Recientemente, las cosas han ido bastante. Jugué un partido en la Blue Bridge Cup y todavía me estoy preparando para algunos exámenes de certificación. Los blogs sobre reptiles han estado en espera por un tiempo. Realmente he retrocedido un poco sobre mí, pero no es cierto. Oh, de hecho, también estoy pensando, en mi tercer año, si voy a tomar el examen de ingreso de posgrado, o aún aprenderé la nueva tecnología como esta, o continuaré el camino de rastreo , aunque no sé si este camino va bien o no. Por cierto, no puedo ver la luz. Durante este período de tiempo, me tomó más de un mes. Finalmente pasé el de Django aproximadamente una vez. El resto es operar en los documentos oficiales y algunos proyectos reales. También planeo abrir una columna para registrar específicamente algunos de mis tristes caminos en el aprendizaje de Django. El aprendizaje sigue siendo el mismo. Si no estudias, lo perderás. Es muy inexplicable y realmente extraño. La beca de alguien depende de la relación. El ganador de un determinado proyecto sólo cambió un nombre temporalmente. . .
Mucha gente aprende Python y no sabe por dónde empezar.
Muchas personas aprenden Python y después de dominar la gramática básica, no saben dónde encontrar casos para comenzar.
Muchas personas que han realizado estudios de casos no saben cómo adquirir conocimientos más avanzados.
Entonces, para estos tres tipos de personas, les proporcionaré una buena plataforma de aprendizaje, ¡gratis para recibir tutoriales en video, libros electrónicos y el código fuente del curso! ?? ¤
Grupo QQ: 701698587
Independientemente de esto, no importa. Este blog resume dos formas más excelentes de procesar códigos de verificación de imágenes, a saber, el aip de Baidu y un reciente reconocimiento popular muggle-ocr.
Aquí mencionaré principalmente a Baidu. Hay tantas cosas en él. También amplié una función para identificar imágenes pornográficas. Quienes estén interesados pueden divertirse. Después de aprender los rastreadores, estas imágenes son realmente abrumadoras y hay innumerables sitios web. Espero que la operación de la red sea más vigorosa y el resto No se puede comparar. Veamos el funcionamiento real.
Este artículo presenta el método de procesamiento del código de verificación en el rastreador y encapsula estas funciones para que las usemos, que involucran el método de llamada de Baidu AIP y el uso de la última biblioteca de código abierto de reconocimiento muggle. Bienvenido a leer y dar me gusta. ¡Colección!
Otros artículos del blogger, ¡bienvenidos a leer!
Tabla de contenido:
-
Aprenda a llamar a la interfaz aip de Baidu:
-
Amplíe la interfaz de reconocimiento de pornografía de Baidu:
-
Aprenda muggle_ocr para identificar la interfaz:
-
Código fuente del paquete:
Aprenda a llamar a la interfaz aip de Baidu:
1. Primero, debe registrar una cuenta:
https://login.bce.baidu.com/
注册完成之后登入2. Crea el proyecto
Encuentre el reconocimiento de texto en estas tecnologías y haga clic para crear un proyecto
Después de la creación:
El AppID, la clave de API y la clave secreta de la imagen se necesitarán más adelante.
A continuación, puede consultar el documento del sitio web oficial o usar el código que escribí directamente
3. Instale la biblioteca de dependencias pip install baidu-aip
Esta es solo una interfaz y requiere algunas configuraciones previas.
def return_ocr_by_baidu(self, test_image):
"""
ps: 先在__init__ 函数中完成你自己的baidu_aip 的一些参数设置
这次测试使用 高精度版本测试
如果速度很慢 可以换回一般版本
self.client.basicGeneral(image, options)
相关参考网址:
https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
:param test_image: 待测试的文件名称
:return: 返回这个验证码的识别效果 如果错误 可以多次调用
"""
image = self.return_image_content(test_image=self.return_path(test_image))
# 调用通用文字识别（高精度版）
# self.client.basicAccurate(image)
# 如果有可选参数 相关参数可以在上面的网址里面找到
options = {}
options["detect_direction"] = "true"
options["probability"] = "true"
# 调用
result = self.client.basicAccurate(image, options)
result_s = result['words_result'][0]['words']
# 不打印关闭
print(result_s)
if result_s:
return result_s.strip()
else:
raise Exception("The result is None , try it !")
Amplíe la interfaz de reconocimiento de pornografía de Baidu:
Debemos divertirnos escribiendo código, no puede ser tan aburrido, ¿verdad?
La interfaz de identificación pornográfica está en proceso de revisión de contenido, solo búsquela.
Código fuente del método de llamada:
# -*- coding : utf-8 -*-
# @Time : 2020/10/22 17:30
# @author : 沙漏在下雨
# @Software : PyCharm
# @CSDN : https://me.csdn.net/qq_45906219
from aip import AipContentCensor
from ocr import MyOrc
class Auditing(MyOrc):
"""
这是一个调用百度内容审核的aip接口
主要用来审核一些色情 反恐 恶心 之类的东西
网址: https://ai.baidu.com/ai-doc/ANTIPORN/tk3h6xgkn
"""
def __init__(self):
# super().__init__()
APP_ID = '填写你的ID'
API_KEY = '填写你的KEY'
SECRET_KEY = '填写你的SECRET_KEY'
self.client = AipContentCensor(APP_ID, API_KEY, SECRET_KEY)
def return_path(self, test_image):
return super().return_path(test_image)
def return_image_content(self, test_image):
return super().return_image_content(test_image)
def return_Content_by_baidu_of_image(self, test_image, mode=0):
"""
继承ocr中的一些方法， 因为都是放一起的 少些一点代码
内容审核: 关于图片中是否存在一些非法不良信息
内容审核还可以实现文本审核 我觉得有点鸡肋 就没一起封装进去
url: https://ai.baidu.com/ai-doc/ANTIPORN/Wk3h6xg56
:param test_image: 待测试的图片 可以本地文件 也可以网址
:param mode: 默认 = 0 表示 识别的本地文件 mode = 1 表示识别的图片网址连接
:return: 返回识别结果
"""
if mode == 0:
filepath = self.return_image_content(self.return_path(test_image=test_image))
elif mode == 1:
filepath = test_image
else:
raise Exception("The mode is 0 or 1 but your mode is ", mode)
# 调用色情识别接口
result = self.client.imageCensorUserDefined(filepath)
# """ 如果图片是url调用如下 """
# result = self.client.imageCensorUserDefined('http://www.example.com/image.jpg')
print(result)
return result
a = Auditing()
a.return_Content_by_baidu_of_image("test_image/2.jpg", mode=0)
Aprenda muggle_ocr para identificar la interfaz:
Este paquete se ha vuelto popular recientemente, es muy simple de usar, no hay muchas otras funciones
-
Instalar pip install muggle-ocr Esta descarga es un poco lenta, es mejor usar el punto de acceso móvil. Actualmente, el sitio web espejo (Tsinghua / Ali) no se ha actualizado a este paquete porque este paquete es el último modelo de ocr 12
-
Interfaz de llamada
def return_ocr_by_muggle(self, test_image, mode=1):
"""
调用这个函数使用 muggle_ocr 来进行识别
:param test_image 待测试的文件名称 最好绝对路径
:param 模型 mode = 0 即 ModelType.OCR 表示识别普通印刷文本
当 mode = 1 默认 即 ModelType.Captcha 表示识别4-6位简单英输验证码
官方网站: https://pypi.org/project/muggle-ocr/
:return: 返回这个验证码的识别结果 如果错误 可以多次调用
"""
# 确定识别物品
if mode == 1:
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
elif mode == 0:
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
else:
raise Exception("The mode is 0 or 1 , but your mode == ", mode)
filepath = self.return_path(test_image=test_image)
with open(filepath, 'rb') as fr:
captcha_bytes = fr.read()
result = sdk.predict(image_bytes=captcha_bytes)
# 不打印关闭
print(result)
return result.strip()Código fuente del paquete:
# -*- coding : utf-8 -*-
# @Time : 2020/10/22 14:12
# @author : 沙漏在下雨
# @Software : PyCharm
# @CSDN : https://me.csdn.net/qq_45906219
import muggle_ocr
import os
from aip import AipOcr
"""
PS: 这个作用主要是作了一个封装 把2个常用的图片/验证码识别方式合在一起 怎么用 取决于自己
接口1: muggle_ocr
pip install muggle-ocr 这个下载有点慢 最好使用手机热点
目前镜像网站(清华/阿里) 还没有更新到这个包 因为这个包是最新的一个ocr模型
接口2: baidu-aip
pip install baidu-aip
这个知道的人应该很多很多， 但是我觉得还是muggle 这个新包猛的一比
调用方式 可以参考官网文档: https://cloud.baidu.com/doc/OCR/index.html
或者使用我如下的方式 都是ok的
:param image_path 待识别的图片路径 如果目录很深 推荐使用绝对路径
"""
class MyOrc:
def __init__(self):
# 设置一些必要信息 使用自己百度aip的内容
APP_ID = '你的ID'
API_KEY = '你的KEY'
SECRET_KEY = '你的SECRET_KEY'
self.client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
def return_path(self, test_image):
""":return abs image_path"""
# 确定路径
if os.path.isabs(test_image):
filepath = test_image
else:
filepath = os.path.abspath(test_image)
return filepath
def return_image_content(self, test_image):
""":return the image content """
with open(test_image, 'rb') as fr:
return fr.read()
def return_ocr_by_baidu(self, test_image):
"""
ps: 先在__init__ 函数中完成你自己的baidu_aip 的一些参数设置
这次测试使用 高精度版本测试
如果速度很慢 可以换回一般版本
self.client.basicGeneral(image, options)
相关参考网址:
https://cloud.baidu.com/doc/OCR/s/3k3h7yeqa
:param test_image: 待测试的文件名称
:return: 返回这个验证码的识别效果 如果错误 可以多次调用
"""
image = self.return_image_content(test_image=self.return_path(test_image))
# 调用通用文字识别（高精度版）
# self.client.basicAccurate(image)
# 如果有可选参数 相关参数可以在上面的网址里面找到
options = {}
options["detect_direction"] = "true"
options["probability"] = "true"
# 调用
result = self.client.basicAccurate(image, options)
result_s = result['words_result'][0]['words']
# 不打印关闭
print(result_s)
if result_s:
return result_s.strip()
else:
raise Exception("The result is None , try it !")
def return_ocr_by_muggle(self, test_image, mode=1):
"""
调用这个函数使用 muggle_ocr 来进行识别
:param test_image 待测试的文件名称 最好绝对路径
:param 模型 mode = 0 即 ModelType.OCR 表示识别普通印刷文本
当 mode = 1 默认 即 ModelType.Captcha 表示识别4-6位简单英输验证码
官方网站: https://pypi.org/project/muggle-ocr/
:return: 返回这个验证码的识别结果 如果错误 可以多次调用
"""
# 确定识别物品
if mode == 1:
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
elif mode == 0:
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
else:
raise Exception("The mode is 0 or 1 , but your mode == ", mode)
filepath = self.return_path(test_image=test_image)
with open(filepath, 'rb') as fr:
captcha_bytes = fr.read()
result = sdk.predict(image_bytes=captcha_bytes)
# 不打印关闭
print(result)
return result.strip()
# a = MyOrc()
# a.return_ocr_by_baidu(test_image='test_image/digit_img_1.png')