1、调用第三方图片识别接口，这里没有找到比较好的免费的接口，有的同学可以分享哈~
2、使用cookie绕过登录直接访问页面，webdriver 中有操作cookie的方法，获取、添加、删除
# 思路：登录成功获取cookie保存到文件中 -> 添加 cookie 打开页面直接访问，
注意：.ini 配置文件中不能写入 % 字符，保存cookie时候需要替换下
def get_cookie(self, option):
"""
获取登录后的cookie值
:param option: 配置文件中标题的值
:param section: 对应key值
:return:
"""
# 由于.ini文件中不能写入 % 字符，会报错，替换成 $ 后写入
cookieValue = str(self.driver.get_cookies()).replace("%", "$")
Log.info("获取浏览器cookie值: {}...".format(cookieValue[:50]))
# cookie值保存到配置文件
rwParams.write_ini_file(section="LOGIN_COOKIE", option=option, value=cookieValue)
def set_cookie(self, option):
"""
设置携带cookie访问网页
:param option: 索要获取的cookie对应key值
:return:
"""
cookieStr = rwParams.read_ini_file(section="LOGIN_COOKIE", option=option)
# 保存的cookie值中需要把 $ 字符替换为 % 字符, 且转化为原格式
cookieValue = eval（cookieStr.replace("$", "%"))
# 添加cookie, 原格式是个列表循环添加
[self.driver.add_cookie(cookie) for cookie in cookieValue]
Log.info("给浏览器添加cookie值: {}...".format(cookieStr[:50]))
def del_cookie(self):
"""删除cookie"""
self.driver.delete_all_cookies()
Log.info("删除当前添加的所有cookie值")
3、最简单的方法，联系开发再项目代码中设置万能验证码，直接输万能码
4、降噪方法可以多执行几次，多次处理图片，还可以对图片进行切割处理，单个图片进行识别，目前只能识别不扭曲的验证码和干扰线不粗的验证码图片
# 思路：验证码图片转称黑白色 -> 遍历每个像素点判断周围8个点的颜色 -> 有4个以上的不同的颜色就判断该点为底色 -> 使用ocr工具进行识别处理后的验证码
# -*- coding: utf-8 -*-
# @Author : Mr.Deng
# @Time : 2021/3/21 14:34
"""
图片识别，登录页面验证码文字识别
"""
from util.basePages import BasePages
from config.filePathConfig import FilePathConfig
from config.varConfig import SysConfig as SC
from PIL import Image
from pytesseract import pytesseract
import re
class ImageRecognize:
def __init__(self, driver):
self.base = BasePages(driver)
self.imageSavePath = FilePathConfig.CODE_IMG_SAVE_PATH + "\\" + "shotCode.png"
def save_code_image(self, elementPath, zoomNum=1.25):
"""
截图保存验证码图片
:param elementPath:
:param zoomNum: 电脑屏幕缩放比例，125% ， zoom = 1.25
:return:
"""
self.base.driver.origin_driver.get_screenshot_as_file(self.imageSavePath)
imageData = self.base.driver.get_location(elementPath)
# 图片左右高低尺寸坐标，要乘以屏幕缩放比例
left = imageData["x"] * zoomNum
top = imageData["y"] * zoomNum
right = left + imageData["width"] * zoomNum
bottom = top + imageData["height"] * zoomNum
self.imageObj = Image.open(self.imageSavePath)
codeImage = self.imageObj.crop((left, top, right, bottom))
codeImage.save(self.imageSavePath)
return codeImage
def binarization_image(self, image):
"""
验证码图片二值化转化成黑白色
:param image: 图片保存对象
:return:
"""
imageCode = image.convert("L")
pixelData = imageCode.load()
row, col = image.size
threshold = 150 # 150 灰色
for i in range(row):
for y in range(col):
if pixelData[i, y] > threshold:
pixelData[i, y] = 0
else:
pixelData[i, y] = 255
return imageCode
def delete_noisy_point(self, image):
"""
降噪，删除多余的干扰线像素点
:param image: 图片对象
:return:
"""
pixelData = image.load()
row, col = image.size
# 判断图片中黑白像素点的多少，判断那种颜色是背景色，那个是验证码颜色
poxList = []
for x in range(row - 1):
for y in range(col - 1):
poxList.append(pixelData[x, y])
# 按像素点多少降序排列，多的是背景，少的是验证码
newList = sorted(set(poxList), key=lambda x: poxList.count(x), reverse=True)
# 循环判断每个像素点上下左右，左上，右上，左下，右下八个像素点的颜色值
for a in range(row - 1):
for b in range(col - 1):
count = 0
if pixelData[a, b - 1] == newList[0]: count += 1 # 上
if pixelData[a, b + 1] == newList[0]: count += 1 # 下
if pixelData[a - 1, b] == newList[0]: count += 1 # 左
if pixelData[a + 1, b] == newList[0]: count += 1 # 右
if pixelData[a - 1, b - 1] == newList[0]: count += 1 # 左上
if pixelData[a - 1, b + 1] == newList[0]: count += 1 # 左下
if pixelData[a + 1, b - 1] == newList[0]: count += 1 # 右上
if pixelData[a + 1, b + 1] == newList[0]: count += 1 # 右下
# 统计周围四个以上的点都是背景色，则该点就是背景色，否则验证码色
if count > 4: pixelData[a, b] = newList[0]
image.save(self.imageSavePath.replace("shotCode", "ProcessedImage")) # 保存处理后的验证码
return image
def image_str(self, image):
"""识别处理后的验证码图片"""
img = self.binarization_image(image)
afterSpotImg = self.delete_noisy_point(img)
pytesseract.tesseract_cmd = SC.PYTESSERACT_OCR
# 图片转文字
result = pytesseract.image_to_string(afterSpotImg)
return result
if __name__ == '__main__':
from util.pySelenium import PySelenium
p = PySelenium(openType="pc")
# p.open_url(url="https://XXXX/admin/login?redirect=%2Fadmin%2Fdashboard")
# p.sleep(2)
# IM = ImageRecognize(p).save_code_image('xpath->//div[@class="imgs"]/img')
code = ImageRecognize(p).image_str(image=Image.open(r"C:\Users\kk\Desktop\下载.jpg"))
print(code)
