webdriver结合tesseract-ocr处理简单验证码

来源：互联网发布：淘宝客服打字要多快编辑：程序博客网时间：2024/05/17 02:37

使用OCR自动化识别，一般识别率不是太高，处理一般简单验证码还是没问题，这里使用的是Tesseract-OCR,下载地址：http://pan.baidu.com/s/1kUGaw8R

怎么使用呢？

首先，环境变量path添加tesseract-ocr的安装路径，然后使用命令窗口查看：

如果出现如上输出，表示安装正常。

我准备了一张验证码cp.png放在e盘tesseract目录下

：

结果为：

现在，具体实践，先准备一份网页：

<html><head><title>验证码</title></head><body><form><td>验证码：</td><input id="cp" type="text"/><img src="http://www.csti.cn/uc/index/verify.htm"></form></body></html>

要识别验证码，首先得取得验证码，首先获取整个页面的截图，然后找到页面元素坐标进行截取：

//元素截图public static void captureElement(WebDriver driver, WebElement element, String path){// 截图整个页面File srcFile = ((TakesScreenshot) driver).getScreenshotAs(OutputType.FILE);try {// 获得元素的高度和宽度int width = element.getSize().getWidth();int height = element.getSize().getHeight();// 创建一个矩形使用上面的高度和宽度Rectangle rect = new Rectangle(width, height);// 得到元素的坐标Point p = element.getLocation();BufferedImage img = ImageIO.read(srcFile);BufferedImage dest = img.getSubimage(p.getX(), p.getY(), rect.width,rect.height);// 存为png格式ImageIO.write(dest, "png", srcFile);Thread.sleep(1000);FileUtils.copyFile(srcFile, new File(path));} catch (Exception e) {e.printStackTrace();}}

截取完元素，就可以调用Tesseract-OCR生成text：

Runtime rt = Runtime.getRuntime();rt.exec("cmd.exe /C  tesseract e:\\tesseract\\cp.png e:\\tesseract\\cp");

接下来通过java读取txt：

public static String readTextFile(String filePath) {String lineTxt = null;        try {            String encoding = "GBK";            File file = new File(filePath);            if (file.isFile() && file.exists()) { // 判断文件是否存在                InputStreamReader read = new InputStreamReader(                        new FileInputStream(file), encoding);// 考虑到编码格式                BufferedReader bufferedReader = new BufferedReader(read);                while ((lineTxt = bufferedReader.readLine()) != null) {                    return lineTxt;                }                read.close();            } else {                System.out.println("找不到指定的文件");            }        } catch (Exception e) {            System.out.println("读取文件内容出错");            e.printStackTrace();        }return lineTxt;}

最后，直接调用：

public static void main(String[] args) throws IOException, InterruptedException {WebDriver driver = new FirefoxDriver();driver.manage().window().maximize();driver.get("file:///E:/tesseract/cp.html");WebElement cp = driver.findElement(By.xpath("//img"));captureElement(driver, cp, "e:\\tesseract\\cp.png");Runtime rt = Runtime.getRuntime();        rt.exec("cmd.exe /C  tesseract e:\\tesseract\\cp.png e:\\tesseract\\cp");        Thread.sleep(1000);        String cp2 = readTextFile("e:\\tesseract\\cp.txt");        driver.findElement(By.id("cp")).sendKeys(cp2);        //driver.quit();}

效果如下：

0 0