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
  在CODE上查看代码片 派生到我的代码片
  1. <html>  
  2. <head>  
  3. <title>验证码</title>  
  4. </head>  
  5. <body>  
  6.     <form>  
  7.         <td>验证码：</td>  
  8.         <input id="cp" type="text"/>  
  9.         <img src="http://www.csti.cn/uc/index/verify.htm">  
  10.     </form>  
  11. </body>  
  12. </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
  在CODE上查看代码片 派生到我的代码片
  1. //元素截图  
  2. public static void captureElement(WebDriver driver, WebElement element, String path){  
  3.     // 截图整个页面  
  4.     File srcFile = ((TakesScreenshot) driver).getScreenshotAs(OutputType.FILE);  
  5.     try {  
  6.         // 获得元素的高度和宽度  
  7.         int width = element.getSize().getWidth();  
  8.         int height = element.getSize().getHeight();  
  9.         // 创建一个矩形使用上面的高度和宽度  
  10.         Rectangle rect = new Rectangle(width, height);  
  11.         // 得到元素的坐标  
  12.         Point p = element.getLocation();  
  13.         BufferedImage img = ImageIO.read(srcFile);  
  14.         BufferedImage dest = img.getSubimage(p.getX(), p.getY(), rect.width,rect.height);  
  15.         // 存为png格式  
  16.         ImageIO.write(dest, "png", srcFile);  
  17.         Thread.sleep(1000);  
  18.         FileUtils.copyFile(srcFile, new File(path));  
  19.     } catch (Exception e) {  
  20.         e.printStackTrace();  
  21.     }  
  22. }  

截取完元素，就可以调用Tesseract-OCR生成text：

[java]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. Runtime rt = Runtime.getRuntime();  
  2. 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
  在CODE上查看代码片 派生到我的代码片
  1. public static String readTextFile(String filePath) {  
  2.     String lineTxt = null;  
  3.         try {  
  4.             String encoding = "GBK";  
  5.             File file = new File(filePath);  
  6.             if (file.isFile() && file.exists()) { // 判断文件是否存在  
  7.                 InputStreamReader read = new InputStreamReader(  
  8.                         new FileInputStream(file), encoding);// 考虑到编码格式  
  9.                 BufferedReader bufferedReader = new BufferedReader(read);  
  10.                 while ((lineTxt = bufferedReader.readLine()) != null) {  
  11.                     return lineTxt;  
  12.                 }  
  13.                 read.close();  
  14.             } else {  
  15.                 System.out.println("找不到指定的文件");  
  16.             }  
  17.         } catch (Exception e) {  
  18.             System.out.println("读取文件内容出错");  
  19.             e.printStackTrace();  
  20.         }  
  21.         return lineTxt;  
  22. }  
最后，直接调用：

[java]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. public static void main(String[] args) throws IOException, InterruptedException {  
  2.     WebDriver driver = new FirefoxDriver();  
  3.     driver.manage().window().maximize();  
  4.     driver.get("file:///E:/tesseract/cp.html");  
  5.     WebElement cp = driver.findElement(By.xpath("//img"));  
  6.     captureElement(driver, cp, "e:\\tesseract\\cp.png");  
  7.     Runtime rt = Runtime.getRuntime();  
  8.         rt.exec("cmd.exe /C  tesseract e:\\tesseract\\cp.png e:\\tesseract\\cp");  
  9.         Thread.sleep(1000);  
  10.         String cp2 = readTextFile("e:\\tesseract\\cp.txt");  
  11.         driver.findElement(By.id("cp")).sendKeys(cp2);  
  12.         //driver.quit();  
  13. }  
GitHub 加速计划 / te / tesseract
60.1 K
9.29 K
下载
tesseract-ocr/tesseract: 是一个开源的光学字符识别（OCR）引擎，适用于从图像中提取和识别文本。特点是可以识别多种语言，具有较高的识别准确率，并且支持命令行和API调用。
最近提交(Master分支：2 个月前 )
bc490ea7 Don't check for a directory, because a symbolic link is also allowed. Signed-off-by: Stefan Weil <sw@weilnetz.de> 4 个月前
2991d36a - 4 个月前
Logo
GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

avatar GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

avatar GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m

avatar GitCode 开源社区