UI自动化测试时，需要对验证码进行识别处理，有很多方式，每种方式都有自己的特点，以下是一些常用处理方法，仅供参考。
从自动化的本质上来讲，主要是提升测试效率等，但是为了去研究验证码以及提升验证码的识别效率，是需要投入比较大的时间的；
去掉验证码无疑是最简单的方式，而且对于开发而言这样做，工作量也不是很大；
但是建议在测试环境使用，生产环境禁用，因为存在安全问题。
这个是笔者刚开始做自动化时首选的一个处理方法；
因为既测试到了验证码的功能，而且也不用投入太大的精力去研究如何进行验证码识别；
另外对于开发来说，内置一个万能验证码也是非常简单的事情；
对于写自动化脚本的人来说也是非常的方便，效率也高；
但这个万能验证码仅限相关人员知道，避免存在安全隐患。
有点验证码实则就是图片资源；
其实就是在制定的文件夹资源库中随机抽取一张，那么只需要将服务器上的所有图片删除，仅保留一张即可；
说白了就相当于固定验证码。
其实就是通过Python-tesseract模块来只能识别图片中的验证码；
Python-tesseract是光学字符识别Tesseract OCR的python封装类；
其能够读取大部分常规图片文件，比如JPG、GIF、PNG、TIFF等；
这个笔者也尝试过，因为现在的图片验证码越来越复杂，其实有时候识别率并不高；
下边我们尝试着使用一下。
4.1 识别对象
我们收集了几个图片验证码（来源于网络，仅供参考）：从左到右依次是image01.jpg-image04.jpg:
4.2 pytesseract安装
直接使用命令安装即可：
pip install pytesseract
4.3 Pillow安装
直接使用命令：
pip install Pillow
4.4 OCR安装
直接在官网下载即可：
OCR官网
https://github.com/UB-Mannheim/tesseract/wiki
选择对应的版本下载即可：
按照提示安装完成：
配置环境变量，将其根目录添加到path环境变量中：
4.5 识别原理
基本思路是通过图片降噪、图片切割等，输出图像文本；
图片降噪就是将图片中一些不需要的信息去除，比如背景、干扰像素、干扰线等。
如果验证码是彩色的背景，其实就是把每个像素放在五维空间，即X、Y、R、G、B；
X、Y是像素的二维平面坐标，RGB代表像素所对应的颜色。
4.6 处理过程
4.6.1 转灰度处理
导入需要的包：
from PIL import Image打开需要分析的图像：
image = Image.open("./image01.jpg")将彩色图像转化为灰度图像（RGB转为HSI色彩空间），采用L分量：
# 彩色转灰度
img_01 = image.convert("L")
img_01.show()以上完整代码为（使用image01.jpg）：
# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX
# 博客：https://blog.csdn.net/NoamaNelson
# 导入Image包
from PIL import Image
# 打开图像
image = Image.open("./image01.jpg")
# 彩色转灰度
img_01 = image.convert("L")
img_01.show()转灰度后图像如下：
4.6.2 二值化处理
图像分割常用的方法就是二值化处理；
二值化处理就是二值化图像时，将大于某个临界灰度值的像素灰度设置为灰度的极大值，把小于这个值的像素灰度设为灰度的极小值，取值范围一般为0-1；
二值化算法不同，可分固定阈值和自适应阈值，比如这个固定阈值如下（使用image02.jpg）：
# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX
# 博客：https://blog.csdn.net/NoamaNelson
# 导入Image包
from PIL import Image
# 打开图像
image = Image.open("./image02.jpg")
# 二值化处理
img_02 = image.point(lambda x:0 if x<143 else 255)
img_02.show()二值化后的效果：
我们结合前两种方法，把image03.jpg先灰度再二值化处理后输出对应的文字：
# -*- coding:utf-8 -*-
# 作者：虫无涯
# 日期：2023/11/14
# 文件名称：test_tesseract.py
# 作用：OCR验证码识别
# 联系：VX
# 博客：https://blog.csdn.net/NoamaNelson
# 导入Image包
from PIL import Image
from pytesseract import pytesseract
# 打开图像
image = Image.open("./image03.jpg")
# 灰度处理
img_new = image.convert("L")
# 二值化处理
img_03 = img_new.point(lambda x:0 if x<143 else 255)
img_03.show()
out_img = pytesseract.image_to_string(img_03)
print(out_img)image03.jpg原图和处理后效果：
结果输出：
4.6.3 图像增强
为了排除更多的干扰，我们可以使用将图片增强显示，或者将图片转成黑白；
我们在以上代码继续添加：
from PIL import ImageEnhance
img_enh = ImageEnhance.Contrast(img_03)
img_enh01 = img_enh.enhance(4)
img_enh01 .show()
out_img = pytesseract.image_to_string(img_enh01)
4.6.4 完整代码
我们使用image04.jpg输出完整代码：
# 导入Image包
from PIL import Image
from pytesseract import pytesseract
from PIL import ImageEnhance
# 打开图像
image = Image.open("./image04.jpg")
# 灰度处理
img_new = image.convert("L")
# 二值化处理
img_04 = img_new.point(lambda x:0 if x<143 else 255)
# 图像增强
img_enh = ImageEnhance.Contrast(img_04)
img_enh01 = img_enh.enhance(4)
# 处理后图片
img_enh01.show()
# 提取图片文字
out_img = pytesseract.image_to_string(img_enh01)
print(out_img)处理前后的效果：
另外我们可以通过打码平台来实现图片文字提取，比如超人、图鉴、斐斐等等；
比如图鉴平台，可以参考它的 开发文档
（http://www.ttshitu.com/docs/index.html?spm=null）；
06 记录cookie
通过添加登录成功时所携带的cookie来跳过登录；
在selenium中使用add_cookie()方法将用户名和密码等登录信息写入浏览器的cookie中，再次登录时直接读取浏览器cookie即可。
行动吧，在路上总比一直观望的要好，未来的你肯定会感谢现在拼搏的自己！如果想学习提升找不到资料，没人答疑解惑时， 请及时加入群： 786229024 ，里面有各种测试开发资料和技术可以一起交流哦。
最后：
下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取
【保证100%免费】
我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
