专利网数字验证码识别

验证码识别登录:使用超级鹰(验证码识别第三方包)识别超级鹰网站登录 验证码识别超级鹰网址:超级鹰验证码识别-专业的验证码云端识别服务,让验证码识别更快速、更准确、更强大 (chaojiying.com) 注册并微信扫码即可获得1000积分,首先做如图操作生成ID 然后下载其第三方开发api python文件 点击下载即可,将下载好的python文件chaojiying.py放入你爬虫的代码路径文件夹里,打开并修改最后代码 验证码类型超级鹰官方网站里有 ,根据需求对应,这里选择1902即4-6位英文数字 关于导入超级鹰,需添加如下代码 fro... 阅读详情

1、背景

项目需求:识别专利网查询页数字验证码

专利查询网址:http://cpquery.sipo.gov.cn/,项目需对该网站进行爬取,网站登陆页面如下:

图1 首页登录

当公众查询登录之后查询页含数字验证码。

此类验证码(字符未扭曲)识别相对容易,只需要识别0-9以内的数字即可。放大点再看

 


先训练模型

ocr模型训练的四大步骤:

  • 去噪
  • 垂直分割
  • 水平分割(去除字符上下空白,提取单字符)
  • 字符标记

2、字符训练

首先,下载一些此类验证码素材,网址:http://cpquery.sipo.gov.cn//freeze.main?txn-code=createImgServlet&freshStept=1。

此链接可能打不开,原因是你未登录,专利网就是这样,登录是一套流程,仅凭url无法获取资源,否则无需针对该网站另写一套爬虫代码了,由于商业原因,暂不把该网站爬取逻辑公开,本文仅探讨数字验证码。

2.1、背景去噪

代码如下:

private BufferedImage removeBackground(BufferedImage pic) {
	BufferedImage img = pic;
	int width = pic.getWidth();
	int height = pic.getHeight();
	int[] rgb = new int[3];

	for(int x = 0; x < width; ++x) {
		for(int y = 0; y < height; ++y) {
			if (this.isWhite(img.getRGB(x, y)) == 1) {
				int pixel = img.getRGB(x, y);
				//阈值需自行调整
				rgb[0] = (pixel & 16711680) >> 16;
				rgb[1] = (pixel & '\uff00') >> 8;
				rgb[2] = pixel & 255;
				img.setRGB(x, y, Color.WHITE.getRGB());
			} else {
				img.setRGB(x, y, Color.BLACK.getRGB());
			}
		}
	}

	img = this.removeNoise(this.removeNoise(img));
	img = img.getSubimage(1, 1, img.getWidth() - 2, img.getHeight() - 2);
	return img;
}

private BufferedImage removeNoise(BufferedImage image) {
	int width = image.getWidth();
	int height = image.getHeight();

	for(int x = 1; x < width - 1; ++x) {
		for(int y = 1; y < height - 1; ++y) {
			if (this.getColorBright(image.getRGB(x, y)) < 100 && this.isWhite(image.getRGB(x - 1, y)) + this.isWhite(image.getRGB(x + 1, y)) + this.isWhite(image.getRGB(x, y - 1)) + this.isWhite(image.getRGB(x, y + 1)) >= 3) {
				image.setRGB(x, y, Color.WHITE.getRGB());
			}
		}
	}

	return image;
}

private int getColorBright(int colorInt) {
	Color color = new Color(colorInt);
	return color.getRed() + color.getGreen() + color.getBlue();
}

private int isWhite(int colorInt) {
	Color color = new Color(colorInt);
	//阈值需自行调整
	return color.getRed() + color.getGreen() + color.getBlue() > 440 ? 1 : 0;
}

private int isBlack(int colorInt) {
	Color color = new Color(colorInt);
	//阈值需自行调整
	return color.getRed() + color.getGreen() + color.getBlue() <= 440 ? 1 : 0;
}

代码到这一步可以生成去噪之后的图片如下所示:

接下来就是垂直分割了

2.2、垂直及水平分割

垂直分割及水平分割代码如下:

private List<BufferedImage> splitImage(BufferedImage img) throws Exception {
	int i;
	int length;
	int width = img.getWidth();
	int height = img.getHeight();
	List<BufferedImage> subImgs = new ArrayList();
	List<Integer> weightList = new ArrayList();
	
	for(i = 0; i < width; ++i) {
		length = 0;
		for(int y = 0; y < height; ++y) {
			if (this.isBlack(img.getRGB(i, y)) == 1) {
				++length;
			}
		}
		weightList.add(length);
	}

	for(i = 0; i < weightList.size(); ++i) {
		for(length = 0; i < weightList.size() && (Integer)weightList.get(i) > 0; ++length) {
			++i;
		}
		if (length > 2) {
			subImgs.add(this.removeBlank(img.getSubimage(i - length, 0, length, height)));
		}
	}
	return subImgs;
}

private BufferedImage removeBlank(BufferedImage img) throws Exception {
	int width = img.getWidth();
	int height = img.getHeight();
	int start = 0;
	int end = 0;
	int y;
	int x;
	label42:
	for(y = 0; y < height; ++y) {
		for(x = 0; x < width; ++x) {
			if (this.isBlack(img.getRGB(x, y)) == 1) {
				start = y;
				break label42;
			}
		}
	}

	for(y = height - 1; y >= 0; --y) {
		for(x = 0; x < width; ++x) {
			if (this.isBlack(img.getRGB(x, y)) == 1) {
				end = y;
				return img.getSubimage(0, start, width, end - start + 1);
			}
		}
	}
	return img.getSubimage(0, start, width, end - start + 1);
}

将分割后的4张图片分别存储起来作为后续识别的素材:

2.3、字符标记

将图片名temp0改为9_0,同样temp1改为-_0,temp2改为5_0,temp3改为=_0;

上述步骤就完成了一次素材训练,如此反复多积累些素材,新建一名为num的文件夹存储这些资源图片,像这样:

同样再新建一名为operate的文件夹存储加减运算符图片,所示如下:

      后续验证码识别,无非是将待识别图片中的字符按上述流程分割成四个字符,然后遍历上面命名好的资源文件一一做比对,同位置像素点的RGB值相同,则比对成功,得到该资源文件名即得到待识别字符。

       因为我们的目的是识别数字验证码,得出运算结果就可以了,故只需对前三个元素识别出来就行,等号的训练并无多大意义。

       为便于将本文程序作为可调用的接口,训练素材和字符相关识别均需导入爬虫工程,有2种方法,其一,将上述资源文件及相关代码打成jar包发布到maven私服上,再导入爬虫工程中;或者直接将资源文件拷贝进项目中,为便于演示,直接采用方法二,在工程下新建config目录,再将上述num、operate文件夹一并放入其中。

在识别之前,肯定要加载训练素材,故加载资源图片代码如下(方法中参数type代表加载的是运算符还是数字资源文件类型):

private Map<BufferedImage, String> loadTrainData(String type) throws IOException {
    Map<BufferedImage, String> map = new HashMap(64);
    File file = new File(System.getProperty("user.dir") + pathSeparator + "config" + pathSeparator + "ocr" + pathSeparator + "ipbankspider" + pathSeparator + type);
    if (!file.exists()) {
        logger.error("数字验证码资源文件目录错误!");
    }

    File[] files = file.listFiles();
    File[] var6 = files;
    int var7 = files.length;

    for(int var8 = 0; var8 < var7; ++var8) {
        File pic = var6[var8];
        map.put(ImageIO.read(pic), pic.getName().charAt(0) + "");
    }

    return map;
}

完整接口如下:

public class IpBankImageProcess {
    private static final String ADD = "+";
    private String pathSeparator; 

    public IpBankImageProcess() {
    	pathSeparator = this.getSeparator();
    }

    private int isWhite(int colorInt) {
        Color color = new Color(colorInt);
        return color.getRed() + color.getGreen() + color.getBlue() > 440 ? 1 : 0;
    }

    private int isBlack(int colorInt) {
        Color color = new Color(colorInt);
        return color.getRed() + color.getGreen() + color.getBlue() <= 440 ? 1 : 0;
    }

    private BufferedImage removeBackground(BufferedImage pic, String path) throws IOException {
        BufferedImage img = pic;
        int width = pic.getWidth();
        int height = pic.getHeight();
        int[] rgb = new int[3];

        for(int x = 0; x < width; ++x) {
            for(int y = 0; y < height; ++y) {
                if (this.isWhite(img.getRGB(x, y)) == 1) {
                    int pixel = img.getRGB(x, y);
                    /*rgb[0] = (pixel & 0xff0000) >> 16;
                    rgb[1] = (pixel & 0xff00) >> 8;
                    rgb[2] = (pixel & 0xff);*/
                    rgb[0] = (pixel & 16711680) >> 16;
                    rgb[1] = (pixel & '\uff00') >> 8;
                    rgb[2] = pixel & 255;
                    img.setRGB(x, y, Color.WHITE.getRGB());
                } else {
                    img.setRGB(x, y, Color.BLACK.getRGB());
                }
            }
        }

        img = this.removeNoise(this.removeNoise(img));
        img = img.getSubimage(1, 1, img.getWidth() - 2, img.getHeight() - 2);
        storeProcessedPic(img, path+"removeBackground"+pathSeparator+"pic.jpg");

        return img;
    }

    private BufferedImage removeNoise(BufferedImage image) {
        int width = image.getWidth();
        int height = image.getHeight();

        for(int x = 1; x < width - 1; ++x) {
            for(int y = 1; y < height - 1; ++y) {
                if (this.getColorBright(image.getRGB(x, y)) < 100 && this.isWhite(image.getRGB(x - 1, y)) + this.isWhite(image.getRGB(x + 1, y)) + this.isWhite(image.getRGB(x, y - 1)) + this.isWhite(image.getRGB(x, y + 1)) >= 3) {
                    image.setRGB(x, y, Color.WHITE.getRGB());
                }
            }
        }

        return image;
    }

    private int getColorBright(int colorInt) {
        Color color = new Color(colorInt);
        return color.getRed() + color.getGreen() + color.getBlue();
    }

    private int isBlackOrWhite(int colorInt) {
        return this.getColorBright(colorInt) >= 30 && this.getColorBright(colorInt) <= 700 ? 0 : 1;
    }

    private BufferedImage removeBlank(BufferedImage img) throws IOException {
        int width = img.getWidth();
        int height = img.getHeight();
        int start = 0;
        int end = 0;

        int y;
        int x;
        label42:
        for(y = 0; y < height; ++y) {
            for(x = 0; x < width; ++x) {
                if (this.isBlack(img.getRGB(x, y)) == 1) {
                    start = y;
                    break label42;
                }
            }
        }

        for(y = height - 1; y >= 0; --y) {
            for(x = 0; x < width; ++x) {
                if (this.isBlack(img.getRGB(x, y)) == 1) {
                    end = y;
                    return img.getSubimage(0, start, width, end - start + 1);
                }
            }
        }

        return img.getSubimage(0, start, width, end - start + 1);
    }

    private List<BufferedImage> splitImage(BufferedImage img,String path) throws IOException {
        List<BufferedImage> subImgs = new ArrayList();
        int width = img.getWidth();
        int height = img.getHeight();
        List<Integer> weightList = new ArrayList();

        int i;
        int length;
        for(i = 0; i < width; ++i) {
            length = 0;

            for(int y = 0; y < height; ++y) {
                if (this.isBlack(img.getRGB(i, y)) == 1) {
                    ++length;
                }
            }

            weightList.add(length);
        }

        for(i = 0; i < weightList.size(); ++i) {
            for(length = 0; i < weightList.size() && (Integer)weightList.get(i) > 0; ++length) {
                ++i;
            }

            if (length > 2) {
                subImgs.add(this.removeBlank(img.getSubimage(i - length, 0, length, height)));
            }
        }
        for (int j = 0; j < subImgs.size(); j++) {
			storeProcessedPic(subImgs.get(j), path+"splitImage"+pathSeparator+"temp"+j+".jpg");
		}
        return subImgs;
    }

    private Map<BufferedImage, String> loadTrainData(String type) throws IOException {
        Map<BufferedImage, String> map = new HashMap(64);
        File file = new File(System.getProperty("user.dir") + pathSeparator + "config" + pathSeparator + "ocr" + pathSeparator + "ipbankspider" + pathSeparator + type);
        if (!file.exists()) {
            //logger.error("数字验证码资源文件目录错误!");
        }

        File[] files = file.listFiles();
        File[] var6 = files;
        int var7 = files.length;

        for(int var8 = 0; var8 < var7; ++var8) {
            File pic = var6[var8];
            map.put(ImageIO.read(pic), pic.getName().charAt(0) + "");
        }

        return map;
    }

    private String getSingleCharOcr(BufferedImage img, Map<BufferedImage, String> map) {
        String result = "";
        int width = img.getWidth();
        int height = img.getHeight();
        int min = width * height;
        int deviation = 1;
        Iterator var8 = map.keySet().iterator();

        while(true) {
            BufferedImage bi;
            int sampleHeight;
            do {
                int sampleWidth;
                do {
                    do {
                        do {
                            if (!var8.hasNext()) {
                                if ("".equals(result)) {
                                	//logger.info("数字验证码识别异常");
                                    Random r = new Random();
                                    result = r.nextInt(10) + "";
                                }

                                return result;
                            }

                            bi = (BufferedImage)var8.next();
                            sampleWidth = bi.getWidth();
                            sampleHeight = bi.getHeight();
                        } while(sampleWidth < width);
                    } while(sampleWidth > width + deviation);
                } while(sampleHeight > height + deviation);
            } while(sampleHeight < height);

            int count = 0;

            label58:
            for(int x = 0; x < width; ++x) {
                for(int y = 0; y < height; ++y) {
                    if (this.isWhite(img.getRGB(x, y)) != this.isWhite(bi.getRGB(x, y))) {
                        ++count;
                        if (count >= min) {
                            break label58;
                        }
                    }
                }
            }

            if (count < min) {
                min = count;
                result = (String)map.get(bi);
            }
        }
    }

    public int getResult(BufferedImage image,String path) throws IOException {
        BufferedImage img = this.removeBackground(image, path);
        List<BufferedImage> listImg = this.splitImage(img,path);
        Map<BufferedImage, String> operateMap = this.loadTrainData("operate");
        Map<BufferedImage, String> numMap = this.loadTrainData("num");
        String operatorSymbol = "";
        int a = 0;
        int b = 0;

        for(int i = 0; i < listImg.size() - 1; ++i) {
            if (i % 2 == 0) {
                if (i == 0) {
                    a = Integer.parseInt(this.getSingleCharOcr((BufferedImage)listImg.get(i), numMap));
                }

                b = Integer.parseInt(this.getSingleCharOcr((BufferedImage)listImg.get(i), numMap));
            } else {
                operatorSymbol = this.getSingleCharOcr((BufferedImage)listImg.get(i), operateMap);
            }
        }

        if (ADD.equals(operatorSymbol)) {
            return a + b;
        } else {
            return a - b;
        }
    }

    private String getSeparator() {
        String pathSeparator = File.separator;
        if (!"\\".equals(File.separator)) {
            pathSeparator = "/";
        }

        return pathSeparator;
    }
    
    private void storeProcessedPic(BufferedImage img, String storePath) throws IOException {
    	File file = new File(storePath);
        if (!file.exists())
        {
            File dir = file.getParentFile();
            if (!dir.exists())
            {
                dir.mkdirs();
            }
            try
            {
                file.createNewFile();
            }
            catch (IOException e)
            {
                e.printStackTrace();
            }
        }
        ImageIO.write(img, "jpg", file);
    }
}

测试调用:

public class OcrTest {
	
	private static final String BASE_PATH = System.getProperty("user.dir");
	
    public static void main(String[] args){
    	IpBankImageProcess processor = new IpBankImageProcess();
    	BufferedImage img;
		try {
			//以下修改成待识别图片路径
			img = ImageIO.read(new File(BASE_PATH+"\\test\\yourpic.jpg"));
			int result = processor.getResult(img, BASE_PATH+"\\data\\");
			System.out.println("Ocr识别结果: \n" + result);
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
    }
}

如此便得到了识别结果,上述代码拷贝至本地稍加修改就能用,识别率几乎100%。

 

参考博客

https://blog.youkuaiyun.com/problc/article/details/5794460

https://blog.youkuaiyun.com/zhulier1124/article/details/80606647

https://www.cnblogs.com/nayitian/p/3282862.html

告别信号毛刺!手把手教你用ADS和IBIS-AMI模型搞定PCIe Gen3眼图仿真 本文详细介绍了如何使用Keysight ADS和IBIS-AMI模型进行PCIe Gen3眼图仿真,解决高速信号传输中的信号质量问题。从仿真环境搭建、S参数预处理到眼图优化与故障排除,提供了一套完整的工程实践指南,帮助工程师提升PCIe Gen3接口的信号完整性。 阅读详情

相关推荐

Shader之——花草动画shader

今天 ,接到了个需求,花草的动画。谈到花草动画,立马就想到顶点动画,让顶点动起来就可以实现了。但是有个问题,所有的草都往一个方向运动,这个就麻烦了。因为在shader里没有随机这种概念,提到最多的是用一张噪声图来模拟。在网上搜索了一下,发现有更好的办法,就是用每个顶点到一个点的距离来控制动画的开始,毕竟每个顶点到同一个点的距离很少是一样的。 float dis = distance ...

baicaishisan的博客 2187

【python数字验证码 自动识别】

本博客介绍了如何使用Python进行数字验证码自动识别的案例分析和代码实现。通过使用OpenCV进行图片预处理和使用Tesseract进行文本识别,我们可以很方便地实现验证码自动识别的功能。希望本博客能对你理解和应用验证码自动识别技术有所帮助。

qq_31532979的贺公子之数据科学与艺术博客,致力于科技向善,拥抱开源,要用技术的影响力来领导团队,而不是威权和职位! 1967

AXI4接口说明

ACLK:全局AXI接口时钟输入(建议与系统时钟保持一致)ARESET_n:全局AXI接口复位信号,低电平有效。PS:在HBM AXI接口应用中,此复位端口仅应在数据传输开始前使用。若在传输开始后使用,会导致AXI接口与内存控制器失步(out-of-sync)。当开关启用时,IP核会将所有ARESET_n引脚内部连接在一起——因为内存作为一个整体工作。

rhtul的博客 1522

数字验证码识别

1 程序整体功能及模块介绍 本设计为基于 MATLAB 的数字验证码识别,通过一个 GUI 界面来进行实时交互。可以识别带有噪声的数字验证码。流程为:打开图像文件,显示图片,用颜色分量的方法将噪声去除,得到去噪后图像,利用连通域法进行字符分割,提取到每个字符的 Hu 不变矩,进而跟模板字符相匹配,得到识别结果及文件保存关闭系统。整体功能模块如图 1.1 所示。 验证码识别过程:主要有信息获取、预处理、定位、分割、识别等个部分。验证码获取:选择需要识别的验证码,通过采样量化等方式获取图片信息。预处理:预处理

qq_39207897的博客 2780

Fedproto:原型聚合的联邦学习框架

文中说明,联邦学习通过计算传递梯度聚合模型时,客户端之间的异构性通常会阻碍模型优化收敛和泛化性能。故本文提出新的FedProto框架,将梯度替换成为原型,通过计算、聚合从不同客户端收集到的本地原型,然后将全局原型发送回所有客户端,以规范本地模型的训练。对每个客户机进行局部训练的目的是最小化对本地数据的分类损失,同时保持生成的本地原型足够接近相应的全局原型(损失函数最小+正则)。什么是原型?文中提到:“

weixin_47754029的博客 2650

聚宽策略实盘新路径:不开通QMT , 小资金自动化交易解决方案

聚宽策略实盘新路径:不开通QMT , 小资金自动化交易解决方案

u011111246的博客 1470

【验证码识别】基于机器视觉的数字验证码识别附Matlab代码

验证码(CAPTCHA,Completely Automated Public Turing test to tell Computers and Humans Apart)作为一种区分人和机器的自动化测试,广泛应用于网站注册、登录和安全防护等领域。然而,随着人工智能技术的快速发展,传统的验证码逐渐难以抵挡自动化攻击。因此,研究高效、鲁棒的验证码识别技术至关重要。本文将探讨基于机器视觉的数字验证码识别方法,并结合Matlab代码进行详细分析,展现其实现过程和关键技术细节。一、数字验证码识别方法概述。

m0_60703264的博客 1614

YOLO26训练教程,训练自己的数据集教学,从源码下载,配置虚拟环境,准备数据集、训练、验证、推理测试 。实现0到1的完整教学过程。快速入门必看

本文详细介绍了YOLO26目标检测模型的配置与使用流程:1)下载YOLOv11源码并创建Python3.10虚拟环境;2)安装PyTorch2.5.1及相关依赖库;3)准备数据集并修改配置文件;4)编写训练脚本设置参数(640x640分辨率、500轮次);5)验证模型效果;6)使用训练好的模型进行推理测试;7)生成可视化热力图。整个过程涵盖了从环境搭建到模型应用的全流程,并提供了清华镜像源加速下载。

Ai缝合怪、助力小伙伴高效发论文 5305

python数字验证码自动识别

在本文中,我们探讨了如何使用Python来自动识别数字验证码,并将其应用于实际场景中,如自动化登录网站。我们首先介绍了验证码的概念以及为什么它们在网络安全和用户验证中如此重要。然后,我们讨论了使用Python和一些常见的库和工具(如Pillow、Scikit-learn和Selenium)来实现验证码识别的基本步骤。我们从预处理验证码图像开始,介绍了如何将图像转换为灰度图像、二值化处理、调整大小和标准化。接下来,我们讨论了如何使用机器学习模型(如支持向量机)来训练和识别验证码。

一键难忘的博客 4077

[QMT和ptrade量化交易小白入门]-121、如何用K-means聚类,每月自动筛选高流动性ETF

本专栏主要是介绍QMT和ptrade的基础用法,常见函数,写策略的方法,也会分享一些量化交易的思路,大概会写200篇左右。QMT的相关资料较少,在使用过程中不断的摸索,遇到了一些问题,记录下来和大家一起沟通,共同进步。

木头大左的博客 829

单片机设计具备断电记忆功能的计时器

本文介绍了如何设计一款具备断电记忆功能的计时器,利用单片机和EEPROM存储器实现了计时器值的保存和恢复。当然,在实际的设计中还需要考虑其他因素,如电源管理、时钟精度等,以确保计时器的正常运行和准确性。选择合适的单片机:在设计计时器时,我们需要选择一款具备存储功能的单片机,以便在断电后能够保存计时器的状态。可以优化显示方式,使用更加直观的界面来展示计时器的值;函数中,我们首先从 EEPROM 中读取计时器的初始值,然后在一个无限循环中每秒钟增加计时器的值,并将新的值写入 EEPROM 中。

RlDart的博客 1094

简单数字验证码的机器识别探索

通过opencv识别带有随机噪点的数字验证码,最终使用opencv自带人工智能方法予以解决

一把菜刀行江湖 1680

Codex入门19-数据库操作(解放双手:用自然语言写SQL、建表和数据迁移)

写 SQL 是后端开发的日常,但复杂的 JOIN、子查询、窗口函数总让人头疼。本文教你用 Codex CLI 实现:自然语言直接生成 CREATE TABLE、复杂 SQL 查询、数据库迁移脚本(Prisma/Knex/Alembic)、ORM 模型代码(SQLAlchemy/TypeORM)、甚至自动生成数据库文档。重点强调安全红线——永远不要让 AI 直接连接生产数据库。从需求描述到完整数据库层代码,一篇搞定。

yueyeguzhuo的专栏 234

数字验证码识别完成自动化登录

利用selenium进行自动输入数字验证码完成登录,利用pyautogui保存验证码图片,PIL进行图片的降噪处理,pytesseract完成图片数字识别,最后selenium完成信息的输入,完成自动登录。

基博的博客 2951

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【python爬虫实战】:不同验证码的自动识别

你有没有想过,当你在填写登录表单时,为什么会有验证码?为什么它们有时候那么复杂,让人头大?而有时候又显得那么弱智?今天,我们一起探讨一下如何用 Python 爬虫识别各种验证码,让你的爬虫项目自由冲浪!

Python栈 1万+

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

识别优快云验证码的思路

csdn可以说的技术界的老大了,而优快云的验证码识别如下,看如下代码 简单验证码的识别:优快云验证码的识别取图像部分,ASP.NET_SessionID=这个值你要自己取这样的话就可以做成自动登录了 privateStreamgeturl(refstringstr){stringurl="http://www.csdn.net/member/ShowExPwd.aspx";We...

javababy1 237

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

python网络爬虫之识别数字验证码

通过上图,我们可以发现,如果只是简单地进行灰度化处理,验证码地识别度并不和高,不能准确地识别出来。因此,我们可以通过图片二值化、线性降噪或者利用 Tesseract 进行验证码识别,来提高验证码的识别准确度。通过进一步的代码改进,验证码的识别有了很大的提高,识别出了0102,虽然正确的是0182,只有一个0和8的差距,但是我们仍然需要进一步地加强和改进代码。通过代码的进一步改进,验证码被准确识别成0812!

icey112的博客 1159

【5G通信】一种基于SDN根据RSS、停留时间、小区负载和用户移动方向等多个参数进行5G HetNet中切换的小区选择技术附matlab代码

随着移动互联网的快速发展,移动数据流量呈爆炸式增长,对网络容量和用户体验提出了更高的要求。5G网络作为新一代移动通信技术,以其超高带宽、超低时延和海量连接等特点,成为满足未来移动通信需求的重要技术手段。然而,5G网络的部署面临着诸多挑战,其中之一便是异构网络(HetNet)的资源管理和用户切换问题。HetNet是由不同类型的小区(如宏基站、微基站、毫微微基站等)组成的网络,能够有效提升网络覆盖和容量,但同时也带来了用户切换的复杂性。

qq_59747472的博客 1069

神器!使用Python 轻松识别验证码

本文介绍了如何使用 Python 和相关库来识别数字验证码。通过这种方法,我们可以实现验证码的自动识别,用于自动化测试、爬虫程序或其他需要验证码处理的场景。在实际应用中,可以根据具体的需求对识别方法进行进一步优化和调整,以获得更好的识别效果。获取更多软件测试技术资料/面试题解析,请点击!

霍格沃兹测试学院的博客 3198

4-验证码的识别【针对特定类型-->4种常见类型】--【重要!】

目前许多网站采用验证码来进行反爬虫!且花式越来越多!验证码最初是由几个数字的简单的图形验证码,后来加入英文字母和混淆曲线,设置还有中文字符的验证码,使得识别越来越难! 目前交互式验证码越来越多,如:极验滑动验证码需要滑动拼合滑块才可以完成验证,点触验证码需要完全点击正确结果才可以完成验证,另...

chuiai8582的博客 2812

12306自动抢票及自动识别验证码功能(三)--分流

这几天研究了下12306分流,之前12306pass不停切换CDN来刷新数据,这样减少缓存时间,写了个脚本从官网上抓了一批CDN服务器来测试 验证cdn脚本: #! /usr/bin/env python3 # -*- coding:utf-8 -*- import os,requests,time,re import sys,codecs,json requests.packages.u...

飞奔的猫的专栏 2525

Python 通用验证码识别OCR库:ddddocr

(带带弟弟 OCR )Python 通用验证码识别OCR库:ddddocr

PandaMan~的博客 1万+

实例程序实现对优快云验证码的识别

简单验证码的识别:优快云验证码的识别取图像部分,ASP.NET_SessionID=这个值你要自己取这样的话就可以做成自动登录了   csdn可以说的技术界的老大了,而优快云的验证码识别如下,看如下代码 简单验证码的识别:优快云验证码的识别 取图像部分,ASP.NET_SessionID=这个值你要自己取这样的话就可以做成自动登录了 private Stream geturl(r

机器视觉之家 947

网页验证码识别实例VB.NET2019(一)

  最近闲来无事,用vb.net做一个网页自动登录的小程序,里面需要输入验证码。涉及到验证码图片识别的问题,查了很多资料,参考了兄弟猿的一些资料,终于有了一个满意的结果。验证码识别率100%。一是怕忘记,方便自己以后查用,二是与大家分享,互勉提高,特记录在此。希望能有更有效的方法去实现验证码图片的识别。   获取网页验证码图片 Ihtmldocument2是比较常用的网页文档对象,是 IHTML...

mengxiangde的博客 1734

2022年最新验证码识别API接口分享

2022年最新验证码识别API接口分享

lpp3143的博客 2568

国税总局增值税发票查验平台验证码识别深度学习实战

国家税务总局全国增值税发票查验平台验证码 查验验证码图片如下面所示: 测试地址:http://47.99.174.98:8808/ 1.验证码识别Python版 import base64 import requests with open('./tmp.jpg', 'rb') as f: img_bytes = f.read() img_base64 = base64.b64encode(img_bytes) # '00' 黑色 '01' 红色 '02' 黄色 '03' 蓝色 data =

TouchAI的博客 21万+
上一篇: 基于webmagic框架的多主题爬虫关键词切换
下一篇: 按目录层级打印指定路径下的所有文件名
zhg_vincent
博客等级 码龄12年 93粉丝 45原创
评论 2
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
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