搜狗翻译加密原理分析

3分钟搞定!用搜狗输入法+QQ+微信实现高效OCR文字识别(附快捷键设置技巧) 本文深度评测了搜狗输入法、QQ和微信三款国民级工具的OCR功能,从启动方式、识别准确率到适用场景进行全面分析。搜狗输入法提供高效OCR解决方案,支持快捷键调用和图像优化;QQ在社交场景中表现优异,具备语义纠错能力;微信则整合全生态OCR方案,注重隐私保护。文章还提供了实用技巧和场景化选型建议,帮助用户快速实现高效文字识别。 阅读详情

写在开头,不差钱的建议直接去调用搜狗官方的api,稳定、不会被封、且高并发,也算对官方的支持>

  • 建议先了解下chrome的调试方法:https://www.jianshu.com/p/b25c5b88baf5
  • 工具:chrome
  • 首页https://fanyi.sogou.com/,先看看调用一次翻译需要哪些数据:

第一步:抓包

在这里插入图片描述
在这里插入图片描述

从抓包数据中不难看出,需要一些headers和form data,headers这里不细说,和它没关系,我们主要看加密方式;

实验步骤:
  1. 用python创建一个脚本,把参数什么的copy到脚本里,重放这次请求,没问题,直接返回正确结果;(大家用postman回放也可以,都一样)
  2. form data中要注意的只有s和uuid,其他的不用说,很明显就能看出参数啥意思;
  3. uuid;
  4. 修改s,重放请求,返回错误,说明s值是服务器端要校验的!

步骤二:调式

实验步骤:
  1. 打开开发者工具—>source,可以看到网页加载的资源,那么加密算法一定就在某个js脚本里;

  2. 在上面抓包我们看到了,和s一起发送的数据还有client和uuid等信息,s这个字符搜起来一大堆,所以我们选择在js里搜client效率会高点;

  3. 在source的所有js脚本里挨个搜索client和uuid,依次排查,最终在一个脚本里找到对应的数据:
    在这里插入图片描述
    在这里我们看到,s的值来自J,而J的值来自公式s("" + P + O + M + V),那么POMV这些变量又是咋来的呢?s这个函数又是啥?

  4. 在289行打上断点,重新在搜狗的输入框输入一段话,网页会在断点处停下并显示相关变量的值:
    在这里插入图片描述
    很明显,M是待翻译文本,O是目的语言,P是原始语言,V是一串数值;

  5. 现在的问题重新变为,s()这个函数是什么?V这个数值是什么?

  6. 我们先看V值:
    在这里插入图片描述
    在代码里搜索V(注意打开匹配大小写,效率高些),搜索上一个(在我们的参数构造代码出现前的那一个),发现var V = window.seccode,window.seccode这个值在搜索引擎找了下,没有,那应该就是搜狗自己定义的值了,于是在source的各个js文件里搜索它,在一个js文件里找到了:在这里插入图片描述

发现这个值是写死的,打开无痕浏览,重新打开搜狗搜索,发现里面的window.seccode值一样,说明是个定值,类似于salt;

  1. 现在只剩s(),我们就可以自己计算s = s(’’ + P + O + M + V)的值了;
  2. 我们把js代码格式化下,点击下chrome的括号小图标即可
    在这里插入图片描述
    这样我们搜索s()被定义的地方就方便了,因为js中定义函数要么是s = function(){…} ,要么是function s(){…},所以我们依次搜索s(和s =,在同一个文件的同一个函数里发现这个代码:
    (和大家说个搜索小技巧,这里搜索尽量在我们发现data数据那里,搜索上一个,并且s = 优先查看在同一个函数内的s =,这样就可以找到离我们的data代码最近的一个被定义的s,省去了不少事!)
    在这里插入图片描述
    在console里打印下n(50),发现它确实是一个函数!
    在这里插入图片描述
    点一下,跳转到对应的js处,得到s()函数的代码为:
function(t, n) {
       if (void 0 === t || null === t)
            throw new Error("Illegal argument " + t);
       var r = e.wordsToBytes(a(t, n));
       return n && n.asBytes ? r : n && n.asString ? i.bytesToString(r) : e.bytesToHex(r)
}

在console中测试下这个代码:
在这里插入图片描述
发现和我们的data中s值完全一致,且第二个参数可有可无,不影响结果;

9.这样,整个form data数据我们都知道怎么计算了,大家可以用自己的编程语言实现对应的代码即可(其实s()这个函数就是一个md5算法,噗哈哈)

10.都到这一步了,我们可以看看form data里的uuid到底是啥,用搜s()的方法找到uuid,发现uuid = B,搜索B = ,只有俩,发现
在这里插入图片描述
向上搜索o =,得到在这里插入图片描述

在console打印n(16),发现是一个函数,且有get方法,直接调用:在这里插入图片描述

完:其实是今天看了一篇chrome调试的文章(就是开头让你们看的那篇),于是赶紧来练习一遍

网络接口 2 ——调用搜狗翻译API 使用HttpClient调用搜狗翻译Api 阅读详情

相关推荐

逆向[某道翻译]Web端接口2024最新版!!

字样,盲猜是标准库中的md5算法,直接通过在线工具对字符串进行加密,将得到的结果与网页中比对~通过JS断点调试,最终发现sign加密参数的生成位置,其中o是时间戳,e是写死了的字符串。可以看到它是以密文形式返回,因此这里一定是数据返回在前端,通过JS将密文解密了。可以看到解密后的就是非常哇瑟的JSON格式的字典数据了,至此完美解密!可以明显看到是有一个加密参数sign,再看服务器响应的数据(如下图)接下来就是分析JS的主要逻辑,定位到解密数据的位置。函数,进入S函数就进入核心的加密逻辑了(如下图)

m0_73641772的博客 1401

python实现搜狗翻译API的命令行工具

-

zorchp 997

Gemma2在iPhone本地运行的原理与实操指南

大语言模型本地部署是边缘AI的核心能力,其本质是将模型推理全流程压缩至终端设备内存与算力约束内。关键技术路径包括模型量化(如INT4)、硬件加速适配(如Apple Metal)、词表与KV缓存优化。Gemma2凭借精简架构、低内存带宽占用和原生Metal支持,成为当前iOS生态中少有的可稳定落地的开源方案。它不依赖云端API,实现真正离线、低延迟、高隐私的交互体验,适用于法务审查、教育辅助、会议纪要等强隐私敏感场景。本文聚焦Gemma2在iPhone上的工程化实践,涵盖模型选型、Metal适配、性能调优与隐

dengjuanshou7445的博客 570

初探js逆向(三)之扣函数

本文只作学习研究,禁止用于非法用途,否则后果自负,如有侵权,请告知删除,谢谢! 经过简单的分析,已知某网站参数的加密位置在这里

slongzhang的博客 3万+

Ubuntu安装教程:硬件兼容性与UEFI/BIOS底层原理详解

Linux操作系统安装并非简单点击向导,其本质是用户与硬件固件(UEFI/BIOS)、存储架构(GPT/MBR)、内核模块及驱动生态的深度协同过程。理解UEFI启动流程、ESP分区作用、swapfile替代swap分区的技术演进,是解决黑屏、无网络、双系统丢失等高频故障的前提。Ubuntu安装教程的价值,正体现在对硬件兼容性、固件模式切换、分区表约束等底层逻辑的透彻拆解。本文聚焦真实部署场景中的关键决策点——从Secure Boot开关时机、EFI系统分区挂载规范,到VMware虚拟环境下的驱动适配策略,覆

weixin_30443075的博客 453

WebStorm 2026版安装与激活全指南:JDK匹配、双平台适配与离线签名验证

WebStorm作为JetBrains旗下主流JavaScript IDE,其2026版标志着IDE智能化的重大跃迁——AI能力深度集成至语言服务层,不再依赖插件或云端API。这一升级基于重构的AST解析与本地LLM推理架构,带来函数补全、错误预判、跨文件逻辑推演等原生智能体验。但新架构对运行环境提出严苛要求:JDK ABI兼容性、系统级权限策略(如Windows Defender ASR、macOS Gatekeeper)、硬件指纹绑定的离线签名激活机制,共同构成稳定使用的前提。本文聚焦可复现的工程实践路

daxi1047的博客 1562

JS逆向|非常实用的扣代码教程来了,欢迎收藏

声明:本文只作学习研究,禁止用于非法用途,否则后果自负,如有侵权,请告知删除,谢谢!经过简单的分析,已知某网站参数的加密位置在这里:在控制台下输入f()并回车:跟进该函数后,在第一行打上...

Python3 爬虫实战 1:应对特殊字体,爬取猫眼电影实时排行榜 5893

AI 工作流和AI Agent构建指南

这些智能体能够自主感知、推理和行动,以追求特定目标,形成强大的集体智慧,可以打破孤岛,集成不同的数据源,并提供无缝的端到端自动化。如今随着AI应用的逐步深化应用和融合发展,一个新的工具应用而生,那就是工作流(Agentic Workflow智能体工作流\代理工作流)或AI agent,它们的结合正在重塑现代企业的运营模式,通过自动化、智能决策和效率优化推动数字化转型。针对这个问题,我们可以通过RAG(检索增强生成)来解决,即通过提供相关的、实时的外部数据来增强 LLM 的响应准确性**,但它仅限于。

企业实战系列集 ●●● https://ximenjianxue.blog.youkuaiyun.com 1739

搜狗校招测试笔试复盘:核心考点与备考路径全解析

软件测试作为保障产品质量的核心环节,其知识体系覆盖从功能验证到性能调优、从用例设计到自动化实施的完整链路。在工程实践中,测试工程师需要掌握Linux环境下的问题定位、自动化工具链的搭建、以及兼容性与安全测试的要点,这不仅是日常工作的必备技能,也是技术面试与校招笔试的高频考察方向。针对搜狗等互联网大厂的测试岗位,笔试往往结合真实业务场景,综合考察候选人的理论知识、动手能力与产品思维。一次搜狗校招测试笔试的复盘,系统梳理了软件测试基础、用例设计方法、性能与安全测试、移动端及硬件测试等核心考点,并总结了一套可复用

weixin_33853794的博客 463

python3下实现搜狗AI API的代码示例

1、背景 a、搜狗也发布了自己的人工智能 api,包括身份证ocr、名片ocr、文本翻译等API,初试感觉准确率一般般。 b、基于python3。 c、也有自己的签名生成这块,有了鹅厂的底子,相对写起来比较简单。 d、不过Sougou明显在接口标准化这块明显不如鹅厂,不同api应答包的主体结构竟然不一致,所以实施也只做了简单的结构化…… 2、实现代码 直接放代码吧,github上也有: https://github.com/jdstkxx/PySougouAI 1、sogouai-example.py # -*- coding: utf-8 -*- ''' create by : joshu

NVIDIA Jetson Orin DLA架构解析与AI推理优化实践

深度学习加速器(DLA)作为专用AI推理芯片,通过固定功能架构实现卷积、池化等神经网络操作的高效能比处理。其核心原理在于硬件级优化计算单元与数据流,相比通用GPU可提升3-5倍能效。在边缘计算场景中,DLA与GPU的异构协同成为关键,特别适合自动驾驶感知、机器人视觉等实时性要求高的应用。NVIDIA Jetson Orin平台通过结构化稀疏技术,在ResNet50等模型上实现近2倍性能提升。开发实践中需注意算子支持、精度校准等关键点,结合TensorRT工具链可充分发挥DLA在低功耗场景的独特优势。

weixin_32999557的博客 398

深度剖析输入法词库格式解析:从二进制结构到跨平台转换技术

在数字化时代,输入法作为人机交互的重要桥梁,其词库质量直接影响输入效率和用户体验。不同输入法厂商为优化性能和存储效率,设计了各自独特的词库格式——从搜狗拼音的Scel/Bin格式,到百度拼音的Bdict格式,再到Rime的自定义文本格式,这些格式如同一个个技术黑箱,既保护了商业利益,也为词库迁移设置了障碍。本文将从技术原理、实战解析和优化策略三个维度,解密输入法词库格式的设计奥秘,揭示二进制解析背

gitblog_01093的博客 460

QDMA工程搭建/windows驱动编译与性能测试

请注意,根据您的目标操作系统,您可能需要在windows启动配置中启用测试签名的驱动程序,以便启用此驱动程序的安装。右键单击设备,选择更新驱动程序软件,然后选择构建的QDMA驱动程序的文件夹(通常为。创建一个新工程,在IP Catalog中搜索QDMA,双击创建qdma ip核。驱动程序安装安装驱动程序最简单的方法是通过Windows的“设备管理器”。如果系统提示未经验证的驱动程序发布者,请选择无论如何安装此驱动程序软件。本节主要介绍QDMA驱动在Windows系统的源文件、编译和安装过程。

qq_28455081的博客 2287

视频教程-网络爬虫 之 PhantomJS技术实战-其他

网络爬虫 之 PhantomJS技术实战 不断超越自我,是我不不断的求,8年...

weixin_28303463的博客 472

11、Windows Autopilot 部署与设备注册全攻略

本文详细介绍了Windows Autopilot的完整部署流程,涵盖注册配置文件设置、注册状态页面(ESP)配置、设备注册方法(包括CSV导入、JSON注入、在线注册等)、自动化脚本实现及故障排除技巧。通过手动与PowerShell自动化两种方式指导用户完成配置,并提供流程图、最佳实践和常见问题解答,帮助IT管理员高效实现设备零接触部署与管理。

ii567的博客 343

告别标注地狱!YOLO+CLIP多模态零样本检测全实战:图文联合推理,想检测什么直接输文字,不用训模型

这套方案我给朋友的超市用了快3个月,运行极其稳定,临期商品的检测准确率能到96%,后续加了“货架空货检测”“通道杂物堆积检测”,都是改一行文本就搞定,完全不用重新开发,朋友说省了十几万的定制开发费用。很多做计算机视觉的朋友,总觉得目标检测必须标数据、训模型,其实不是的。现在多模态大模型的能力已经足够强,把YOLO的定位能力和CLIP的图文泛化能力结合起来,就能用极低的成本,搞定绝大多数定制化检测需求。对于我们开发者来说,技术的价值从来不是炫技,而是用最简单的方案,解决最实际的问题。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 516

爬虫学习笔记

文章目录0. 什么是爬虫?1. 常用请求头和响应头信息1.1 常用请求头信息1.2 常用响应头信息1.3 HTTPS协议2. Requests库2.1 作用2.2 爬取搜狗首页 0. 什么是爬虫? 通过编写程序,模拟浏览器上网,然后让其抓取数据的过程。 1. 常用请求头和响应头信息 1.1 常用请求头信息 User-Agent:请求载体的身份标识(如谷歌浏览器)。 Connection:请求完毕后是断开连接还是保持连接。 1.2 常用响应头信息 Content-Type:服务器响应回客户端的数据类型。

耿鸭的幸福生活 555

Oracle EBS FA 如何打开关闭的资产会计期间?

用户“运行折旧”,误勾选为“关闭期间”,还有一部分资产还需要操作报废和调整,希望后台打开关闭的资产会计期。

陈显平的专栏-Oracle EBS 1031

输入法词库迁移工具:解决跨平台输入习惯迁移难题的完整方案

在数字化办公环境中,输入法词库(指存储用户输入习惯和专业词汇的数据库)已成为个人生产力的重要组成部分。然而用户常面临三大痛点:更换设备时输入习惯丢失导致效率下降、专业领域词库在不同输入法间迁移失败、跨平台使用时格式不兼容造成数据损坏。本文将系统介绍如何利用[工具名称]这款开源解决方案,通过标准化的转换流程解决上述问题。 ## 如何解决输入法词库的跨平台迁移难题 ### 问题诊断:格式壁垒与兼容

gitblog_00318的博客 401

【深度学习驱动流体力学】Python流体力学Ansys Fluent

PyFluent 是一个将 Python 编程语言与 Ansys Fluent 流体动力学 (CFD) 仿真软件集成的工具。它允许用户通过 Python 脚本来控制和自动化 Fluent 中的仿真任务,实现从预处理、求解到后处理的全流程控制。PyFluent 结合了 Python 的灵活性和 Fluent 的强大功能,提供了一种高效且灵活的 CFD 仿真方法。PyFluent 是一个强大而灵活的工具,使用户能够通过 Python 脚本全面利用 Ansys Fluent 的功能。

源代码杀手的博客 3125

FAST-LIVO2 源码精读(十六):接入自定义传感器——多雷达适配与内外参标定

本文是「FAST-LIVO2 激光-惯性-视觉里程计源码精读」专栏第十六篇。上一篇拆解了中每个关键参数的物理含义与调参路径,并反复强调外参RclPcl与时间偏移配错即全局失效;本篇承接这一悬念,回答更前置的工程问题——如何把 FAST-LIVO2 接到一套全新硬件上:新雷达如何通过的类型分支适配、相机内参与畸变模型如何配置、两组外参与时间偏移如何标定出来并填入 YAML,最后给出一份落地检查清单。

PX4-SLAM-PNC 199

Java EE:7.网络原理- HTTP/HTTPS(第三弹):HTTP 请求-请求报头+请求正文

Java EE:7.网络原理- HTTP/HTTPS(第三弹):HTTP 请求-请求报头+请求正文

要努力去发光,而不是被照亮~ 4684

详解【计算机类&面试真题】军队文职考试——第7期:C盘格式化需要注意什么?| 两台笔记本连起来后ping不同,可能存在哪些问题?| 模拟信号到数字信号是如何转化的?| 计算机由哪些部件组成?

这是我分享的系列面试知识——军队文职(计算机类)面试真题详解(第7期)。本期分享:两台笔记本连起来后ping不同,你觉得可能存在哪些问题?模拟信号到数字信号是如何转化的?谈一谈计算机由哪些部件组成?如何加强计算机网络安全管理?若通过域名无法访问,而通过IP地址能访问。这是怎么回事?你将如何解决?谈一谈C盘格式化需要注意什么?开放类题目:如果应聘的岗位和你想的差距很远,你怎么办?

追光者♂:记录、分享、总结、提升,现象级专栏《Python从入门到人工智能》作者,无惧黑暗,坚信曙光 1923

ViewState与HttpModule原理:从ASP.NET底层机制到.NET 8实战迁移

ViewState和HttpModule是ASP.NET经典时代的核心机制,分别代表客户端状态管理与HTTP请求管道干预两大基础能力。其底层原理涉及序列化懒加载、IIS工作进程钩子、线程安全上下文等关键概念,技术价值在于帮助开发者穿透框架封装,实现可调试、可预测的服务端行为控制。典型应用场景包括表单防重放、跨域审计日志、智能路由限流等横切关注点治理。在.NET 8中,这些思想并未消失,而是演进为Minimal API的状态编码、Middleware中间件和RouteConstraint约束——本文即以现代实

dejz8829的专栏 504

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

PDF格式转换工具实测:7款软件优缺点对比与办公踩坑指南

PDF以跨平台稳定排版成为办公分发标准,但其图形化封装机制也让编辑与转换门槛居高不下。理解PDF内部对象结构、字体嵌入与扫描件OCR识别原理,是选对工具的前提。在合同归档、标书制作、图纸交付等场景中,格式转换质量直接影响工作效率与文档专业度。本文基于长期实测经验,横向对比Adobe Acrobat、福昕、WPS PDF、Smallpdf、PDF24等7款主流转换工具的定位、免费额度与坑点,覆盖PDF转Word、Excel转PDF、CAD图纸导出、压缩优化及高频报错排查。掌握不同路线(本地/在线/系统打印)的

weixin_34414196的博客 348

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

Ubuntu 20.04 UFW防火墙配置实战指南:从入门到生产级防护

防火墙是操作系统网络层的第一道安全屏障,其核心原理基于内核 netfilter 框架对数据包的匹配与过滤。UFW(Uncomplicated Firewall)作为 Ubuntu 官方推荐的 iptables 封装工具,以极低的认知成本实现策略可审计、可回滚的安全管控,显著降低因规则顺序错误导致的‘锁死自身’风险。其技术价值在于将复杂 iptables 语法收敛为自然语言式命令(如 ufw allow OpenSSH),同时保持与 Docker、Samba、ROS 等生态组件的深度适配能力。典型应用场景涵盖

z466459262的专栏 438

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

上一篇: 前端chrome浏览器调试总结
下一篇: 声纹识别开源工具
THMAIL
博客等级 码龄10年 2435粉丝 432原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

THMAIL

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值