2009年的阅读计划
Thursday, February 26th, 2009过年的时候在当当网上买了2本书《沉思录》和《沉思录II》，另外去年还有2本书没有读完，今年要把去年的债先还了，一本是《蓝海战略》，另外一本是《论语》。
Archive for February, 2009
过年的时候在当当网上买了2本书《沉思录》和《沉思录II》，另外去年还有2本书没有读完，今年要把去年的债先还了，一本是《蓝海战略》，另外一本是《论语》。
用djpeg+gocr突破无噪声captcha验证
Tuesday, February 17th, 2009Captcha验证码是现在很多登陆页面都会使用的一种验证机制，它是一种通过显示一张含有多个随机数字和字母的图片（也可以是音频）要求用户识别的方式，来甄别访问者是人还是机器的方式。很多网站使用的是比较简单的Captcha验证码，只对数字和字母做了颜色变化，但没有做变形处理，没有在图片上加噪声，更没有做数字和字母的虚化或叠加。前几天，我在做一个自动处理工具的时候，就遇到了这样的captcha验证码，很自然的想到用OCR的方法去突破Captcha验证，经过多次尝试之后，发现可以使用djpeg+gocr的方法很方便的实现突破。 首先介绍一下djpeg和gocr这两个工具，它们都是开源软件。 djpeg是一条用来解压jpeg图片 (decompress JPEG) 的Linux命令。任何Linux发行版上应该都有这条命令，如果要在windows下使用，可以去SourceForge下载安装GnuWin32，下载地址是http://sourceforge.net/project/showfiles.php?group_id=23617，如果只是想用djpeg，可以只下载jpeg那一个包，当前的版本是6b-4。 gocr是一个开源的OCR软件，gocr并不是一个功能特别强的开源ocr项目，至少它对有噪声的图片的识别就不太好。gocr也可以在SourceForge上找到，有windows和linux两个版本，目前的版本是0.4.6，下载地址是http://jocr.sourceforge.net/download.html。 通常在网页上看到的captcha验证图片大多是以jpeg格式出现的，而gocr却不支持jpeg文件作为输入，只能接受ppm，pnm等格式的图片，因此需要在使用gocr之前把下载的captcha图片转换成ppm的格式，然后再用gocr去做识别，用以下的命令就可以 djpeg.exe -ppm -gray -outfile captcha.ppm captcha.jpg gocr046.exe captcha.ppm 我所处理的那个captcha验证图片没有经过变形处理，也没有噪声，djpeg+gocr的成功率几乎是100%。当然，这个方法只对简单的captcha图片有效，我试过处理taobao的captcha图片，还没有成功过。对于有噪声的图片，gocr无法识别pattern的时候，它会提示用户输入对应的字符串，等于是一个模式学习的过程，如果captcha图片的噪声是有规律的话，我想经过一定量的学习之后，djpeg＋gocr也是可以处理一些复杂的captcha图片的，不过成功率就会的低很多。