此文章來源於專案官方公眾號:“AirtestProject”
版權宣告:允許轉載,但轉載必須保留原連結;請勿用作商業或者非法用途
一、前言
在進行自動化測試的過程中,ocr
文字識別一直是大家最想要實現以及最需要的能力,今天就來介紹一個由百度飛漿提供的一個免費的ocr
識別庫——PaddleOCR
,以及探討一下,PaddleOCR
與Airtest
協作能擦出怎麼樣的火花~
二、PaddleOCR介紹
PaddleOCR
是百度飛漿AI研發的一個ocr
工具庫,目前支援多種目標識別,更多的介紹可以戳官方專案去看看:https://github.com/PaddlePaddle/PaddleOCR,我們今天來講講,在與Airtest協作中,我們可能會用到PaddleOCR
的什麼功能。
在使用PaddleOCR
之前,需要在自己的本地環境中安裝對應的PaddleOCR
庫,方便我們後續呼叫。我們建議是安裝到本地的python環境內,後續將AirtestIDE的python環境更換為本地python環境即可。
#安裝PaddlePaddle
pip install paddlepaddle
#安裝PaddleOCR whl包
pip install paddleocr
在開始使用之前,我們來了解一下PaddleOCR
識別的效果以及返回的情況,PaddleOCR
主要是透過我們傳入需要識別的圖片,透過呼叫PaddleOCR
模型庫,去進行識別並返回識別結果或識別後的圖片,例如下圖這樣:
透過PaddleOCR
識別列印文字資訊如下,分別以列表的形式返回了所識別到的文字的左上角座標、右上角座標、右下角座標、左下角座標、識別到的文字以及識別置信度:
[[[154.0, 9.0], [492.0, 9.0], [492.0, 33.0], [154.0, 33.0]], ('小學數學第八冊第三單元測試題', 0.9987085461616516)]
[[[238.0, 47.0], [319.0, 47.0], [319.0, 66.0], [238.0, 66.0]], ('(小數乘法)', 0.9819607138633728)]
[[[109.0, 80.0], [160.0, 80.0], [160.0, 103.0], [109.0, 103.0]], ('姓名:', 0.9986250996589661)]
[[[305.0, 81.0], [358.0, 81.0], [358.0, 104.0], [305.0, 104.0]], ('班別:', 0.9987398982048035)]
.............
接下來,我們來看一下如何使用PaddleOCR
庫來識別影像中的文字,並與Airtest
進行聯動,實現基於ocr
的文字識別點選功能。
首先,我們需要匯入PaddleOCR
庫,並準備好要識別的圖片檔案。透過呼叫PaddleOCR
的介面,我們可以將圖片路徑作為引數傳入。在識別過程中,PaddleOCR
會在result
變數中返回識別結果,其中包括文字框的座標和對應的文字內容。
from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支援的多語言語種可以透過修改lang引數進行切換
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, lang="ch") # need to run only once to download and load model into memory
img_path = './imgs/11.jpg'
#開始ocr識別圖片文字資訊
result = ocr.ocr(img_path, cls=True)
透過PaddleOCR
獲取的影像中的文字資訊,我們可以利用Airtest
提供的介面和語句,建立一個名為ocr_touch()
的函式。這個函式將執行以下步驟:
- 使用
Airtest
進行螢幕截圖。 - 將截圖傳遞給
PaddleOCR
進行文字識別。 - 從
PaddleOCR
獲取識別到的文字及其在影像中的位置座標。 - 利用
Airtest
根據座標資訊點選文字的中心點。
透過這種方式,ocr_touch()
函式將實現從識別到點選的自動化操作,簡化了整個流程。具體參考程式碼如下:
def ocr_touch(target_text) :
# 截圖
pic_path=r"./now.png"
snapshot(pic_path)
# 使用PaddleOCR識別文字
ocr_result = ocr.ocr(pic_path, cls=True)
# 遍歷識別結果,找到目標文字的座標
target_coords = None
for line in ocr_result:
for word_info in line:
#獲取識別結果的文字資訊
textinfo = word_info[1][0]
print(textinfo)
if target_text in textinfo:
# 獲取文字的座標(中心點)
x1, y1 = word_info[0][0]
x2, y2 = word_info[0][2]
target_coords = ((x1 + x2) / 2, (y1 + y2) / 2)
break
if target_coords:
break
# 點選座標
if target_coords:
touch(target_coords)
else:
print(f"未找到目標文字:{target_text}")
三、PaddleOCR與Airtest協作案例
那麼我們一起來透過一個小案例來看一下,在日常測試中的表現情況吧~
參考程式碼:
# -*- encoding=utf8 -*-
__author__ = "Airtest"
from airtest.core.api import *
auto_setup(__file__)
from paddleocr import PaddleOCR
def ocr_touch(target_text) :
# 截圖當前畫面
pic_path=r"./now.png"
snapshot(pic_path)
# 使用PaddleOCR識別圖片文字
ocr_result = ocr.ocr(pic_path, cls=True)
# 遍歷識別結果,找到目標文字的座標
target_coords = None
for line in ocr_result:
for word_info in line:
#獲取識別結果的文字資訊
textinfo = word_info[1][0]
print(textinfo)
if target_text in textinfo:
# 獲取文字的座標(中心點)
x1, y1 = word_info[0][0]
x2, y2 = word_info[0][2]
target_coords = ((x1 + x2) / 2, (y1 + y2) / 2)
break
if target_coords:
break
# 使用Airtest點選座標
if target_coords:
touch(target_coords)
else:
print(f"未找到目標文字:{target_text}")
if __name__ == "__main__":
# 初始化PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang='ch') # 可以根據需要選擇語言
#開啟微博
start_app("com.sina.weibo")
wait(Template(r"tpl1719891218354.png", record_pos=(0.021, 0.998), resolution=(1080, 2520)))
# 傳入並點選“發現”
ocr_touch("發現")
wait(Template(r"tpl1719891346582.png", record_pos=(0.008, -0.957), resolution=(1080, 2520)))
# 傳入並點選“更多熱搜”
ocr_touch("更多熱搜")
wait(Template(r"tpl1719891584526.png", record_pos=(-0.291, -0.606), resolution=(1080, 2520)))
# 傳入並點選“熱搜”
ocr_touch("熱搜")
四、Airtest_ocr的表現情況
在Airtest
私有云內,我們也有對應的一款商業化的Airtest-ocr
的文字識別庫,這個庫已經封裝好對應的ocr
的識別以及對應的操作執行能力,具體介紹可以看往期推文,我們是封裝好了日常使用較多的操作,在購買我們的商業化版本後,可以直接呼叫的~
# 點選某文字
ocr_touch("開始")
# 與 ocr_click("開始") 等價
# 雙擊某文字
ocr_double_click("開始")
# 某些情況下,文字處於按鈕附近(比如按鈕下方),使用offset設定點選偏移量
ocr_touch("開始", offset=(0, -20))
# 以“開始”文字的中心為起點, x軸不偏移,y軸向上偏移20個畫素點
ocr_double_click("開始", offset=(0, -20))
# 指定高優先順序區域 (version>=1.0.10)
ocr_touch("開始", location=(100, 100), threshold=0.98)
# 對於置信度高於0.98的多個 “開始”, 優先點選靠近 (100,100) 的
# ocr_swipe 與 swipe函式類似
ocr_swipe("生活", "學習")
# 從“生活”滑向“學習”
ocr_swipe("生活", vector=(0, 100))
# 從“生活”向下滑動100個畫素
ocr_swipe((780, 1842), (780, 1000))
# 從座標1滑向座標2
......
我們Airtest-ocr
的圖片文字識別情況如下圖:
與PaddleOCR
相比,我們Airtest-ocr
除了可以直接識別傳入圖片內容外,還可以動態識別所連線的裝置畫面。具體的動態識別情況如下(在本地python環境中已加入Airtest-ocr庫):
五、小結
我們本期推文介紹了PaddleOCR
的文字識別能力,以及如何與Airtest
協作,實現在指令碼中可以ocr
文字識別並點選的操作。當然,我們這裡只是簡單的封裝實現了一個識別文字並點選的操作,還有更多的日常操作可以透過自己的需求去進行封裝實現。或者有需要的同學,也可以聯絡我們,購買我們Airtest
私有云,就可以直接呼叫Airtest-ocr
的操作介面~
如果在測試的過程中,遇到了問題,或者有任何想要深入瞭解的知識點,歡迎在官方交流群(526033840)裡告訴我們或者提交issue,也歡迎大家投稿其他不同的使用小技巧。
AirtestIDE下載:airtest.netease.com/
Airtest 教程官網:airtest.doc.io.netease.com/
搭建企業私有云服務:airlab.163.com/b2b
官方答疑 Q 群:526033840