以Flask为基础的虾皮Shopee“曲线滑块验证码”识别系统部署

以Flask为基础的虾皮Shopee"曲线滑块验证码"识别系统部署

一、验证码类型

验证码类型:此类验证码存在两个难点,一是有右侧有两个凹槽,二是滑块的运动轨迹不是直线的,而是沿着曲线走的,我们对其进行解决并采用Flask进行部署。

二、简介

Flask是一个非常小的PythonWeb框架,被称为微型框架,因此使用起来也相对比较轻便,我们可以使用Flask很快开发出一个后端接口,以供前端使用。

这里我们以验证码识别为例:

  1. 使用端(需要进行验证码识别的地方)对Flask后端发送base64格式的文件
  2. Flask后端接收到这一请求,将拿到的base64文件进行转化得到图像文件并进行识别等操作,得到坐标等验证码信息
  3. Flask后端将处理好的验证码信息返回给前端。

整个流程还是很简单的,但是笔者发现网络上公开的Flask教程写的不够简单,因此写一篇记录一下。

三、Flask应用

没有装的直接pip install flask 即可。

以下是代码样例:

python 复制代码
import io
from flask import Flask, request, jsonify
from ultralytics import YOLOv10
import base64
import numpy as np
from PIL import Image

app = Flask(__name__)

# 加载模型
groove_model = YOLOv10("runs/detect/xiapiVerification2/weights/best.pt")
slide_model = YOLOv10("XXXXX")

# 用于存储rightmost接口的目标信息
groove_object = None

def base64_to_image(base64_str):
    # Decode the base64 string to get image data
    image_data = base64.b64decode(base64_str)
    # Convert the image data to a PIL image
    image = Image.open(io.BytesIO(image_data))
    return image

@app.route('/predictSlide', methods=['POST'])
def predictSlide():
    global groove_object  # 获取保存的目标

    data = request.json
    image_base64 = data['img_base64']
    image = base64_to_image(image_base64)

    results = slide_model.predict(image)
  	return XXXX


# 添加新接口:返回最右和中间的目标并保存
@app.route('/rightmost', methods=['POST'])
def rightmost():
    global rightmost_target, mid_target  # 用于存储目标信息

    data = request.json
    image_base64 = data['img_base64']
    image = base64_to_image(image_base64)

    # 使用模型进行预测
    results = model.predict(image)

    return jsonify({"rightmost_target": rightmost_target, "mid_target": mid_target})


if __name__ == '__main__':
    app.run(debug=False)

其中,核心部分为

python 复制代码
@app.route('/rightmost', methods=['POST'])
def rightmost():
    global rightmost_target, mid_target  # 用于存储目标信息
    data = request.json
    image_base64 = data['img_base64']
    image = base64_to_image(image_base64)

if __name__ == '__main__':
    app.run(debug=False)

通过"base64_to_image"操作后,即可得到image图像文件,对该文件进行处理即可

运行成功后,Pycharm会显示如下几行英文,"http://127.0.0.1:5000"为本地的访问地址。如果想远程访问接口,将其部署至服务器即可。

相关推荐
慧一居士几秒前
Kafka批量消费部分处理成功时的手动提交方案
分布式·后端·kafka
香蕉可乐荷包蛋22 分钟前
Python面试问题
开发语言·python·面试
命中的缘分31 分钟前
SpringCloud原理和机制
后端·spring·spring cloud
ErizJ31 分钟前
Golang|分布式索引架构
开发语言·分布式·后端·架构·golang
.生产的驴32 分钟前
SpringBoot 接口国际化i18n 多语言返回 中英文切换 全球化 语言切换
java·开发语言·spring boot·后端·前端框架
Howard_Stark36 分钟前
Spring的BeanFactory和FactoryBean的区别
java·后端·spring
界面开发小八哥36 分钟前
智能Python开发工具PyCharm v2025.1——AI层级功能重磅升级
ide·人工智能·python·pycharm·开发工具
-曾牛1 小时前
Spring Boot中@RequestParam、@RequestBody、@PathVariable的区别与使用
java·spring boot·后端·intellij-idea·注解·spring boot 注解·混淆用法
Blossom.1181 小时前
可解释人工智能(XAI):让机器决策透明化
人工智能·驱动开发·深度学习·目标检测·机器学习·aigc·硬件架构
极客智谷1 小时前
Spring AI应用系列——基于Alibaba DashScope的聊天记忆功能实现
人工智能·后端