- 博客(4)
- 收藏
- 关注
RSS订阅原创 应用wine运行windows上游戏加速器的一种方法
选择代理，然后开启网络代理，在配置一项选择手动。把HTTP代理和HTTPS代理都选为刚才的两个端口其中之一。看到PID/Program name一栏，会有两个名为wineserver64的进程占用两个端口。这一步可能会有报错“Wine Mono is not installed”，这个时候参考。保存设置，然后可以去查看具体游戏延迟是否变低。如果不行就换另外一个端口再次尝试。然后在保持游戏加速器运行的情况下打开系统设置，打开网络一栏。打完游戏记得关闭网络代理，不然浏览器打不开网页。来检测所有的端口情况。
2025-03-17 18:01:11
664
1
原创 Python解决jm爬取图片分层倒置3.0版本解决方案
但是在我在“书海”里畅游（看🐍🐍）的时候发现了一些错误 ：有些区分度很低的图片恢复之后会是乱上加乱。再采用CV2库里的匹配算法，通过获取水印位置来获得分页页数，极大减少了无用的循环，一张图还原时间大概为150~250ms，（v1.0版本的程序还原时间约为3秒）这样便能正确的还原jm的图片（但是我没法子大量实验，爬jm太多导致ip被封了） ，速度大概在280ms一张图左右。很明显，图片的水印并不在底端且色彩不连续，明显能判断这张图片还原的有问题。（蛇年说python，python搞爬虫，爬虫爬🐍🐍。
2025-01-28 19:29:36
800
原创 某网站图片切片错位的解决方法
然而事实告诉我，信息熵只和图片内的信息有关，也就是说简单的错位并不会影响计算出来的值。然后我的大脑开始运作，发现位移不增加熵，但是多出的线会增加熵。最大的一张切片现在会出现在上面，再经过与第二段代码相同的操作后，便能得到粘贴的位置。此时的arrypx就是图片切割位置的集合，通过这个集合再配合pillow库里的切割，便能把图片再次切割。这几天我在逛某个网站（懂得都懂）的时候，发现用资源嗅探器下载下来的图片是错位的。通过循环来计算各种切分情况下恢复的原图的信息熵，最后拥有最小的熵的图片便是原图。
2025-01-15 18:00:40
786
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人