Day 134 - 验证码识别 · 练习与检查表

✅ 今日完成清单

• [ ] 理解验证码的成本不对称博弈本质
• [ ] 掌握 ddddocr 的基本识别与字符集限制（set_ranges）
• [ ] 掌握 slide_match 滑块缺口检测的用法与局限
• [ ] 理解 CTC 端到端识别为何优于字符切分
• [ ] 掌握传统 OCR 预处理四步（灰度/二值化/降噪/增强）
• [ ] 能生成"先快后慢 + 抖动 + 回退"的人类轨迹
• [ ] 建立"识别成本 vs 数据价值"的工程决策意识

📝 练习题

基础

1. ddddocr 识别率测试

用 Day 133 学过的 UA 池 + Session，写脚本连续获取某测试站点的图形验证码 20 次，用 ddddocr 识别并统计识别率。如果识别率低于 60%，尝试 set_ranges 限制字符集后对比。

2. 二值化阈值扫描

对同一张验证码，用 point() 在阈值 100~200 范围内每隔 20 取一次做二值化 + OCR，找出最优阈值。思考：这个最优阈值对其他图片也通用吗？（引出自适应阈值）

进阶

3. 完整滑块求解器

把 03-slide-captcha.py 中的缺口检测 + 轨迹生成封装成 SlideSolver 类： - solve(bg_url, target_url, start_x) -> track - 加入重试机制：最多 3 次，每次失败重新生成轨迹（不同 overshoot/速度参数） - 用模拟服务（自己写一个校验位置的函数）测试通过率

4. 轨迹风控模拟器

写一个"风控裁判"函数 is_human(track)，计算： - 速度均值与方差 - y 轴抖动幅度 - 是否存在回退 - 总时长（< 500ms 判机器）

用它测试：匀速轨迹、纯 random 轨迹、human_track 轨迹，统计各自的通过率并分析原因。

挑战

5. 点选验证码探索

用 ddddocr 的 detection 接口对一张含多个目标的图片做目标检测，输出所有坐标框。思考完整点选流程还缺哪几步？（指令解析 -> 坐标排序 -> 点击模拟）写出设计文档即可，不必实现。

🔗 相关

• 昨日：Day 133 UA 与 Cookie 池
• 明日：Day 135 JS 逆向入门