Java如何实现验证码验证功能

Java如何实现验证码验证功能,第1张

Java如何实现验证码验证功能呢?日常生活中,验证码随处可见,他可以在一定程度上保护账号安全,那么他是怎么实现的呢?

Java实现验证码验证功能其实非常简单:用到了一个Graphics类在画板上绘制字母,随机选取一定数量的字母随机生成,然后在画板上随机生成几条干扰线。

首先,写一个验证码生成帮助类,用来绘制随机字母:

import javaawtColor;

import javaawtFont;

import javaawtGraphics;

import javaawtimageBufferedImage;

import javaioIOException;

import javaioOutputStream;

import javautilRandom;

import javaximageioImageIO;

public final class GraphicHelper {

/

 以字符串形式返回生成的验证码,同时输出一个

 @param width

            的宽度

 @param height

            的高度

 @param imgType

            的类型

 @param output

            的输出流(将输出到这个流中)

 @return 返回所生成的验证码(字符串)

/

public static String create(final int width, final int height, final String imgType, OutputStream output) {

StringBuffer sb = new StringBuffer();

Random random = new Random();

BufferedImage image = new BufferedImage(width, height, BufferedImageTYPE_INT_RGB);

Graphics graphic = imagegetGraphics();

graphicsetColor(ColorgetColor("F8F8F8"));

graphicfillRect(0, 0, width, height);

Color[] colors = new Color[] { ColorBLUE, ColorGRAY, ColorGREEN, ColorRED, ColorBLACK, ColorORANGE,

ColorCYAN };

// 在 "画板"上生成干扰线条 ( 50 是线条个数)

for (int i = 0; i < 50; i++) {

graphicsetColor(colors[randomnextInt(colorslength)]);

final int x = randomnextInt(width);

final int y = randomnextInt(height);

final int w = randomnextInt(20);

final int h = randomnextInt(20);

final int signA = randomnextBoolean()  1 : -1;

final int signB = randomnextBoolean()  1 : -1;

graphicdrawLine(x, y, x + w  signA, y + h  signB);

}

// 在 "画板"上绘制字母

graphicsetFont(new Font("Comic Sans MS", FontBOLD, 30));

for (int i = 0; i < 6; i++) {

final int temp = randomnextInt(26) + 97;

String s = StringvalueOf((char) temp);

sbappend(s);

graphicsetColor(colors[randomnextInt(colorslength)]);

graphicdrawString(s, i  (width / 6), height - (height / 3));

}

graphicdispose();

try {

ImageIOwrite(image, imgType, output);

} catch (IOException e) {

eprintStackTrace();

}

return sbtoString();

}


接着,创建一个servlet,用来固定大小,以及处理验证码的使用场景,以及捕获页面生成的验证码(捕获到的二维码与用户输入的验证码一致才能通过)。

import javaioOutputStream;

import javaxservletServletException;

import javaxservletannotationWebServlet;

import javaxservlet>

import javaxservlet>

import javaxservlet>

import javaxservlet>

@WebServlet(urlPatterns = "/verify/registdo" )

public class VerifyCodeServlet extends >

private static final long serialVersionUID = 3398560501558431737L;

@Override

protected void service(>

throws ServletException, IOException {

// 获得 当前请求 对应的 会话对象

>

// 从请求中获得 URI ( 统一资源标识符 )

String uri = requestgetRequestURI();

Systemoutprintln("hello : " + uri);

final int width = 180; // 宽度

final int height = 40; // 高度

final String imgType = "jpeg"; // 指定格式 (不是指MIME类型)

final OutputStream output = responsegetOutputStream(); // 获得可以向客户端返回的输出流

// (字节流)

// 创建验证码并返回上的字符串

String code = GraphicHelpercreate(width, height, imgType, output);

Systemoutprintln("验证码内容: " + code);

// 建立 uri 和 相应的 验证码 的关联 ( 存储到当前会话对象的属性中 )

sessionsetAttribute(uri, code);

Systemoutprintln(sessiongetAttribute(uri));

}


接着写一个HTML注册页面用来检验一下:

<html>

<head>

<meta charset="UTF-8">

<title>注册</title>

<link rel="stylesheet" href="styles/generalcss">

<link rel="stylesheet" href="styles/cellcss">

<link rel="stylesheet" href="styles/formcss">

<script type="text/javascript" src="js/refjs"></script>

<style type="text/css" >

logo-container {

margin-top: 50px ;

}

logo-container img {

width: 100px ;

}

message-container {

height: 80px ;

}

link-container {

height: 40px ;

line-height: 40px ;

}

link-container a {

text-decoration: none ;

}

</style>

</head>

<body>

<div class="container form-container">

<form action="/wendao/registdo" method="post">

<div class="form"> <!-- 注册表单开始 -->

<div class="form-row">

<span class="cell-1">

<i class="fa fa-user"></i>

</span>

<span class="cell-11" style="text-align: left;">

<input type="text" name="username" placeholder="请输入用户名">

</span>

</div>

<div class="form-row">

<span class="cell-1">

<i class="fa fa-key"></i>

</span>

<span class="cell-11" style="text-align: left;">

<input type="password" name="password" placeholder="请输入密码">

</span>

</div>

<div class="form-row">

<span class="cell-1">

<i class="fa fa-keyboard-o"></i>

</span>

<span class="cell-11" style="text-align: left;">

<input type="password" name="confirm" placeholder="请确认密码">

</span>

</div>

<div class="form-row">

<span class="cell-7">

<input type="text" name="verifyCode" placeholder="请输入验证码">

</span>

<span class="cell-5" style="text-align: center;">

<img src="/demo/verify/registdo" onclick="myRefersh(this)">

</span>

</div>

<div class="form-row" style="border: none;">

<span class="cell-6" style="text-align: left">

<input type="reset" value="重置">

</span>

<span class="cell-6"  style="text-align:right;">

<input type="submit" value="注册">

</span>

</div>

</div> <!-- 注册表单结束 -->

</form>

</div>

</body>

</html>

效果如下图:

在控制台接收到的中验证码的变化如下:


当点击刷新页面的时候,验证码也会随着变化,但我们看不清验证码时,只要点击验证码就会刷新,这样局部的刷新可以用JavaScript来实现。

在<img
src="/demo/verify/registdo">中,添加一个问号和一串后缀数字,当刷新时让后缀数字不断改变,那么形成的验证码也会不断变化,我们可以采用的一种办法是后缀数字用date代替,date获取本机时间,时间是随时变的,这样就保证了刷新验证码可以随时变化。

代码如下:

function myRefersh( e ) {

const source = esrc ; // 获得原来的 src 中的内容

//consolelog( "source : " + source  ) ;

var index = sourceindexOf( "" ) ;  // 从 source 中寻找  第一次出现的位置 (如果不存在则返回 -1 )

//consolelog( "index : " + index  ) ;

if( index > -1 ) { // 如果找到了   就进入内部

var s = sourcesubstring( 0 , index ) ; // 从 source 中截取 index 之前的内容 ( index 以及 index 之后的内容都被舍弃 )

//consolelog( "s : " + s  ) ;

var date = new Date(); // 创建一个 Date 对象的 一个 实例

var time = dategetTime() ; // 从 新创建的 Date 对象的实例中获得该时间对应毫秒值

esrc = s + "time=" + time ; // 将 加了 尾巴 的 地址 重新放入到 src 上

//consolelog( esrc ) ;

} else {

var date = new Date();

esrc = source + "time=" + dategetTime();

}

}

如回答不详细可追问

相似?“相似”的算法就很复杂了,还是相似这个思路你就别纠结了。
我是做java的,写过验证码识别系统。现在一般的验证码识别系统,都是随机生成数字(或字母或数字+字母),然后在一张随机颜色的背景上用程序动态“画”上去的。稍微专业一点的验证码,可能会随机选择字体,随机选择字号,并且在随机的范围内变动位置,然后再加上随机生成几条无敌干扰线。想要一样的概率,比中500W还难

看上去不怎么难,没有干扰线没有粘连没有扭曲但我还是没能用pytesser直接将它识别出来,因为当中有噪点和其他背景噪声的存在我的工作就是去掉这些讨厌的东西
先介绍一下,我们的工具:
1Pytesser它是基于一个c语言实现名为tesser的识别工具的python封装可惜比较笨,只能做最简单的识别而且不认识汉字
2Requests它是我们喜欢写爬虫的孩子的最爱,提供人性化的接口,代价是失去了一点效率(写python就别考虑效率啦)
3BeautifulSoup它和Requests是一对好机油,让提取文档中所需的内容变成一件简单的事情
4PIL它是今天的主角,PIL是专门用作图像处理的库,很好很强大熟练的人甚至可以用它来P图
如何写爬虫去实现模拟登录此处不细说,下面说说怎么解决验证码识别
解决思路如下:
1先用PIL对图像做一次图像增强,因为原图中数字的边缘和背景中的噪声并不是太分明,做了增强之后能将两者分离如果不分离,可能会在去噪点的时候导致数字中有部分会缺失
im = Imageopen("randomimage/randomImage11jpg")
im = ImageEnhanceSharpness(im)enhance(3)参数为3是经过实验之后感觉比较理想的值,太强不好,太弱也不好
2做完预处理之后,就是去背景噪声了背景噪声指的是背景中各种明暗变换的色块,肉眼也许不会注意到这个但是它的存在会给识别带来影响我最初的做法是将图像转换为只有黑白两色,这样自然就将噪声转换成了噪点
效果如图
但我希望能去掉噪点,成为这样
最先想到的是种子染色法 ,什么是种子染色法请参看这个链接
为了防止坏链,此处做部分转载
种子染色法英文叫做Flood Fill ,实际上Flood Fill这个名称更贴切一点,因为这个方法作用在一个图的结点上时恰似洪水一样“淹没”与之相连的其他结点并以相同的方式蔓延出去,这个方法通常用于计算一个图的极大连通子图(这里的“图”是图论的概念)。设想一个无向图,我们从这个图中一个未标号(“标号”可以理解为“染色”)的结点开始,将此结点和从这个结点出发可达的所有结点都赋予相同的标号(染上相同的颜色),那么我们就得到了这些被标号的结点所组成的一个极大连通子图,搜索下一个未标号的结点并重复上述过程我们便可以找到所有的极大连通子图。“染色”的过程可以用DFS或者BFS实现,如果结点数为V,边数为E,因为我们在Flood Fill过程中“造访”每个结点两次,“造访”每条边两次,所以得到所有极大连通子图的时间复杂度为o(V+E) 。
来自Wikipedia的一个示例:

想象每个白色方块为图中的结点,相邻的方块(上下左右)有边相连,那么这个图就有三个极大连通子图,这演示了Flood Fill查找其中一个极大连通子图的过程。
在这是借要用种子染色法计算每块的面积,然后把小体积的块当作噪点去除
代码在这

def check(j,i):
try:
if pix[j,i] == 0 and matrix[j][i] != -1:
return True
else:
return False
except:
return False

def juli(r,s):
return abs(r[0]-s[0])+abs(r[1]-s[1])+abs(r[2]-s[2])

for i in range(w):
for j in range(h):
r = [0,0,0]
s = [0,0,0]
if pix[j,i] == 0:
if check(j-1,i):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j-1,i))
print r
print s
print "-"55
if juli(r,s) <=l:
matrix[j][i] = matrix[j-1][i]
maps[str(matrix[j][i])]+=1
elif check(j-1,i-1):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j-1,i-1))
if juli(r,s) <=l:
matrix[j][i] = matrix[j-1][i-1]
maps[str(matrix[j][i])]+=1
elif check(j,i-1):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j-1,i))
if juli(r,s) <=l:
matrix[j][i] = matrix[j][i-1]
maps[str(matrix[j][i])]+=1
elif check(j+1,i+1):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j+1,i+1))
if juli(r,s) <=l:
matrix[j][i] = matrix[j+1][i+1]
maps[str(matrix[j][i])]+=1
elif check(j,i+1):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j,i+1))
if juli(r,s) <=l:
matrix[j][i] = matrix[j][i+1]
maps[str(matrix[j][i])]+=1
elif check(j-1,i+1):
pr[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j-1,i+1))
if juli(r,s) <=l:
matrix[j][i] = matrix[j-1][i+1]
maps[str(matrix[j][i])]+=1
elif check(j+1,i-1):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j+1,i-1))
if juli(r,s) <=l:
matrix[j][i] = matrix[j+1][i-1]
maps[str(matrix[j][i])]+=1
elif check(j+1,i):
r[0],r[1],r[2] = im2getpixel((j,i))
s[0],s[1],s[2] = im2getpixel((j+1,i))
if juli(r,s) <=l:
matrix[j][i] = matrix[j+1][i]
maps[str(matrix[j][i])]+=1
else:
n+=1
maps[str(n)]=1
matrix[j][i] = n
for i in range(w):
for j in range(h):
if matrix[j][i]!=-1 and maps[str(matrix[j][i])]<=2:
imputpixel((j,i),255)View Code

结果呢,不是很理想因为这个体积参数设小了,噪点没去干净,设大了数字部分可能也去了一小块最重要的是这里噪点的大小不是很规律,很难找到一个不错的面积参数
失败只是暂时的,经过观察发现背景噪声颜色明显比数字要浅的多这也意味着它的RGB值要比数字小的多,通过分析RGB值能去掉大部分噪声,剩下来的噪点可以再通过种子染色法处理也就是说,分别在两张(分别是黑白和彩色)上获取信息,在一张上做处理最后做识别
核心代码在这
r[0],r[1],r[2] = im2getpixel((j,i))
if r[0]+r[1]+r[2]>=400 or r[0]>=250 or r[1]>=250 or r[2]>=250 :
im2putpixel((j,i),(255,255,255)) 至此,本次识别的问题就搞定啦,成功率在50%以上基本满足接口的需求


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/yw/13398994.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-07-28
下一篇 2023-07-28

发表评论

登录后才能评论

评论列表(0条)

保存