Node实现验证码识别

copy了别人代码的你

---

最近忽然对图像识别有了兴趣，作为一个前端，当然是想用Javascript来深入研究。

先从简单的入手，识别图片验证码。图片验证码对web开发来说一点也不陌生，它是对服务器保护的一道屏障，避免了诸如暴力破解密码之类的攻击。但是，今天就是要去突破这道屏障。

现在开源的图像识别技术有很多，我在GitHub上找到了一个用Javascript实现的，相对受欢迎的框架Tesseract.js。

我先准备好一个简单的验证码

这个是数字字母的组合，接下来我们就用tesseract.js来对这个验证码进行解析。

安装

npm install --save tesseract.js

使用这个命令进行安装，--save代表只安装到当前项目中。

使用

首先要在代码中进行引入

var tesseract = require('tesseract.js');

然后使用tesseract的recognize方法对图片进行解析。

tesseract.recognize(myImage,options)
.then(function(result){
    console.log(result)
});

其中，myImage可以是图片file对象，或者图片的存放地址的字符串等，我们这里先用存放地址的字符串。

options则是对解析过程的个性化设置，可以设置语言等其他属性，较为重要的有lang属性，用来设置语言类型，英文为eng（默认）,数字是Math.

运行效果

下面我们来看一下实际的运行效果。

文件系统

app.js

使用node命令运行

可以看出，输出的结果是LPGU，验证码中的字母数字组合是LP6U，略有偏差，将6解析成了G。

所以，自动识别虽好，但是准确率还是需要提高。

Tesseract.js训练

tesseract.js是可以通过训练来提高准确率的，我们看一下第一次运行结束后发生了什么变化。

运行结束之后，文件系统中生成了一个eng.traineddata文件

这个文件，就是tesseract的训练文件，下次再分析的时候，会先从这个训练文件中寻找是否有匹配的结果。通过这种方式，形成它自己的大脑。

当然，我认为也可以手动的添加相同格式的文件进去，手动的扩充这个图像分析系统的智能性。

附录一

recognize第一个参数所允许的类型：

因为tesseract.js既可以运行node服务器中，也可以运行再浏览器中，我们这里只提在服务器中所允许的类型

• 文件地址（string）

• 包含PNG或JPEG类型的Buffer对象

• imageData对象

附录二

浏览器中引入方式

<script src='https://cdn.rawgit.com/naptha/tesseract.js/1.0.10/dist/tesseract.js'></script>

使用方式同node方法