我們在性能測試中總會時不時地遭遇到來自於應用系統的各種阻礙,圖片驗證碼就是一類最常見的束縛,登錄或交易時需要按照圖片中的內容輸入正確的驗證信息后,數據才可以提交成功,這使得許多性能測試工具只能望而卻步。網上也出現了一些LoadRunner的解決方案,但結合LoadRunner對於C腳本內存控制和識別成功率低下等諸多問題,這些方案沒有什么實際用途。然而,為JMeter開發插件卻給我們提供了一條可行的道路來沖破圖片驗證碼的束縛!
選擇一個理想的第三方圖形圖像識別工具
在此我們首先需要一個比較理想的圖形圖像識別工具來完成將驗證碼中的圖形圖像文字識別轉換為文本文字主體識別工作,在此我們選擇Tesseract, Tesseract是一個開源的OCR(Optical Character Recognition,光學字符識別)引擎,可以識別多種格式的圖像文件並將其轉換成文本,發布在Googel Project上,地址為http://code.google.com/p/tesseract-ocr/(但Googel Project停止維護后不知道現在在哪里維護)。
一組用於驗證碼識別的JMeter插件
我們常見的驗證碼圖片樣本如下:
1. 降噪
當你遇到這樣的驗證碼時,首先你要做的就是降噪,將背景的一些干擾我們識別文本內容的線條過濾掉,人眼需要降噪,識別軟件在進行識別前也需要幫助其進行降噪來加大識別成功率,通常降噪的方案是對圖片像素點進行逐個掃描,通過創建降噪規則對背景噪音進行過濾,如上面的樣本,我們可以建立如下降噪規則和方法:
public static int isFilter(int colorInt) { Color color = new Color(colorInt); if ((color.getRed() > 85 && color.getRed() < 255) && (color.getGreen() > 85 && color.getGreen() < 255) && (color.getBlue() > 85 && color.getBlue() < 255)) { return 1; } return 0; } public static BufferedImage removeBackgroud(BufferedImage img) throws Exception { int width = img.getWidth(); int height = img.getHeight(); for (int x = 0; x < width; ++x) { for (int y = 0; y < height; ++y) { if (isFilter(img.getRGB(x, y)) == 1) { img.setRGB(x, y, Color.WHITE.getRGB()); } } } return img; }
可以看到效果非常明顯,但降噪也有它的局限性,比如會把一些需要正常顯示的圖形文字過濾掉一部分,諸如此類問題我們會在后面的介紹中通過其他方式解決,但對於圖形圖像識別軟件的輸入來說,必須對其加以降噪才能保證讀取正確率。
2. 識別插件(第一個Extractor插件)
我們在最初的章節介紹了Extractor的基本實現方法,在此我們還是簡單回顧一下后置處理器的一些功能,下圖顯示了JMeter為我們默認提供的后置處理器:
所謂后置處理器是相對Sampler的后置,主要用於處理Sampler所抽樣得到的SamplerResult對象,對SamplerResult做修飾或通過SamplerResult抽取信息,最常使用的是“正則表達式提取器”、“CSS/JQuery Extractor”、“XPath Extractor”,使用它們可以實現性能測試腳本中最重要的“關聯”操作。
好了,我們的需求是對驗證碼進行讀取,即通過驗證碼URL獲取到圖片資源(這部分由“HTTP請求Sampler”完成),然后提取資源中的圖形圖像信息作為Tesseract的輸入,最后在將Tesseract的輸出作為一個JMeter參數數據進行保存。慣例使用分離法,分為邏輯控制部分VcodeExtractor和GUI部分VcodeExtractorGUI,另外,還包括對圖片進行處理的ImageIOHelper類以及實現調用Tesseract對驗證碼信息識別並讀取的OCR類。
ImageIOHelper主要包含兩大部分,一部分就是前面所介紹的降噪邏輯,另一部分是將圖片格式轉換為tiff格式以更好地進行識別,這部分的代碼參考如下:
public static File createImage(File imageFile, String imageFormat) { File tempFile = null; ImageInputStream iis = null; ImageOutputStream ios = null; ImageReader reader = null; ImageWriter writer = null; try { Iterator<ImageReader> readers = ImageIO.getImageReadersByFormatName(imageFormat); reader = readers.next(); iis = ImageIO.createImageInputStream(imageFile); reader.setInput(iis); IIOMetadata streamMetadata = reader.getStreamMetadata(); TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE); tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED); Iterator<ImageWriter> writers = ImageIO.getImageWritersByFormatName("tiff"); writer = writers.next(); BufferedImage bi = removeBackgroud(reader.read(0)); IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0)); tempFile = tempImageFile(imageFile); ios = ImageIO.createImageOutputStream(tempFile); writer.setOutput(ios); writer.write(streamMetadata, image, tiffWriteParam); } catch (IOException e) { e.printStackTrace(); } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } finally { if(iis != null){ try { iis.close(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } if(ios != null){ try { ios.close(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } if(writer != null){ writer.dispose(); } if(reader != null){ reader.dispose(); } } return tempFile; } private static File tempImageFile(File imageFile) { String path = imageFile.getPath(); StringBuffer strB = new StringBuffer(path); return new File(strB.toString().replaceFirst("jpg", "tif")); }
OCR類主要是通過Process調用已經安裝的Tesseract程序,調用命令基本形式為 tesseract xxx.tif 1 -l eng,參考如下代碼:
import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.List; public class OCR { private final String LANG_OPTION = "-l"; private final String EOL = System.getProperty("line.separator"); private String tessPath = "D://Program Files (x86)//Tesseract-OCR"; public String recognizeText(File imageFile,String imageFormat) { File tempImage = ImageIOHelper.createImage(imageFile,imageFormat); File outputFile = new File(imageFile.getParentFile(),"output" + imageFile.getName()); StringBuffer sb = new StringBuffer(); List<String> cmd = new ArrayList<String>(); cmd.add(tessPath+"//tesseract"); cmd.add(""); cmd.add(outputFile.getName()); cmd.add(LANG_OPTION); cmd.add("eng"); ProcessBuilder pb = new ProcessBuilder(); pb.directory(imageFile.getParentFile()); cmd.set(1, tempImage.getName()); pb.command(cmd); pb.redirectErrorStream(true); Process process = null; BufferedReader in = null; int wait; try { process = pb.start(); //tesseract.exe xxx.tif 1 -l eng wait = process.waitFor(); if(wait == 0){ in = new BufferedReader(new InputStreamReader(new FileInputStream(outputFile.getAbsolutePath()+".txt"),"UTF-8")); String str; while((str = in.readLine())!=null){ sb.append(str).append(EOL); } in.close(); }else{ tempImage.delete(); } new File(outputFile.getAbsolutePath()+".txt").delete(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (InterruptedException e) { // TODO Auto-generated catch block e.printStackTrace(); } finally { if(in != null){ try { in.close(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } } tempImage.delete(); return sb.toString(); } }
VcodeExtractor類繼承AbstractScopedTestElement抽象類,實現PostProcessor接口的process方法,來處理利用OCR讀取驗證碼信息的邏輯控制,參考代碼如下:
import java.io.File; import java.io.FileOutputStream; import java.io.IOException; import java.io.Serializable; import org.apache.jmeter.processor.PostProcessor; import org.apache.jmeter.samplers.SampleResult; import org.apache.jmeter.testelement.AbstractScopedTestElement; import org.apache.jmeter.threads.JMeterContext; import org.apache.jmeter.threads.JMeterVariables; import org.apache.jorphan.logging.LoggingManager; import org.apache.log.Logger; public class VcodeExtractor extends AbstractScopedTestElement implements PostProcessor, Serializable{ private static final Logger log = LoggingManager.getLoggerForClass(); @Override public void process() { // TODO Auto-generated method stub JMeterContext context = getThreadContext(); SampleResult previousResult = context.getPreviousResult(); if (previousResult == null) { return; } log.debug("VcodeExtractor processing result"); String status = previousResult.getResponseCode(); int id = context.getThreadNum(); String imageName = id + ".jpg"; if(status.equals("200")){ byte[] buffer = previousResult.getResponseData(); FileOutputStream out = null; File file = null; try { file = new File(imageName); out = new FileOutputStream(file); out.write(buffer); out.flush(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } finally { if(out != null){ try { out.close(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } } try { String vcode = new OCR().recognizeText(file, "jpg"); vcode = vcode.replace(" ", "").trim(); JMeterVariables var = context.getVariables(); var.put("vcode", vcode); var.put("vuser", String.valueOf(id)); } catch (Exception e) { e.printStackTrace(); } } } }
代碼邏輯非常簡潔,即通過getThreadContext()方法獲取當前線程(vuser)的上下文,從而從上下文中獲取到前一個Sampler所抽樣的結果,為保證結果不為空我們做了一個簡單的處理,也可以添加一些更為精細的控制,如下代碼:
if(context.getPreviousSampler() instanceof HTTPSampler){ return; }
判斷前一個Sampler是否為HTTPSampler,以限定有效使用范圍。
將previousResult.getResponseData()保存為文件后,通過前面我們創建的OCR完成識別任務后,將識別結果通過JMeterVariables對象保存下來,在此我們分別建立了兩個參數”vcode”和”vuser”,后面我們可以用它們進行測試。
該版本的VcodeExtractorGUI類只是單純實現一個可視化的界面用於在測試計划Tree中進行操作:
import org.apache.jmeter.processor.gui.AbstractPostProcessorGui; import org.apache.jmeter.testelement.TestElement; public class VcodeExtractorGUI extends AbstractPostProcessorGui{ @Override public TestElement createTestElement() { // TODO Auto-generated method stub VcodeExtractor extractor = new VcodeExtractor(); modifyTestElement(extractor); return extractor; } @Override public String getLabelResource() { // TODO Auto-generated method stub return this.getClass().getName(); } @Override public String getStaticLabel() {//設置顯示名稱 // TODO Auto-generated method stub return "VcodeExtractor"; } @Override public void modifyTestElement(TestElement extractor) { // TODO Auto-generated method stub super.configureTestElement(extractor); } }
這意味着識別存在錯誤!
3. 提高識別成功率
識別成功率是成敗的關鍵,提升成功率可以采取以下方案:
訓練Tesseract
提供大量樣本來訓練Tesseract對特定圖形的識別成功率。
修正錯誤的識別結果
有些識別錯誤是這樣的,如:
將J識別為[,將M識別為|\/|,將N識別為||,這種識別錯誤是機器識別離散一些的像素點產生的,人眼是可以修正的,因此,我們可以建立映射表方式將錯誤字符進行修正。
避免混淆形狀接近的圖形字符
有些識別錯誤是這樣的,如:
將5識別為S,將1識別為I,將0識別為O,這種識別錯誤是純的圖形混淆產生的,人眼也可能犯此類錯誤,我們管它叫“看不清”。
4. 看不清,換一張(第一個Controller插件)
“看不清,換一張”無論對人眼或機器識別都是一種彌補方案,我們對於“看不清”的字符需要模擬換一張重新識別的操作,這里我們引入一個新的插件Controller(邏輯控制器),照例我們先來回顧一下該插件的一些功能,下圖顯示了JMeter為我們默認提供的邏輯控制器:
前面的章節曾經介紹過所謂邏輯控制器主要就是用來控制線程行為的,當然也包括一些用於划分Sampler或功能邊界的控制器如事務控制器和錄制控制器,主要是依靠一些限定的條件或閾值的判斷,按想要的方式控制總體線程或單獨線程行為。
好了,我們的需求很明確“看不清,換一張”,在此可以完全照搬循環控制器的源代碼,參考LoopController類和LoopControlPanel類,只需要對LoopController在每次循環結束后判斷是否退出的函數中增加我們對於圖片是否看清的邏輯,代碼如下:
private final static String PATTERN = "34789ABCEFHKLPRTUVWXY" private boolean isVerify(String vcode){ int length = vcode.length(); //對長度進行判斷 if(length != 4){ return false; } //對內容進行判斷 for(int i = 0; i < length; i++){ if(PATTERN.indexOf(vcode.toCharArray()[i]) < 0){ return false; } } return true; } @Override public Sampler next() { JMeterContext context = getThreadContext(); JMeterVariables var = context.getVariables(); String vcode = var.get("vcode"); if(vcode != null){ if(isVerify(vcode)){ setDone(true); return null; } } if(endOfLoop()) { if (!getContinueForever()) { setDone(true); } return null; } return super.next(); }
如果通過isVerify函數校驗(看得清楚)就直接退出循環,否則(看不清楚)就接着重新請求圖片驗證碼進行校驗(換一張),創建此邏輯控制器VcodeVerifyController。
將插件打包插入JMeter框架,可以在邏輯控制器列表中查看到VcodeVerifyController組件:
全部通過了登錄驗證,但根據測試發現識別率成功基本在75%左右,因此,還需要進一步完善,第一是通過改進識別邏輯,第二是增加一個驗證碼如果識別錯誤重新進行識別提交登錄事務的過程控制。
原文地址https://blog.csdn.net/xreztento/article/details/48682923
大量jmeter二次開發文章地址https://blog.csdn.net/xreztento/article/category/2551407