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 1560

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 1738

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

SpotBugs使用

spotbugs命令行参数解析

javajingling的专栏 2948

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

Gamma变换算法之Matlab&FPGA实现

Gamma映射原理 什么是Gamma曲线 人眼的感光与光强并不是呈线性关系的,而是呈非线性关系(指数型关系,如下图左-曲线。在低照度下,人眼更容易分辨出亮度的变化,随着照度的增加,人眼不易分辨出亮度的变化。而图像传感器与输入光强呈线性关系(如下图左-直线)。从图中可见,当传感器感光在20%左右时,人眼感光响应达到了50%,人眼对低照度的变化更为敏感。从下图右侧可见,Reference Tone为人眼感光50%的亮度,而传感器在感光50%时则相对暗的多(见Select,近似中性灰)。这种将原始图像通过映射操

CrazyBingo的博客 7407

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

西电计组实验二 运算器实验

算术逻辑运算实验 一.实验目的   1.了解简单运算器的数据传输通路。   2.验证运算功能发生器的组合功能。   3.掌握算术逻辑运算加、减、与的工作原理。   4.验证实验台运算的8位加、减、与、直通功能。   5.按给定数据,完成几种指定的算术和逻辑运算。 二.实验原理   算术逻辑单元ALU的数据通路如图2-1所示。其中运算器ALU181根据74LS181的功能用VHDL硬件描述语言编辑而成,构成8位字长的ALU。参加运算的两个8位数据分别为A[7…0]和B[7…0],运算模式由S[3…0]的16种

Polaris的博客 1万+

第三篇:学习InternVL2.0(探讨代码之训练模块版)

InternVL2的训练模块

qq_69051120的博客 1245

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

060、模型蒸馏:把扩散模型压进单步的魔法

《端侧文生图模型蒸馏实战:从32步到1步的优化之道》摘要:针对边缘设备部署难题,本文分享了扩散模型蒸馏的核心经验。通过重构损失函数(感知损失+对抗训练+KL散度)、优化采样轨迹截取策略和改造学生模型架构,成功将Stable Diffusion压缩至单步推理。关键发现包括:小批量训练更有效、标签平滑保障生成多样性、双模型策略平衡质量与速度。在Cortex-A53芯片上实现300ms内生成,内存占用控制在200MB以下。特别强调工业部署需权衡压缩率与稳定性,建议保留迭代模式开关以适配不同场景需求。

2601_95651806的博客 150

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

【72】【OpenCV C++ & C#】 将cv::Mat 图像转换成imgINFO 传给c#在winform上显示,OpenCV C++如何将处理后的图像传给C#呢? 如何获取图像信息呢?

本文介绍了通过OpenCV C++处理图像后传递给C#的方法。首先定义了一个结构体imgINFO存储图像信息(数据指针、宽高、通道数等),然后通过getImgInfo函数将cv::Mat转换为该结构体。文章特别指出当图像宽度不能被4整除时可能出现失真问题,并给出了两种解决方案:调整输入图像或创建新的对齐图像。此外还解释了img.step和img.cols*img.elemSize()的关系,说明它们在大多数情况下是相等的。最后提到需要通过DLL将结构体传递给C#(具体方法参见其他文章)。

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 697

手把手教你学simulink(8.3)--实例:基于 Simulink 的自动驾驶汽车速度控制系统设计与仿真

基于 Simulink 的自动驾驶汽车速度控制系统设计与仿真。

MHD0815的博客 1209

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~ 4683

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

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

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

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

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
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