，因为我们只需要识别文字，所以其他也不用勾上。

创建好了之后可以看到具体的应用信息，记住这3个关键信息。待会会用到。

• appid

• apikey

• secretkey

熟悉OCR文档

官方文档地址：https://cloud.baidu.com/doc/OCR/s/wkibizyjk

文档会写的比较清楚，简单的说就是通过你的appid,apikey和secretkey获取一个client，接着你就可以调用client的api去获取图片中的文字了。官方的SDK还是比较贴心的。

• 安装SDK

pip install baidu-aip

讲完了文字怎么识别，接着就来说说标题中的动态图片验证码。

动态图片验证码

这个概念是我自己命名的，一般来说，我们的一张图片都是对应唯一一个url的，比如:

https://yuque.com?image=dshqadiau

(这个地址是我编的)

一般来说image字段的值不同，图片也就不同，都是一串随机的或者规律的不重复数据，确保图片不会重复。

但是博主最近遇到了这样一种情况:

输入一个url，每次输入，拿到的图片都不一样。

这样就会带来一个很严重的问题，页面上你虽然读取了图片的信息。我们把图片的url传递给百度sdk的时候，url由于再次调用，导致图片发生了变化。

比如网站上显示的是:c5s3，调用百度sdk的时候，百度会通过url读取图片，但再次读取，图片可能变成lfew。

不信大家可以看看这个图片地址：

每次刷新，这个图片都会变，但是url不变。

怎么解决呢？

好在百度sdk，他不仅仅支持url，还支持图片文件和base64的图片数据。我们看看官方文档：

所以此时我们用图片的base64数据就行了。

再回到Selenium里面，我们怎么才能获取到验证码那张图片呢？

思考一下:

1、读取img标签的src，然后下载图片，保存图片文件再转为base64

很显然这个方法行不通，为什么呢？

因为img的src属性就是刚才这个url，你去获取一遍url，它同样会变化。

2、截图，裁剪出验证码部分，扔给百度去识别

可行是可行，但是会不会太复杂了？？

如果我只对验证码的img元素进行截图，生成base64的数据是不是更方便？

其实呢，selenium作为一款老牌的自动化测试工具，很多方法供大于求了。所以它是有这样的功能的！

Selenium对指定区域截图

我们都知道，selenium有一些截图方法。

driver.get_screenshot_as_file(filename)

但其实，针对元素，也是有截图方法的。

伪代码如下:

#通过id获取到图片
img=driver.find_element_by_id("image")
#调用WebElement的screenshot_as_png属性方法，获取到png的数据，因为百度需要png
data=img.screenshot_as_png

接着我们就可以用这个获取到的图片数据去找百度要答案了！

完整版代码:

fromaipimportAipOcr
fromseleniumimportwebdriver
client=AipOcr("你的appid","你的app_key","你的secret_key")
driver=webdriver.Chrome()
driver.get("https://iam.pt.ouchn.cn/am/UI/Login")
img=driver.find_element_by_id("kaptchaImage")
data=img.screenshot_as_png
res=client.basicGeneral(data,{})
print(res)

可以看到，只识别到了CFX，而且图片没有继续变化了。

毕竟文字识别是从图片里面找文字，而且文字会有一些横线这样的干扰，所以如果一次不行，可以多试几次。

思路就是写一个while循环，不断尝试去识别验证码并登录，接着判断是否登录成功，没成功则重复上一个步骤。

以我个人的经验，一般1-10次就可以成功。

好了，以上简单替大家尝试一下UI自动化过程中对于验证码的识别。主要重点在于验证码的识别和对部分区域截图。

作者：软件测试木木

原文链接：https://blog.csdn.net/m0_67419887/article/details/123450829