我的验证码识别：有多少人工就有多少智能

[eason1874]

前些日子我有个私人项目需要用到验证码识别，自己本身没有经验，于是找了些开源项目的代码试用，成功率还不错，但验证码在请求频率方面也有限制，也就是说需要写不少异常处理，没经验很难估算需要投入的精力和时间。

转念一想，我这采集数据也不是一百几十万，也就一万几千而已，对实时性也没高要求，折腾那么多干嘛。简单点，让事情简单点。

我干脆把几个地方的验证码统一接入到一个页面，就放在本地树莓派，我每天摸鱼啊想放松脑子啊，就打开这个页面机械地输入验证码，不停重复着人肉打码，如果遇到限制了就重新拨号换 IP。

你别说，还挺有意思的。每次打码更新数据就像进行一种仪式，令我对更新的数据有别样的感情，以前在后台采集的数据我说删就删，如今采集的数据我分外珍惜。

看到这里你是不少以为我要说我的公众号是多少多少了，并没有，这个账号还没发过贴，纯粹为了水一贴。

[dawe]

不是有打码平台么 就是不知道价格怎么样

[eason1874]

@dawe 国外三哥的打码平台才几分钱一个，但小数怕长计。其实用开源代码可以识别大部分了，不用主要是不想写异常处理，自己手动打还可以顺便看一眼数据有没有问题

[wafm]

你用代码识别大部分,失败的扔打码平台去

不就 OK 了吗?

我之前做过车牌识别的项目,相机识别失败的就直接扔给 OCR 平台,准确率比现在的停车场不知道高多少了 后面甲方觉得没必要 OCR 识别了 项目就停止了

[eason1874]

@wafm #3 个人项目做着玩，我连服务器都没买，直接本地生成 HTML 传到云存储。现在打码当消遣感觉还不错，将来有必要再接打码平台了。

[ClericPy]

一些不是超大规模抓取, 确实人肉就够了...
微信公众平台继承了微信一贯的怎么不方便怎么搞的风格(就像 PC 微信一样...), 所以我基本上服务器里就是 headless chrome 访问填入帐号密码, cdp 截到验证码流量(实际上也可以拿到 cookie 二次请求, 我懒得), encode 成 b64 发到服务器上, 一次扫好几个图片还是挺爽的

以前也搞过搜狗, 用了很多 cookie 漏洞做了长时间伪造身份, 后来漏洞封了, 发现... 小规模的时候就是无脑反爬验证码也不麻烦, 起码不去考虑 safe interval 的估算了...

我也是无聊水一帖

[eason1874]

@ClericPy #5 以前我强迫症很严重，能程序跑的东西坚决不让人工介入，哪怕写程序的时间比人工操作的时间还要多。

后来我看到一些企业发家史说，他们业务刚开始的时候，很多功能其实只是在前端可以用户自助操作，后端实际配置还是技术手动搞的，显示的配置生效时间其实是给技术客服手动配置的时间。

慢慢的我心态就不一样了，业务能跑起来是第一位，自动化的改进后面根据发展需要再去搞了。

[ClericPy]

健忘症 强迫症 拖延症三症齐得, 则天下无敌矣
@eason1874

[simoncos]

你多打一点训练数据不就又有了

[lneoi]

验证码不就是要实时性吗，这一次标注的数据下一次又不能重复用，除非当做训练数据来弄

[eason1874]

@simoncos #8 验证码准确率只是一方面，还有一方面是目标站点请求频率限制，目标站点用了加速乐，你刷新快一点就要验证码了，加速乐验证码有几种，比较难处理。


@lneoi #9 不是，我是说对采集的数据没有实时性要求，不是说验证码。

[ochatokori]

你人工打也有打错的时候啊，异常处理还是要写的

[eason1874]

@ochatokori #11 也要写，不过不用提前写，先直接抛出来，遇到一个再处理一个

[CommandZi]

「有多少人工就有多少智能」我还以为说另外一件事～

[diggerdu]

标好的验证码可以存下来 日后要上模型也比较方便

[eason1874]

@CommandZi #13 你是说这件事？

宣传：整合 ASR、TTS、NLU 多项人工智能技术的智能服务机器人
实际：由后台人工座席控制的变音喇叭机器人

[eason1874]

@diggerdu #14 我没这个水平哈，这方面我是纯粹的脚本小子，资料怎么说就怎么弄

[zhaishunqi]

人工智能没毛病。。。