Web自动化框架中验证码识别处理全攻略，让测试更得心应手！

news2025/1/10 16:08:31

前言：

随着Web应用程序的不断发展，自动化测试已成为项目开发中必不可少的一环。然而，验证码的出现却经常会使自动化测试变得更具挑战性。为了解决这个问题，我们需要一种方法来自动识别和处理验证码，从而提高自动化测试的效率和准确性。本文将介绍如何封装一个Web自动化框架，并集成验证码识别处理功能。

一. Web自动化测试框架搭建

1. 选择一个自动化测试工具

有许多的自动化测试工具可以选择，比如Selenium、Appium等等。我们选择Selenium作为我们的自动化测试工具，因为Selenium拥有强大的浏览器支持和Active Element Detection等很多好用的功能。

2. 安装环境

- Python3.x：Selenium是Python编写的，在使用之前需要安装Python3.x。

- Selenium：在Python环境下使用Selenium需要安装Selenium包。可以使用pip命令进行安装。

pip install selenium

3. 初始化一个Selenium驱动

在安装完成Selenium模块之后，就可以拿到一个WebDriver的对象了。我们使用WebDriver连接到一个浏览器实例，并加载我们要测试的网页。

from selenium import webdriver

driver = webdriver.Chrome()
driver.get('http://tempuri.org')

这时，我们可以看到Chrome浏览器自动打开并打开了“http://tempuri.org”这个网站。

二. 添加自动化测试用例

1. 编写测试脚本

编写一个简单的Selenium测试脚本，用以添加一个新用户并且验证用户能否成功登录：

def test_add_user():

# 查找用户登录界面的"用户名"和"密码"输入框
username_input = driver.find_element_by_name('username')
password_input = driver.find_element_by_name('password')

# 输入用户名和密码
username_input.send_keys('username')
password_input.send_keys('password')

# 记录当前 URL
login_url = driver.current_url

# 点击登录按钮
driver.find_element_by_id('submit').click()

# 获取当前 URL
current_url = driver.current_url

# 验证登录成功与否
assert current_url != login_url

通过Selenium提供的find_element_by_*系列的方法，我们可以定位页面中的元素并进行操作。

2. 运行测试脚本

添加完测试脚本后，只需要运行测试脚本即可开展自动化测试。

test_add_user()

三. 验证码识别与处理

验证码一般用于防止机器恶意攻击，而这在自动化测试中是个大问题。通过一些常见的验证码形式和对应的处理方式，我们可以提高自动化测试的识别率和效率。

1. 验证码种类

目前常见的验证码种类有图形验证码、中文验证码、计算验证码、滑动验证码等种类，不过最常见的是图形验证码。

2. 验证码处理方式

我们可以使用PIL库对识别到的验证码进行预处理，从而提高识别率。对于某些情况下无法识别的验证码，则通常需要手动打码了。以下是图形验证码预处理的基本步骤：

- 转灰度：将彩色的验证码转成单一的灰度。

- 二值化：通过Sobel算法，对灰度图像进行边缘检测，并进行二值化。

- 降噪：去除二值化后图像中噪声点等干扰信息。

- 切割：将验证码进行切割成单个字符，然后对单个字符进行识别。

下面我们来看一个实现了验证码识别处理的自动化测试脚本。假设我们要测试的网站包含了一个图形验证码，我们可以先对验证码进行预处理，然后再输入验证码。

import requests
from PIL import Image
import pytesseract

def get_verify_code_img(url):
"""
获取验证码图片
"""
response = requests.get(url=url)
img = Image.open(BytesIO(response.content))
return img

def preprocessing_verify_code(img):
"""
预处理验证码图片
"""
# 转换成灰度图
img = img.convert('L')
# 二值化
threshold = 160
img = img.point(lambda x: 255 if x > threshold else 0)
# 去除噪声
img = img.filter(ImageFilter.MedianFilter(size=3))
return img

def recognize_verify_code(img):
"""
识别验证码
"""
text = pytesseract.image_to_string(img, lang='eng')
return text

def test_with_verify_code():
# 验证码图片URL
img_url = 'http://captcha.com/verify_code'
# 获取验证码图片
img = get_verify_code_img(img_url)
# 预处理验证码图片
img = preprocessing_verify_code(img)
# 识别验证码
verify_code = recognize_verify_code(img)
# 输入验证码并登录
driver.find_element_by_id('verify_code_input').send_keys(verify_code)
driver.find_element_by_id('submit').click()

test_with_verify_code()

在这个例子中，我们使用了requests库获取验证码图片，使用PIL库对验证码图片进行预处理，然后使用pytesseract库进行识别。最后，我们将识别出的验证码输入到网页中，完成自动化测试。