随着Web应用程序的不断发展,自动化测试已成为项目开发中必不可少的一环。然而,验证码的出现却经常会使自动化测试变得更具挑战性。为了解决这个问题,我们需要一种方法来自动识别和处理验证码,从而提高自动化测试的效率和准确性。本文将介绍如何封装一个Web自动化框架,并集成验证码识别处理功能。
1. 选择一个自动化测试工具
有许多的自动化测试工具可以选择,比如Selenium、Appium等等。我们选择Selenium作为我们的自动化测试工具,因为Selenium拥有强大的浏览器支持和Active Element Detection等很多好用的功能。
2. 安装环境
- Python3.x:Selenium是Python编写的,在使用之前需要安装Python3.x。
- Selenium:在Python环境下使用Selenium需要安装Selenium包。可以使用pip命令进行安装。
pip install selenium
3. 初始化一个Selenium驱动
在安装完成Selenium模块之后,就可以拿到一个WebDriver的对象了。我们使用WebDriver连接到一个浏览器实例,并加载我们要测试的网页。
- from selenium import webdriver
-
- driver = webdriver.Chrome()
- driver.get('http://tempuri.org')
这时,我们可以看到Chrome浏览器自动打开并打开了“http://tempuri.org”这个网站。
- 现在我也找了很多测试的朋友,做了一个分享技术的交流群,共享了很多我们收集的技术文档和视频教程。
- 如果你不想再体验自学时找不到资源,没人解答问题,坚持几天便放弃的感受
- 可以加入我们一起交流。而且还有很多在自动化,性能,安全,测试开发等等方面有一定建树的技术大牛
- 分享他们的经验,还会分享很多直播讲座和技术沙龙
- 可以免费学习!划重点!开源的!!!
- qq群号:110685036
1. 编写测试脚本
编写一个简单的Selenium测试脚本,用以添加一个新用户并且验证用户能否成功登录:
- def test_add_user():
-
- # 查找用户登录界面的"用户名"和"密码"输入框
- username_input = driver.find_element_by_name('username')
- password_input = driver.find_element_by_name('password')
-
- # 输入用户名和密码
- username_input.send_keys('username')
- password_input.send_keys('password')
-
- # 记录当前 URL
- login_url = driver.current_url
-
- # 点击登录按钮
- driver.find_element_by_id('submit').click()
-
- # 获取当前 URL
- current_url = driver.current_url
-
- # 验证登录成功与否
- assert current_url != login_url
通过Selenium提供的find_element_by_*系列的方法,我们可以定位页面中的元素并进行操作。
2. 运行测试脚本
添加完测试脚本后,只需要运行测试脚本即可开展自动化测试。
test_add_user()
验证码一般用于防止机器恶意攻击,而这在自动化测试中是个大问题。通过一些常见的验证码形式和对应的处理方式,我们可以提高自动化测试的识别率和效率。
1. 验证码种类
目前常见的验证码种类有图形验证码、中文验证码、计算验证码、滑动验证码等种类,不过最常见的是图形验证码。
2. 验证码处理方式
我们可以使用PIL库对识别到的验证码进行预处理,从而提高识别率。对于某些情况下无法识别的验证码,则通常需要手动打码了。以下是图形验证码预处理的基本步骤:
- 转灰度:将彩色的验证码转成单一的灰度。
- 二值化:通过Sobel算法,对灰度图像进行边缘检测,并进行二值化。
- 降噪:去除二值化后图像中噪声点等干扰信息。
- 切割:将验证码进行切割成单个字符,然后对单个字符进行识别。
下面我们来看一个实现了验证码识别处理的自动化测试脚本。假设我们要测试的网站包含了一个图形验证码,我们可以先对验证码进行预处理,然后再输入验证码。
- import requests
- from PIL import Image
- import pytesseract
-
- def get_verify_code_img(url):
- """
- 获取验证码图片
- """
- response = requests.get(url=url)
- img = Image.open(BytesIO(response.content))
- return img
-
- def preprocessing_verify_code(img):
- """
- 预处理验证码图片
- """
- # 转换成灰度图
- img = img.convert('L')
- # 二值化
- threshold = 160
- img = img.point(lambda x: 255 if x > threshold else 0)
- # 去除噪声
- img = img.filter(ImageFilter.MedianFilter(size=3))
- return img
-
- def recognize_verify_code(img):
- """
- 识别验证码
- """
- text = pytesseract.image_to_string(img, lang='eng')
- return text
-
- def test_with_verify_code():
- # 验证码图片URL
- img_url = 'http://captcha.com/verify_code'
- # 获取验证码图片
- img = get_verify_code_img(img_url)
- # 预处理验证码图片
- img = preprocessing_verify_code(img)
- # 识别验证码
- verify_code = recognize_verify_code(img)
- # 输入验证码并登录
- driver.find_element_by_id('verify_code_input').send_keys(verify_code)
- driver.find_element_by_id('submit').click()
-
- test_with_verify_code()
在这个例子中,我们使用了requests库获取验证码图片,使用PIL库对验证码图片进行预处理,然后使用pytesseract库进行识别。最后,我们将识别出的验证码输入到网页中,完成自动化测试。
本文介绍了如何封装一个Web自动化框架,并集成了验证码识别处理功能。需要注意的是,对于不同的验证码类型,预处理和识别的方法可能会有所不同,需要根据实际情况进行调整和优化。通过这种方式,我们可以提高自动化测试的效率和准确性,实现更高质量的测试。