webdriver结合tesseract-ocr处理简单验证码

来源：互联网发布：网络购物的发展编辑：程序博客网时间：2024/05/05 22:09

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] view plain copy
 
<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：

[java] view plain copy
 
//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：

[java] view plain copy
 
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：

[java] view plain copy
 
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：

[java] view plain copy
 
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();  
}  

0 0