CN109284600A

CN109284600A - 一种用于识别验证码的方法及装置

Info

Publication number: CN109284600A
Application number: CN201810898647.9A
Authority: CN
Inventors: 王华军; 吴江燕
Original assignee: Guiyang Longmaster Information and Technology Co ltd
Current assignee: Guiyang Longmaster Information and Technology Co ltd
Priority date: 2018-08-08
Filing date: 2018-08-08
Publication date: 2019-01-29

Abstract

本发明公开了一种验证码的识别验证方法及装置，方法包括以下步骤：识别步骤：从当前页面中获取验证码图片，对图片进行图像处理，对图像处理后的图片进行二值化处理，提取二值化图片中的字符串，清除字符串中不满足预定条件的符号得到验证码；验证步骤：使用当前得到的验证码登录，判断是否验证成功，在未验证成功的情况下，刷新判断当前识别次数是否达到预定值，在未达到所述预定值时，循环执行所述识别步骤和验证步骤，直至验证成功。装置由计算机和程序组成。本发明提供一种应用于Web的验证码识别方法，能有效解决手动输入验证码方式不能解决的大批量测试的问题，节约了人力财力成本，缩短了产品开发周期，提高了测试效率。

Description

一种用于识别验证码的方法及装置

技术领域

本发明涉及一种用于识别验证码的方法及装置。

背景技术

验证码是一串可能由数字、大小写字母或者汉字等组成的字符，最后加上一些干扰元素等，生成一张图片。验证码的作用一般是为了软件的安全考虑，防止别有用心的人利用机器人进行自动批量注册、登录等操作，以达到不可告人的目的。

但是软件在开发测试过程中，验证码无疑给测试人员带来了阻碍，特别是在自动化测试时，如果每次都需要通过人眼识别并手动输入验证码，不仅增加了人力财力成本，还延长了产品的开发进度，推迟了产品的上线时间。特别是对于需要做大批量测试的功能，手工方式更是无法做到。因此对于目前Web自动化测试过程，验证码的输入是一个障碍，处理方式方式一般3种：一是在程序中暂时注释掉验证码相关代码，忽略验证过程；二是在自动化执行过程中停留在验证码输入界面，人工输入验证码；三是使用验证码识别脚本自动输入。前2种方式的弊端很明显，在此不做描述。第3种方式才是本发明所要实现的。

现有Web验证码识别方法是基于Python +pytesseract+PIL实现的，例如中国专利CN201710940052-验证码获取方法及装置、登录方法及系统，该验证码识别方法在获取验证码时是获取网页上验证码的存储地址，从存储地址中提取验证码图片，对图片进行灰化和降噪处理，通过pytesseract库对图片进行二值化处理，获取验证码。缺点是容错率低，对于验证码图片的截取方法不规范，对于干扰点角度的图片识别率也不高。

发明内容

本发明针对现有验证码自动识别方法存在的上述问题，对验证码的识别做出改进：（1）改进了验证码图片截取方式；（2）增加了容错机制；（3）提高了识别率。

本发明的技术方案是：

验证码的识别验证方法包括以下步骤：

识别步骤：从当前页面中获取验证码图片，对图片进行图像处理，对图像处理后的图片进行二值化处理，提取二值化图片中的字符串，清除字符串中不满足预定条件的符号得到验证码；

验证步骤：使用当前得到的验证码登录，判断是否验证成功，在未验证成功的情况下，刷新判断当前识别次数是否达到预定值，在未达到所述预定值时，循环执行所述识别步骤和验证步骤，直至验证成功。

从当前页面中获取验证码图片包括：

对当前整个页面截图并保存；

从所述整个页面中，获取所述验证码图片的大小和位置；

通过所述验证码图片的大小和位置计算获取验证码图片的坐标值，得到所述验证码图片。

所述对图片进行的图像处理包括：灰度处理、锐化处理、亮度处理、转化为黑白图片和清除噪点。

所述提取二值化图片中的字符串包括：二值化处理时使用tesseract库识别图片，转换成字符串。

预设阀值像素180至220，对图片进行二值化处理。

刷新判断当前识别次数是否达到预定值之后，还包括：在达到所述预定值时，结束流程。

一种用于验证码识别及验证的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下方法步骤：从当前页面中获取验证码图片，对图片进行图像处理，对图像处理后的图片进行二值化处理，提取二值化图片中的字符串，清除字符串中不满足预定条件的符号得到验证码；使用当前得到的验证码登录，判断是否验证成功，在未验证成功的情况下，刷新判断当前识别次数是否达到预定值，在未达到所述预定值时，循环执行所述识别步骤和验证步骤，直至验证成功。

计算机程序包括识别模块及验证模块，识别模块包含验证码图像获取模块、图像处理模块、图像二值化模块和验证码提取模块，其中：

验证码图像获取模块对当前整个页面截图并保存；从所述整个页面中，获取所述验证码图片的大小和位置；通过所述验证码图片的大小和位置计算获取验证码图片的坐标值，得到所述验证码图片；

图像处理模块用于对验证码图片进行图像处理；图像处理模块包括灰度处理、锐化处理、亮度处理、转化为黑白图片和清除噪点。

图像二值化模块按照预设阈值对图像进行二值化处理，然后使用tesseract库识别图片并转换成字符串；

验证码提取模块用于清除字符串中不满足预定条件的符号得到验证码；

验证模块包含判断模块和循环模块，判断模块用于判断验证码是否正确及判断次数是否达到预设值，当验证码错误且判断次数未达到预设值时通过循环模块重新执行验证模块。

判断模块刷新判断验证是否成功及当前识别次数，当登陆成功或达到预设次数时，结束流程。

本发明的有益效果：本发明提供一种应用于Web的验证码识别方法，能有效解决手动输入验证码方式不能解决的大批量测试的问题，节约了人力财力成本，缩短了产品开发周期，提高了测试效率。并且：

一、验证码图片的截取更加规范

我们都知道，验证码图片是整个界面中一小块区域，当截取验证码图片时，如何正确的在整张图片中拿到验证码区域的坐标值是关键，本发明通通过元素大小和元素位置，计算出了验证码图片的坐标值，最后获得验证码的图片。

二、通过对验证码图片处理增加识别率

对验证码图片的处理关系到最终的识别率，本发明进行了一系列的处理，包括灰度化处理、对比度处理、锐化处理、亮度处理、清除噪点处理等，最后通过第三方tesseract库识别图片，转换成字符串。

三、对识别结果进行分辨，防止输入无效符号

提取出的字符串可能包含一些特殊符号，如空格，标点符号等。由于我们的验证码是由数字和字母组成，因此，需要对结果进行非字母和数字的处理。

四、建立了循环容错机制

当验证码识别失败时，能够自动刷新验证码重新进行识别。

附图说明：

图1是根据本发明实施例的验证码识别及验证方法流程图；

图2是根据本发明优选实施例的验证码识别及验证方法流程图。

具体实施方式

下面结合说明书附图对本发明的具体实现方式做一详细描述。

图1是根据本发明实施例的验证码识别及验证方法流程图。如图1所示，在打开需要进行Web自动化测试的网页登陆界面后，进行识别步骤及验证步骤。

识别步骤：

步骤S101:获取验证码图片，从网页上截取验证码所在位置的图像并保存为图片。

步骤S102:对图片进行图像处理,此步骤主要是将图片进行灰化，消除原来验证码图像中颜色对识别的影响，并滤除灰度值较小的图形或像素，在一定程度上降低色浅图形对识别的影响。

步骤S103:对图片进行二值化处理,首先预定阈值threshold，把大于阈值threshold的像素置为1（显示），其他的置为0（不显示），经过上述处理，相对于验证码，灰度值较低的干扰图形或像素被滤除。

步骤S104：提取字符串，利用第三方图片识别库对二值化处理后的图片进行字符识别及提取，得到字符串。

步骤S105：清除不满足预定条件的符号，例如，只保留数字和字母，删除非数字和字母的符号，得到验证码。

验证步骤：

步骤S201：使用当前得到的验证码登录，判断是否验证成功，如果登陆失败则刷新验证码并对刷新次数进行验证，如果没有超过预设次数则返回上述识别步骤，循环执行所述识别步骤及验证步骤，直至登陆成功或者刷新次数达到预设值。

在上述步骤的基础上，作出以下优化改进，具体可以参见图2:

优选的，在执行S101获取验证码图片时，首先是截图整个浏览器图片保存为大图；通过图片的大小和位置的获取验证码元素的坐标信息，计算出验证码图片4个角的坐标值；最后根据4个坐标值截取大图中的验证码区域的图片，并另存为我们需要的验证码图片文件。

优选的在步骤S102中，依次对验证码图片进行灰度处理、锐化处理、亮度处理、转化为黑白图片和清除噪点，用以提高图片的识别率。

在步骤S103中，预设阈值过小会造成干扰图形或像素滤除不干净，阈值过大会造成验证码图像被滤除，优选的设置threshold值为200，可以根据环境修改该值。

优选的在步骤S104中，将二值化后的图片数据通过tesseract库转换成文本。

优选的在步骤S201中，当验证码正确登陆成功或者刷新次数达到预设值（如图2中，识别次数达到预设值i次，其中，i可以设置为大于1的整数，例如10），结束流程。

一种能够验证码识别及验证的计算机设备，包含：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时能够实现上述识别过程及验证过程，即程序包含识别及验证两个模块，识别模块用于识别验证码，验证模块用于判断是否要调用识别模块进行判断。该计算机程序用于实现以下方法步骤：

从当前页面中获取验证码图片，对图片进行图像处理，对图像处理后的图片进行二值化处理，提取二值化图片中的字符串，清除字符串中不满足预定条件的符号得到验证码；使用当前得到的验证码登录，判断是否验证成功，在未验证成功的情况下，刷新判断当前识别次数是否达到预定值，在未达到所述预定值时，循环执行所述识别步骤和验证步骤，直至验证成功。

计算机程序的结构：计算机程序包括识别模块及验证模块，识别模块包含验证码图像获取模块、图像处理模块、图像二值化模块和验证码提取模块验证模块包含判断模块和循环模块，验证模块包含判断模块和循环模块，判断模块用于判断是否调用识别模块，循环模块用于调用识别模块。

计算机程序的具体实施方式如下：

一、计算机程序的识别模块

包括以下子程序模块：（1）验证码图像获取模块；图像处理模块；（3）图像二值化模块；（4）验证码提取模块。

图像处理模块用于对验证码图片进行图像处理；

具体代码如下：

（1）验证码图像获取模块：验证码图像获取，获取验证码元素并截图

在此定义了__crop_codeImg方法来获取验证码图片。首先是截图整个浏览器图片保存为homeImg；其次通过imgElement.location获取验证码元素的坐标信息，计算出验证码图片4个角的坐标值；最后根据4个坐标值截取homeImg中的验证码区域的图片，并另存为文件codeImg（我们需要的）。

def __crop_codeImg(driver, homeImg, codeImg, codeEelement):

'''获取验证码元素、截图'''

driver.save_screenshot(homeImg) #截取主界面

time.sleep(1)

imgSize = codeEelement.size #获取验证码图片大小

imgLocation = imgElement.location #获取验证码元素坐标信息

rangeValue = (int(imgLocation['x']),int(imgLocation['y']),int(imgLocation['x'] + imgSize['width']),int(imgLocation['y']+imgSize['height'])) #计算出验证码坐标值

home= Image.open(homeImg)

codeImg = home.crop(rangeValue ) #截取实际用于识别的验证码图片

codeImg .save(codeImg)

（2）图像处理模块

这里定义了clear_point方法来清除图片中一些孤立的噪点，用以提高图片的识别率。

def clear_point(img):

'''清楚图片中的噪点'''

for j in range(1,(img.size[1]-1)):

for i in range(1,(img.size[0]-1)):

if img.getpixel((i,j))==0 and img.getpixel(((i-1),(j-1)))==255 and img.getpixel((i,(j-1)))==255 and im.getpixel(((i 1),(j-1)))==255and img.getpixel(((i-1),j))==255 and img.getpixel(((i 1),j))==255 andimg.getpixel(((i-1),(j 1)))==255 and img.getpixel((i,(j 1)))==255 andimg.getpixel(((i 1),(j 1)))==255:

img.putpixel([i,j],255)

return img

这里定义了img_gray方法，主要是对图片进行灰化处理。

def(rgb_value):

'''对图片进行灰化处理''

gray = int((rgb_value[0]*299 rgb_value[1]*587 rgb_value[2]*114)/1000)

return gray

（3）图像二值化模块，将图片二值化后利用tesseract库转换成文本。

在此定义了__image_to_string方法，将验证码图片转换成文本，第（2）部分和第（3）部分的处理方式如下：

首先，调用im.convert方法转换为RGB模式

第二，进行灰度化处理

第三，进行对比度处理

第四，进行锐化处理

第五，进行亮度处理

第六，调用im.convert('1')方法转换为黑白图片

第七，调用clear_point清除噪点

最后，将图片数据，通过'tesseract库转换成文本

def __image_to_string(codeImg, cleanup=True, plus=''):

'''cleanup为True则识别后删除生成的文本文件'''

'''plus参数为给tesseract的附加高级参数'''

im=Image.open(codeImg)

im=im.convert('RGB')

for j in range(im.size[1]):

for i in range(im.size[0]):

Gray = img_gray(im.getpixel((i,j))) #灰度化

im.putpixel([i,j],(Gray,Gray,Gray))

if i==0 or i==(im.size[0]-1): #将图片第1行和最后1行设白色

im.putpixel([i,j],(255,255,255))

if j==0 or j==(im.size[1]-1):#将图片第1和最后1列为白色

im.putpixel([i,j],(255,255,255))

enhancer = ImageEnhance.Contrast(im) #对比度处理

im = enhancer.enhance(2)

enhancer = ImageEnhance.Sharpness(im) #锐化处理

im = enhancer.enhance(2)

enhancer = ImageEnhance.Brightness(im) #增加亮度处理

im = enhancer.enhance(2)

im = im.convert('1') #转为黑白图片

im = clear_point(im) #清除周围8个像素都是白色的噪点

threshold = 200 #这里预设值为200，可以根据情况调整该预设值

table = []

for j in range(256):

if j < threshold:

table.append(0)

else:

table.append(1)

out = im.point(table,'1')

out.save(codeImg)

time.sleep(1)

subprocess.check_output('tesseract ' + codeImg+ ' ' + codeImg+ ' ' +plus, shell=True)

ext = ''

with open(codeImg+ '.txt', 'r') as f:

text = f.read().strip()

if cleanup:

os.remove(codeImg+ '.txt')

return text

（4）验证码提取

这里最终返回的结果是验证码字符串。由于我们的验证码主要是有数字和字母组成的，在调用__image_to_string获得验证码内容后，对识别结果再结果一次非数字和字母的处理。

def getcode(driver, homeImg, codeImg, codeEelement):

'''获取验证码，返回结果是4位的验证码'''

#调用__crop_codeImg获取验证码元素并截图

__crop_codeImg(driver, homeImg, codeImg, codeEelement)

#调用__image_to_string将图片转成字符串

code = __image_to_string(code_file)

#主要是对转换后字符串进行处理'

code = code.lower() #将大写字母转为小写

filter(str.isalnum, code ) #只保留数字和字母

return result

计算机的

二、计算机程序的验证模块

验证模块包含判断模块和循环模块，判断模块用于判断验证码是否正确及判断次数是否达到预设值，当验证码错误且判断次数未达到预设值时通过循环模块执行验证模块；当验证码正确或判断次数达到预设值，则终止流程。即通过验证模块来判断是否执行识别模块。，判断模块用于判断验证码是否正确及判断次数是否达到预设值，当验证码错误且判断次数未达到预设值时通过循环模块重新执行验证模块

进一步对具体的验证码识别模块的调用进行描述：首先定义了2个文件，homeImg 和codeImg ，然后打开浏览器，输入网址打开，定位验证码图片元素。其次，调用getcode方法，传入对应参数即可获得需要的验证码。最后若验证码识别异常或错误，还可以尝试多次识别（这里设置最多60次，可调整）。

if __name__ == '__main__':

homeImg = '//img/login.png'

codeImg = '//img/code.pn'

driver = webdriver.Chrome()

driver.get('http://test.sign.com')

driver.maximize_window()

imgElement = driver.find_element_by_id('codeEelement')

i=0

while (i<60): #尝试识别60次，都失败就终止。

code = getcode(driver, homeImg, codeImg, imgElement )

if (not code):

print u"无法识别，请重试！"

result = false

else:

print u":识别结果："+code

result = login(driver,code) #这里调用登录功能，成功返回true

if (result):

break

else:

driver.refresh() #刷新页面，重新识别

i = i+1

验证模块包含判断模块和循环模块，判断模块用于判断验证码是否正确及判断次数是否达到预设值，当验证码错误且判断次数未达到预设值时通过循环模块重新执行验证模块。判断模块刷新判断验证是否成功及当前识别次数，当登陆成功或达到预设次数时，结束流程。

Claims

1.一种验证码的识别验证方法，其特征在于:包括以下步骤：

2.根据权利要求1所述验证码的识别验证方法，其特征在于：从当前页面中获取验证码图片包括：

对当前整个页面截图并保存；

从所述整个页面中，获取所述验证码图片的大小和位置；

3.根据权利要求1所述验证码的识别验证方法，其特征在于：所述对图片进行的图像处理包括：灰度处理、锐化处理、亮度处理、转化为黑白图片和清除噪点。

4.根据权利要求1所述验证码的识别验证方法，其特征在于：所述提取二值化图片中的字符串包括：二值化处理时使用tesseract库识别图片，转换成字符串。

5.根据权利要求4所述用于Web自动化测试的验证码识别方法，其特征在于：预设阈值像素180至220，对图片进行二值化处理。

6.根据权利要求1至5中任一项所述的验证码的识别验证方法，其特征在于：刷新判断当前识别次数是否达到预定值之后，还包括：在达到所述预定值时，结束流程。

7.一种用于验证码识别及验证的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于处理器执行计算机程序时实现以下方法步骤：从当前页面中获取验证码图片，对图片进行图像处理，对图像处理后的图片进行二值化处理，提取二值化图片中的字符串，清除字符串中不满足预定条件的符号得到验证码；使用当前得到的验证码登录，判断是否验证成功，在未验证成功的情况下，刷新判断当前识别次数是否达到预定值，在未达到所述预定值时，循环执行所述识别步骤和验证步骤，直至验证成功。

8.根据权利要求7所述用于验证码识别及验证的计算机设备，其特征在于：计算机程序包括识别模块及验证模块，识别模块包含验证码图像获取模块、图像处理模块、图像二值化模块和验证码提取模块，其中：

图像处理模块用于对验证码图片进行图像处理；

图像二值化模块按照预设阀值对图像进行二值化处理，然后使用tesseract库识别图片并转换成字符串；

9.根据权利要求7所述用于验证码识别及验证的计算机设备，其特征在于：图像处理模块包括灰度处理、锐化处理、亮度处理、转化为黑白图片和清除噪点。

10.根据权利要求7至9所述任一项用于验证码识别及验证的计算机设备，其特征在于：判断模块刷新判断验证是否成功及当前识别次数，当登陆成功或达到预设次数时，结束流程。