1

python3 alfred_wubi.py "{query}" --max-retry 5 --cache-dir alfred_cache  --only wb86,wb86_parts

1

› 我在学习五笔输入，有这样一个网站，用于一些汉字的输入拆解，你帮我查看和分析一下它的结构：http://www.wangma.com.cn/query/wmhz1.asp。 我想做一个alfred 的workflow，方便我可以直接在本机操作并返回某些字是如何拆解的。比如我输入后提交有第二图，这里面的王码五笔 86/98 版的输出是我关注的，我应该如何实现。我注意到这个网页在查询时会要求输入验证码,可能是个图片,你需要解决这个限制

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

• 这里把页面和请求流梳理好，并给出在 Alfred 里可复用的流程（含验证码处理思路）。

  页面结构与提交参数

  - wmhz1.asp：表单 method="post"，action="wmhz2.asp"，charset=GB2312；字段 query_hz（要查的汉字，最多4）、yanzhengma（验证码）、ok（提交
  按钮文字，可随便填）。
  - 验证码图片：<img src="/include/v.asp">，刷新按钮只是重新请求此 URL。返回的是 40x11 的 4-bit BMP（调色板颜色很少，噪声极轻），验证码长
  度 4。
  - 会话：首次 GET 会下发 ASPSESSIONID…，同一 cookie 必须贯穿“取验证码”与“提交表单”。
  - 错误提示：验证码错 -> “验证码错误。”；未填/汉字非法 -> “指定汉字错误。”。

  查询时的网络顺序

  1. GET http://www.wangma.com.cn/query/wmhz1.asp（存下 cookie）。
  2. GET http://www.wangma.com.cn/include/v.asp（同 cookie）拿到 BMP。
  3. OCR 出 4 位验证码。
  4. POST http://www.wangma.com.cn/query/wmhz2.asp，Content-Type: application/x-www-form-urlencoded，编码用 GB2312，带上 cookie（最好带
  Referer: .../wmhz1.asp）。
  5. 返回页是 HTML，使用 GB2312 解码后解析出 86/98/新世纪等编码段即可。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

    def solve(self, im):
        # 1. 二值化 & 降噪
        mask = binarize(im)
        # 2. 连通域切割 (Segmentation)
        comps = connected_components(mask)
        
        result = ""
        for bbox, _ in comps:
            # 提取字符图像并归一化
            norm_comp = normalize_component(comp_mask)
            
            # 3. 暴力比对所有模板 (Hamming Distance)
            # 基于 Hamming 距离的网格匹配
            best_digit, min_dist = None, float('inf')
            for digit, templates in self.templates.items():
                for tpl in templates:
                    dist = hamming(norm_comp, tpl)
                    if dist < min_dist:
                        min_dist = dist
                        best_digit = digit
            result += best_digit
        return result

1
2
3

    import easyocr
    reader = easyocr.Reader(['en'])
    result = reader.readtext('captcha.bmp', detail=0)

1
2
3
4
5

    import pytesseract
    from PIL import Image

    # 简单的直接调用
    text = pytesseract.image_to_string(Image.open('captcha.bmp'), config='--psm 7 digits')

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        # 3层卷积提取特征
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3, padding=1)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
        
        # 4个独立的输出头，分别预测4个位置的数字
        self.fc_digit1 = nn.Linear(256, 10)
        self.fc_digit2 = nn.Linear(256, 10)
        self.fc_digit3 = nn.Linear(256, 10)
        self.fc_digit4 = nn.Linear(256, 10)

    def forward(self, x):
        # ... 卷积 + 池化 ...
        x = x.view(x.size(0), -1) # Flatten
        # ... 全连接 ...
        # 输出4个结果
        return self.fc_digit1(x), self.fc_digit2(x), self.fc_digit3(x), self.fc_digit4(x)

1
2
3

criterion = nn.CrossEntropyLoss()
# 计算每一位的 Loss 并相加
loss = criterion(out1, label1) + criterion(out2, label2) + \\\n       criterion(out3, label3) + criterion(out4, label4)

1

python3 train_model.py <train_data_path1> <train_data_path2> ... <train_data_pathN>

1

python3 train_model.py captchas test_verification new_batch_60

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

python3 train_model.py captchas test_verification new_batch_60 batch_100_test

Found 20 images in captchas
Found 20 images in test_verification
Found 60 images in new_batch_60
Found 100 images in batch_100_test
Found 200 valid images for training.
Debug: First 5 labels in dataset:
  captchas/vc0015_5279.bmp -> [5, 2, 7, 9]
  captchas/vc0009_9085.bmp -> [9, 0, 8, 5]
  captchas/vc0013_6504.bmp -> [6, 5, 0, 4]
  captchas/vc0014_6842.bmp -> [6, 8, 4, 2]
  captchas/vc0006_1883.bmp -> [1, 8, 8, 3]
Training on device: mps

Starting Training...
Epoch [20/300], Loss: 0.0400, Acc: 100.00%
Epoch [40/300], Loss: 0.0077, Acc: 100.00%
Epoch [60/300], Loss: 0.0038, Acc: 100.00%
Epoch [80/300], Loss: 0.0019, Acc: 100.00%
Epoch [100/300], Loss: 0.0012, Acc: 100.00%
Epoch [120/300], Loss: 0.0009, Acc: 100.00%
Epoch [140/300], Loss: 0.0006, Acc: 100.00%
Epoch [160/300], Loss: 0.0005, Acc: 100.00%
Epoch [180/300], Loss: 0.0003, Acc: 100.00%
Epoch [200/300], Loss: 0.0003, Acc: 100.00%
Epoch [220/300], Loss: 0.0002, Acc: 100.00%
Epoch [240/300], Loss: 0.0002, Acc: 100.00%
Epoch [260/300], Loss: 0.0001, Acc: 100.00%
Epoch [280/300], Loss: 0.0001, Acc: 100.00%
Epoch [300/300], Loss: 0.0001, Acc: 100.00%

Model saved to captcha_cnn.pth

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

# 核心代码片段
from cnn_inference import CNNInference

# 加载模型 (仅需一次)
predictor = CNNInference(model_path="captcha_cnn.pth")

# 预测
image_path = Path("temp_captcha.bmp")
code, conf = predictor.predict(image_path)
print(f"识别结果: {code}, 置信度: {conf}")

# ... POST request with code ...

1
2
3

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt