如何为Apache JMeter开发插件（三）——冲破图片验证码的束缚

最新推荐文章于 2025-07-28 09:47:39 发布

原创

最新推荐文章于 2025-07-28 09:47:39 发布 · 2.2w 阅读

61 ·

CC 4.0 BY-SA版权

文章标签：

#验证码 #jmeter

本文介绍了如何为Apache JMeter开发插件，以突破图片验证码的识别限制。通过选择Tesseract OCR引擎，配合JMeter插件进行降噪和图像识别，提高验证码识别成功率。文章详细讲解了开发过程，包括降噪处理、识别插件和控制器的实现，以及完整登录测试计划的构建。

我们在性能测试中总会时不时地遭遇到来自于应用系统的各种阻碍，图片验证码就是一类最常见的束缚，登录或交易时需要按照图片中的内容输入正确的验证信息后，数据才可以提交成功，这使得许多性能测试工具只能望而却步。网上也出现了一些LoadRunner的解决方案，但结合LoadRunner对于C脚本内存控制和识别成功率低下等诸多问题，这些方案没有什么实际用途。然而，为JMeter开发插件却给我们提供了一条可行的道路来冲破图片验证码的束缚！

选择一个理想的第三方图形图像识别工具

在此我们首先需要一个比较理想的图形图像识别工具来完成将验证码中的图形图像文字识别转换为文本文字主体识别工作，在此我们选择Tesseract， Tesseract是一个开源的OCR（Optical Character Recognition，光学字符识别）引擎，可以识别多种格式的图像文件并将其转换成文本，发布在Googel Project上，地址为http://code.google.com/p/tesseract-ocr/（但Googel Project停止维护后不知道现在在哪里维护）。

一组用于验证码识别的JMeter插件

我们常见的验证码图片样本如下：

这里写图片描述

1. 降噪
当你遇到这样的验证码时，首先你要做的就是降噪，将背景的一些干扰我们识别文本内容的线条过滤掉，人眼需要降噪，识别软件在进行识别前也需要帮助其进行降噪来加大识别成功率，通常降噪的方案是对图片像素点进行逐个扫描，通过创建降噪规则对背景噪音进行过滤，如上面的样本，我们可以建立如下降噪规则和方法：

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;
    }

将图片文件转换为BufferedImage对象进行去背景降噪，通过调用removeBackgroud方法，我们降噪后的图片如下：

这里写图片描述

可以看到效果非常明显，但降噪也有它的局限性，比如会把一些需要正常显示的图形文字过滤掉一部分，诸如此类问题我们会在后面的介绍中通过其他方式解决，但对于图形图像识别软件的输入来说，必须对其加以降噪才能保证读取正确率。

2. 识别插件（第一个Extractor插件）
我们在最初的章节介绍了Extractor的基本实现方法，在此我们还是简单回顾一下后置处理器的一些功能，下图显示了JMeter为我们默认提供的后置处理器：
这里写图片描述

所谓后置处理器是相对Sampler的后置，主要用于处理Sampler所抽样得到的SamplerResult对象，对SamplerResult做修饰或通过SamplerResult抽取信息，最常使用的是“正则表达式提取器”、“CSS/JQuery Extractor”、“XPath Extractor”，使用它们可以实现性能测试脚本中最重要的“关联”操作。

好了，我们的需求是对验证码进行读取，即通过验证码URL获取到图片资源（这部分由“HTTP请求Sampler”完成），然后提取资源中的图形图像信息作为Tesseract的输入，最后在将Tesseract的输出作为一个JMeter参数数据进行保存。惯例使用分离法，分为逻辑控制部分VcodeExtractor和GUI部分VcodeExtractorGUI，另外，还包括对图片进行处理的ImageIOHelper类以及实现调用Tesseract对验证码信息识别并读取的OCR类。

ImageIOHelper主要包含两大部分，一部分就是前面所介绍的降噪逻辑，另一部分是将图片格式转换为tiff格式以更好地进行识别，这部分的代码参考如下：

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();