月薪20K软件测试自动化岗必问面试题：验证码识别与处理
本文乃Happy老师的得意门生来自java全栈自动化测试4期的小核桃所作。正所谓严师出高徒，笔下有黄金~~让我们一起来征服面试官吧~~
在做自动化测试的时候，经常会遇到需要输入验证码的地方，有些可以让开发屏蔽，但是有些不行，这时候，我们可以调用tesseract来实现图像的识别。
在JAVA中调用tesseract，主要有两种方式：cmd方式，tess4j方式。我要介绍的是用tess4j的方式来识别图像，得到验证码。
首先要在工程中加入tess4j的jar包，如果是maven
项目，可以从中央仓库中获取https://mvnrepository.com/ 直接搜索tess4j
点击打开
选择使用比较多的，点进去
复制这段代码粘贴到maven工程的pom.xml里面
等待下载完成
安装完成之后，在Maven Dependencies库中会出现tess4j的jar包，官方解释tess4j：A Java JNA wrapper for Tesseract OCR API.
也就是说：tess4j是针对tesseract进行封装的javaAPI。安装好依赖库之后，就不需要另外再安装tessereact-ocr了，因为tess4j的jar包里面自带了tessereact-ocr。
安装好之后，如果没有把文字库tessdata放到项目中，调用的时候会报错,如下
Error opening data file ./tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
Failed loading language 'eng'
Tesseract couldn't load any languages!
Could not initialize tesseract.
这里提示的是环境变量没有设置，这是针对安装tessreact-ocr的调用的错误提示，所以按照这个去加环境变量，问题还是会出现的（这里我折腾了好久才解决）。
针对依赖库的方法调用，解决这个问题的正确做法是在maven项目的resources路径下添加tessdata文字库
eng.traineddata是英文语言包，识别字母和数字。
如果想要识别中文(数字 + 中文），需要在下载chi_sim.traineddata语言包。这样tess4j就能正常使用了。
接下来是调用过程，要是别验证码，主要的步骤是得到验证码图片，进行识别，输出识别结果。
得到验证码图片分为三步：
1、 将验证码页面截图保存
public byte[] takeScreenshot(WebDriver driver) throws IOException {
byte[] screenshot = null;
screenshot = ((TakesScreenshot) driver)
.getScreenshotAs(OutputType.BYTES);//得到截图
return screenshot;
}
2、得到的图片是整个屏幕的截图，我们可以处理一下，对图片进行截取，只保留验证码那一部分
public BufferedImage createElementImage(WebDriver driver,
WebElement webElement, int x, int y, int width, int heigth)//开始裁剪的位置和截图的宽和高
throws IOException {
Dimension size = webElement.getSize();
BufferedImage originalImage = ImageIO.read(new ByteArrayInputStream(
takeScreenshot(driver)));
BufferedImage croppedImage = originalImage.getSubimage(x, y,
size.getWidth() + width, size.getHeight() + heigth);//进行裁剪
return croppedImage;
3、tesseract读取图片，获得验证码，默认是英文，如果要使用中文包，加上instance.setLanguage("chi_sim");
private String getVerificationCode(String path) {
File imageFile = new File(path);
try {
imageFile.createNewFile();
} catch (IOException e1) {
e1.printStackTrace();
}
WebElement element = driver.findElement(By
.cssSelector("img[id='codeImg']"));
try {
BufferedImage image = createElementImage(driver, element, 687, 362,
54, 18);//得到裁剪的图片
ImageIO.write(image, "png", imageFile);//进行保存
} catch (IOException e) {
e.printStackTrace();
}
ITesseract instance = new Tesseract();//调用Tesseract
URL url = ClassLoader.getSystemResource("tessdata");//获得Tesseract的文字库
String tesspath = url.getPath().substring(1);
instance.setDatapath(tesspath);//进行读取，默认是英文，如果要使用中文包，加上instance.setLanguage("chi_sim");
String result = null;
try {
result = instance.doOCR(imageFile);
} catch (TesseractException e1) {
e1.printStackTrace();
}
result = result.replaceAll("[^a-z^A-Z^0-9]", "");//替换大小写及数字
return result;
}
执行结果，得到的图片
得到的验证码
总结：tess4j安装比较方便，只要引入jar就行，不需要额外安装其他软件，tess4j下也封装了图片处理的工具类：如缩放，旋转等（这些我还没用到）。
另外在读取图片的时候，还是比较容易出错的 比如t和l，i和l，e和o容易出现错读的情况，希望有大佬可以完善我的方法，提高正确率。
今天的文章分享就到这里了，感谢小核桃童鞋的分享，其他童鞋有什么想要交流的可以在留言区里面留言噢
