Python 识别携程中文验证码(95%正确率)并自动登陆携程+图灵图像验证码识别平台

Python 识别携程中文验证码(95%正确率)并自动登陆携程+图灵图像验证码识别平台

这两天有一个业务需求,需要登陆不同的携程账号获取订单信息,但是由于携程有验证码检测机制,而且是个中文验证码比较难识别,试了几家人工打码平台,要么贵,要么延时高,要么没办法24小时运行。最后总算让我找到一个可以通过机器识别出来的API接口,准确率超级高而且延迟只有0.03s左右。(不算上传图片的时间)

首先看一下携程验证码长啥样。。。

携程验证码分为小图和大图部分,小图部分如下:

 

 

 大图部分的样子如下: 

 原理是要先识别小图的文字,然后点击到大图对应文字的正确位置。

这里借助了图灵验证码识别平台,不是人工打码的,所以识别很快,准确率也挺高:

在线图片验证码识别平台-图像验证码识别打码平台-图片验证码打码平台-图灵

官网网址:http://fdyscloud.com.cn

进入图灵验证码识别平台,点击中文类型: 

 可以看到图灵识别平台提供的几个中文识别模型。我们这里需要用到的就是 中文通用类型 和 图片识别类型9。分别点进去,会告诉你对应的模型ID和接口的调用方式。

 我们也可以直接在网站上先上传图片测试一下该模型的识别效果,如下图:

 可以看到效果是很好的,所有的字和位置都识别得相当准确!牛逼!

废话不多说,直接发调用的Python代码吧,其实网站上也写得很详细了。

小图部分识别:

import base64 import json import requests # 复制以下代码,只需填入自己的账号密码、待识别的图片路径即可。 # 关于ID:选做识别的模型ID,会自动生成,无需修改。 def b64_api(username, password, img_path, ID): with open(img_path, 'rb') as f: b64_data = base64.b64encode(f.read()) b64 = b64_data.decode() data = {"username": username, "password": password, "ID": ID, "b64": b64} data_json = json.dumps(data) result = json.loads(requests.post("http://www.tulingtech.xyz/tuling/predict", data=data_json).text) return result if __name__ == "__main__": img_path = "C:/Users/Administrator/Desktop/file.jpg" result = b64_api(username="你的账号", password="你的密码", img_path=img_path,) print(result)

 大图部分识别:

import base64 import json import requests # 复制以下代码,只需填入自己的账号密码、待识别的图片路径即可。 # 关于ID:选做识别的模型ID,会自动生成,无需修改。 def b64_api(username, password, img_path, ID): with open(img_path, 'rb') as f: b64_data = base64.b64encode(f.read()) b64 = b64_data.decode() data = {"username": username, "password": password, "ID": ID, "b64": b64} data_json = json.dumps(data) result = json.loads(requests.post("http://www.tulingtech.xyz/tuling/predict", data=data_json).text) return result if __name__ == "__main__": img_path = "C:/Users/Administrator/Desktop/file.jpg" result = b64_api(username="你的账号", password="你的密码", img_path=img_path,) print(result)

两者​除了post data里面的模型ID值不一样,其他部分都是一样的。

至此彻底解决了携程中文点选验证码的识别问题!!!

Read more

Java 大视界 -- 5230 台物联网设备时序数据难题破解:Java+Redis+HBase+Kafka 实战全解析(查询延迟 18ms)(438)

Java 大视界 -- 5230 台物联网设备时序数据难题破解:Java+Redis+HBase+Kafka 实战全解析(查询延迟 18ms)(438)

Java 大视界 -- 5230 台物联网设备时序数据难题破解:Java+Redis+HBase+Kafka 实战全解析(查询延迟 18ms)(438) * 引言: * 正文: * 一、技术选型:务实为王,拒绝炫技 * 1.1 核心技术栈选型对比 * 1.2 选型核心原则(10 余年实战经验总结) * 二、架构设计:闭环为王,层层兜底 * 2.1 整体架构图 * 2.2.1 生产设备层(数据源头) * 2.2.2 边缘网关层(数据预处理) * 2.2.3 消息接入层(数据缓冲) * 2.

Java常见面试题及答案汇总(2025最新版)

一、Java基础语法与核心特性 1. Java的核心特性有哪些? 答案: * 跨平台性(Write Once, Run Anywhere):通过JVM(Java虚拟机)实现,字节码文件可在任意支持JVM的操作系统运行; * 面向对象(OOP):封装、继承、多态三大核心特性; * 安全性:支持沙箱机制、字节码校验、权限控制(如文件IO权限); * 健壮性:自动垃圾回收(GC)避免内存泄漏,强类型检查、异常处理机制减少运行时错误; * 分布式:支持RMI(远程方法调用)、HTTP协议,便于开发分布式应用; * 多线程:内置多线程API,支持并发编程。 2. 基本数据类型与包装类的区别? 答案: 维度基本数据类型(如int、float)包装类(如Integer、Float)本质原始值,无对象属性引用类型,继承Object类默认值有(

飞算JavaAI全链路实战:智能构建高可用电商系统核心架构

飞算JavaAI全链路实战:智能构建高可用电商系统核心架构

飞算JavaAI全链路实战:智能构建高可用电商系统核心架构 前言:AI编程新时代的电商系统开发范式变革 最近学习人工智能时遇到一个好用的网站给大家分享一下 人工智能学习 在当今数字经济时代,电商系统作为企业数字化转型的核心载体,其复杂度和技术要求与日俱增。一个完整的电商系统不仅需要处理商品、订单、用户等基础业务,还要应对高并发、分布式事务、数据一致性等复杂技术挑战。传统开发模式下,从需求分析到系统上线往往需要耗费大量人力和时间成本。 本次我通过飞算JavaAI平台,深入探索"电商系统核心功能模块"这一实战赛道,全面体验了从需求分析到代码生成的全链路开发过程。本文将完整呈现如何借助AI辅助开发工具,高效构建一个包含用户管理、商品系统、订单流程、支付集成等核心模块的电商平台,严格遵循"需求分析-开发实录-优化调试-成果总结"的四大核心框架,为开发者提供一份AI辅助全栈开发的完整实践指南。 一、需求分析与规划:构建电商系统的业务架构蓝图 在启动飞算JavaAI之前,需要进行全面的业务需求梳理和系统架构设计,这是确保AI生成代码符合预期的基础。 1.(理解需求)系统核心模块与

从云端到指尖:重构 AI 终端生态与实体交互新范式

从云端到指尖:重构 AI 终端生态与实体交互新范式

文章目录 * 当 AI 走出服务器机房 * 一、为什么我们需要 AI 终端生态? * 1.1 云端智能的“最后一公里”困境 * 1.2 生态的重构:从“模型即服务”到“能力即插件” * 二、核心架构:视觉感知驱动的实体交互 * 2.1 技术栈选型 * 2.2 关键挑战:实时性与准确率的平衡 * 三、实战演练:构建一个“桌面整理机器人”Agent * 3.1 环境准备 * 3.2 核心模块实现 * 模块一:AI 视觉感知层 * 模块二:决策引擎与实体交互映射 * 3.3 代码解析与深度思考 * 四、