一、引言

在自动化测试、爬虫开发及某些特定业务场景中，验证码的自动识别与填写是一个常见且重要的需求。传统的手动输入验证码方式不仅效率低下，还容易出错。本文将介绍一种基于Java的解决方案，通过调用百度通用文字识别OCR接口进行验证码文字识别，结合图像识别算法定位验证码位置，并使用模拟鼠标操作实现自动填写与提交，从而大幅提升自动化流程的效率与准确性。

二、技术选型与准备

1. 百度通用文字识别OCR接口

百度通用文字识别OCR接口提供了强大的文字识别能力，支持多种场景下的文字提取，包括但不限于印刷体、手写体、验证码等。使用前需在百度智能云平台申请API Key及Secret Key，并获取访问令牌。

2. 图像识别算法

对于验证码在大图中的定位，可采用“大图找小图”的图像识别算法。该算法通过比较目标图像（验证码）与源图像（包含验证码的大图）的像素差异，实现精确匹配。

3. 模拟鼠标操作

Java中可通过Robot类实现模拟鼠标点击、移动等操作，从而模拟人工填写验证码并提交表单的过程。

三、系统实现步骤

1. 调用百度OCR接口识别验证码

1.1 准备工作

确保已获取百度OCR的API Key及Secret Key，并配置好Java项目的网络环境，以便能够访问百度OCR服务。

1.2 代码实现

import java.io.IOException;
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.Base64;
import java.nio.file.Files;
import java.nio.file.Paths;
import org.json.JSONObject;
public class BaiduOCRClient {
    private static final String ACCESS_TOKEN = "YOUR_ACCESS_TOKEN"; // 替换为实际获取的访问令牌
    private static final String OCR_API_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic";
    public static String recognizeText(String imagePath) throws IOException, InterruptedException {
        // 读取图片文件并编码为Base64
        byte[] imageBytes = Files.readAllBytes(Paths.get(imagePath));
        String imageBase64 = Base64.getEncoder().encodeToString(imageBytes);
        // 构建请求体
        JSONObject requestBody = new JSONObject();
        requestBody.put("image", imageBase64);
        requestBody.put("access_token", ACCESS_TOKEN);
        // 创建HTTP请求
        HttpRequest request = HttpRequest.newBuilder()
                .uri(URI.create(OCR_API_URL))
                .header("Content-Type", "application/x-www-form-urlencoded")
                .POST(HttpRequest.BodyPublishers.ofString(requestBody.toString()))
                .build();
        // 发送请求并获取响应
        HttpClient client = HttpClient.newHttpClient();
        HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
        // 解析响应，提取识别结果
        JSONObject responseJson = new JSONObject(response.body());
        if (responseJson.getInt("words_result_num") > 0) {
            return responseJson.getJSONArray("words_result").getJSONObject(0).getString("words");
        } else {
            return "识别失败";
        }
    }
}

2. 图像识别算法定位验证码

2.1 算法选择

采用基于像素匹配的简单图像识别算法，适用于验证码与背景差异明显的场景。

2.2 代码实现（简化版）

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
public class ImageLocator {
    public static int[] locateImage(BufferedImage sourceImage, BufferedImage targetImage) {
        int sourceWidth = sourceImage.getWidth();
        int sourceHeight = sourceImage.getHeight();
        int targetWidth = targetImage.getWidth();
        int targetHeight = targetImage.getHeight();
        for (int y = 0; y <= sourceHeight - targetHeight; y++) {
            for (int x = 0; x <= sourceWidth - targetWidth; x++) {
                boolean match = true;
                for (int ty = 0; ty < targetHeight; ty++) {
                    for (int tx = 0; tx < targetWidth; tx++) {
                        if (sourceImage.getRGB(x + tx, y + ty) != targetImage.getRGB(tx, ty)) {
                            match = false;
                            break;
                        }
                    }
                    if (!match) break;
                }
                if (match) return new int[]{x, y};
            }
        }
        return null;
    }
    public static void main(String[] args) throws IOException {
        BufferedImage sourceImage = ImageIO.read(new File("source.png"));
        BufferedImage targetImage = ImageIO.read(new File("target.png"));
        int[] position = locateImage(sourceImage, targetImage);
        if (position != null) {
            System.out.println("验证码位置: (" + position[0] + ", " + position[1] + ")");
        } else {
            System.out.println("未找到验证码");
        }
    }
}

3. 模拟鼠标操作填写与提交

3.1 Robot类使用

Java的Robot类提供了模拟鼠标和键盘操作的方法，可用于定位验证码输入框并模拟点击、输入等操作。

3.2 代码实现

import java.awt.*;
import java.awt.event.InputEvent;
public class MouseSimulator {
    public static void simulateClick(int x, int y) throws AWTException {
        Robot robot = new Robot();
        robot.mouseMove(x, y);
        robot.mousePress(InputEvent.BUTTON1_DOWN_MASK);
        robot.mouseRelease(InputEvent.BUTTON1_DOWN_MASK);
    }
    public static void simulateType(String text) throws AWTException {
        Robot robot = new Robot();
        for (char c : text.toCharArray()) {
            int keyCode = KeyEvent.getExtendedKeyCodeForChar(c);
            if (KeyEvent.CHAR_UNDEFINED == keyCode) {
                continue;
            }
            robot.keyPress(keyCode);
            robot.keyRelease(keyCode);
        }
    }
    public static void main(String[] args) throws AWTException, InterruptedException {
        // 假设验证码位置为(100, 100)，识别结果为"1234"
        simulateClick(100, 100); // 点击验证码输入框
        Thread.sleep(500); // 短暂延迟
        simulateType("1234"); // 输入验证码
        // 模拟提交按钮点击等后续操作...
    }
}

四、系统集成与优化

1. 系统集成

将上述各部分代码集成到一个完整的Java项目中，确保各模块间能够正确交互。

2. 性能优化

• 对图像识别算法进行优化，如采用更高效的匹配算法或并行处理。
• 对OCR接口调用进行异步处理，提高系统响应速度。
• 增加错误处理与重试机制，提高系统稳定性。

3. 安全性考虑

• 对敏感信息（如API Key）进行加密存储。
• 限制系统访问权限，防止恶意使用。

五、结论

本文介绍了一种基于Java的验证码自动识别与提交系统实现方案，通过调用百度通用文字识别OCR接口、图像识别算法及模拟鼠标操作，实现了验证码的自动识别与表单自动提交。该方案具有高效、准确、可扩展性强等优点，适用于多种自动化场景。在实际应用中，可根据具体需求进行定制与优化，以满足不同业务场景的需求。