Selenium(十三)：验证码的处理、WebDriver原理

1. 验证码的处理

对于Web应用来说，大部分的系统在用户登录时都要求用户输入验证码。验证码的类型很多，有字母数字的、有汉字的，甚至还需要用户输入一道算术题的答案的。对于系统来说，使用验证码可以有效地防止采用机器猜测方法对口令的刺探，在一定程度上增加了安全性。

但对于测试人员来说，不管是进行性能测试还是自动化测试，都是一个比较棘手的问题。在WebDriver中并没有提供相应的方法来处理验证码，这里我就根据自己的经验来谈谈处理验证码的几种常见方法。

1.1 去掉验证码

这里最简单的方法，对于开发人员来说，只是把验证码相关的代码注释掉即可。如果是在测试环境，这样做可以省去测试人员不少的麻烦。但如果自动化脚本是在正式环境测试，那么这种做法就给系统带来了一定的风险。

1.2 设置万能验证码

去掉验证码的主要问题是安全，为了应对在线系统的安全威胁，可以在修改程序时不取消验证码，而在程序中留一个“后门”，即设置一个“万能验证码”。只要用户输入这个“万能验证码”，程序就认为验证通过，否则就判断用户输入的验证码是否正确。

设计万能验证码的方式非常简单，只需要对用户的输入信息多加一个逻辑判断，下面通过例子演示。

from random import randint

#生成一个1000到9999之间的随机整数
verify = randint(1000,9999)
print(u"生成的随机数：%d" %verify)

number = input("请输入随机数：")
print(number)
number = int(number)

if number == verify:
    print("登录成功！！")
elif number == 123456:
    print("登录成功！！")
else:
    print("验证码输入有误！")

randint()用于生成随机数，设置随机数的范围为1000-9999之间。运行程序分别输入正确的验证码、万能验证码和错误的验证码。就会发现，只要输入了万能验证码，无论生成的是什么数字，都可以通过验证。

1.3 验证码识别技术

可以通过Python-tesseract来识别图片验证码。Python-tesseract是光学字符识别Tesseract OCR引擎的Python封装类，能够读取如何常规的图片文件(JPG、GIF、PNG、TIFF等)。不过目前市面上的验证码形式繁多，大多验证码识别技术的识别率都很难达到100%。但是现在出现了很多的OCR，例如百度云OCR、微软Azure图像识别、有道智云文字识别、阿里云图文识别、腾讯OCR文字识别等太多的识别技术了。然而我们公司的自动化开发并不使用验证码识别技术，我们公司又更多千奇百怪的过验证码技术，但是在文章里不好描述，就说下常用的一种吧，通过爬虫爬取验证码文件，将验证码通过统一处理，开发的在进行自动化的时候，读取到随机生成的验证码的文件信息，与公司的验证码的信息进行对比，匹配到信息相同的，就输入对应的验证码。

1.4 记录cookie

通过向浏览器中添加cookie可以绕过登录的验证码，这里比较有意思的一种解决方案。例如我们第一次登录某网站时勾选的“记住密码”的选项，当下次访问该网站时自动就处于登录状态了。这样自然就绕过了验证码问题。这个“记住密码”的功能其实就是记录在了浏览器的cookie中。前面已经学了通过WebDriver来操作浏览器的cookie，可以通过add_cookie()方法将用户名密码写入浏览器cookie，当再次访问网站时服务器将直接读取浏览器的cookie进行登录。

#访问XX网站
wd.get("http://www.xx.com")

#将用户名密码写入浏览器cookie
wd.add_cookie({'name':'Login_UserNumber','value':'username'})
wd.add_cookie({'name':'Login_Passwd','value':'password'})

#再次访问XX网站，将会自动登录
wd.get("http://www.xx.com")

这种方式最大的问题是如何从浏览器的cookie中找到用户名和密码对应的key值，并处输入对应的登录信息。可以用get_cookies()方法来换取登录的所有cookie信息，从中找到用户名和密码的key。当然，更直接的方式是询问开发人员。

2. WebDriver原理

WebDriver是按照Server-Client的节点设计模式设计的。

Server端就是Remote Server，可以是任意的浏览器。当我们的脚本启动浏览器后，该浏览器就是Remote Server，它的职责就是等待Client发送请求并作出响应。

Client端简单说来就是我们的测试代码。我们测试代码中的一些行为，例如打开浏览器，跳转到特定的URL等操作是以http请求的方式发送给被测试浏览器的，也就是Remote Server。Remote Server接受请求，执行相应操作，并在Response中返回执行状态、返回值等信息。

WebDriver的工作流程：

WebDriver启动目标浏览器，并绑定到指定端口。启动的浏览器实例将作为WebDriver的Remote Server。

Client端通过CommandExcuter发送HTTPRequest给Remote Server的监听端口(通信协议：the webriver wire protocol)

Remote Server需要依赖原生的浏览器组件(如IEDriverServer.exe、chromedriver.exe)来转化浏览器的native调用。

Python提供了logging模块给运行中的应用提供了一个标准的信息输出接口。它提供了basicConfig()方法用于基本信息的定义。开启debug模块，就可以捕捉到客户端向服务器发送的请求。

from selenium import webdriver
import logging

logging.basicConfig(level=logging.DEBUG)
wd = webdriver.Chrome()

wd.get('https://www.baidu.com')

wd.find_element_by_id("kw").send_keys("selenium")
wd.find_element_by_id("su").click()

basicConfig()所捕捉的log信息。不过basicConfig()开启的debug模式只能捕捉到客户端向服务器发送的POST请求，而无法获取服务器所返回的应答信息。我们在后面的章节中将会学会Selenium Server，通过Selenium Server可以获取到更详细的请求与应答信息。