python图像验证码生成

### Python 图像验证码生成教程 #### 使用 PIL 库生成图像验证码 PIL(Python Imaging Library)库是用于处理图像的重要工具之一。它可以用来实现图像的读取、保存、显示以及转换等功能,同时也支持生成简单的验证码图像[^1]。 以下是基于 `PIL` 的一个完整的验证码生成示例: ```python from PIL import Image, ImageDraw, ImageFont import random import string def generate_random_string(length=4): """生成指定长度的随机字符串""" characters = string.ascii_uppercase + string.digits # 大写字母和数字组合 return ''.join(random.choice(characters) for _ in range(length)) def create_captcha_image(text, width=200, height=80): """创建带有文字的验证码图片""" image = Image.new('RGB', (width, height), color=(random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))) font_path = "/usr/share/fonts/truetype/freefont/FreeMono.ttf" # 字体路径 font_size = 60 try: font = ImageFont.truetype(font_path, size=font_size) except IOError: font = ImageFont.load_default() draw = ImageDraw.Draw(image) text_width, text_height = draw.textsize(text, font=font) position_x = (width - text_width) / 2 position_y = (height - text_height) / 2 for i, char in enumerate(text): angle = random.uniform(-30, 30) # 随机旋转角度 current_font = ImageFont.truetype(font_path, size=random.randint(50, 70)) rotated_text = Image.new('RGBA', (text_width, text_height)) d = ImageDraw.Draw(rotated_text) d.text((0, 0), char, fill=(random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)), font=current_font) rotated_text = rotated_text.rotate(angle, expand=True) image.paste(rotated_text, (int(position_x + i * (text_width / len(text))), int(position_y)), rotated_text) # 添加干扰线 for _ in range(5): start_point = (random.randint(0, width), random.randint(0, height)) end_point = (random.randint(0, width), random.randint(0, height)) draw.line([start_point, end_point], fill=(random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))) # 添加噪点 for _ in range(int(width * height * 0.02)): x = random.randint(0, width - 1) y = random.randint(0, height - 1) draw.point((x, y), fill=(random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))) return image if __name__ == "__main__": captcha_text = generate_random_string() img = create_captcha_image(captcha_text) img.save("captcha.png", format='PNG') # 保存为 PNG 文件 ``` 上述代码实现了以下几个功能: - **生成随机字符**:通过调用 `generate_random_string()` 函数来生成由大写字母和数字组成的随机字符串。 - **绘制文本**:利用 `ImageDraw` 和字体设置,在空白画布上绘制随机生成的文字,并加入一定的倾斜效果以增加复杂度。 - **添加干扰项**:为了防止自动化程序轻易识别验证码,加入了若干条干扰直线和一些散乱分布的小圆点。 #### FastAPI 中集成验证码服务 如果希望在 Web API 中返回动态生成的验证码,则可以通过以下方式实现。这里展示了一个基于 `FastAPI` 的例子[^3]: ```python from fastapi import FastAPI from fastapi.responses import StreamingResponse from io import BytesIO from PIL import Image, ImageDraw, ImageFont import random import string app = FastAPI() class CaptchaGenerator: @staticmethod def generate_random_string(): return ''.join(random.choices(string.ascii_letters + string.digits, k=6)) @staticmethod def create_captcha_image(text): image = Image.new('RGB', (200, 80), 'white') draw = ImageDraw.Draw(image) font = ImageFont.truetype("/usr/share/fonts/truetype/freefont/FreeMono.ttf", 40) draw.text((50, 20), text, fill='black', font=font) output = BytesIO() image.save(output, format='PNG') output.seek(0) return output @app.get('/get-captcha/') async def get_captcha(): code = CaptchaGenerator.generate_random_string() image_stream = CaptchaGenerator.create_captcha_image(code) response = StreamingResponse(content=image_stream, media_type="image/png") return response ``` 此脚本展示了如何将生成好的验证码作为 HTTP 响应的一部分发送给客户端。 --- ### 总结 无论是单独运行还是嵌入到更复杂的框架中,都可以借助于 `PIL` 提供的功能轻松构建出满足需求的验证码解决方案][^[^24]。

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

python奇妙旅行之4行代码生成图像验证码

python奇妙旅行之4行代码生成图像验证码

在学习的路上,永无止境。就好比人掉进”深渊”,永远无法自拔 !   ~  ~!我没有开车,我没有开车~~~ 今天空闲时间再看某大佬得论坛,被点了一下,就想起来了2种方法,生成图片验证码,简约而不失优雅~~ 代码上来~~ 一、graphic-verification-code库  我建议的安装方式都是 pip方式,简单,省时   1.安装       pip install   graphic-verification-code     2. 撸代码(4行代码生成图片): import gvcode a,m = gvcode.generate() #序列解包 a.show() #显示生成的验

4行Python代码生成图像验证码(2种)

4行Python代码生成图像验证码(2种)

最近无意看到网上有人使用Python编写几十行代码生成图像验证码,感觉很是繁琐,这里为各位朋友推荐两种方法,使用4行Python代码即可生成验证码。 1、captcha库 第1步:安装captcha库 pip install captcha 安装成功效果如下所示:   第2步:3行代码生成图像验证码 from captcha.image import ImageCaptcha image = ImageCaptcha().generate_image(9527) image.show() 效果如下所示: 也可在指定字符范围内生成随机图像验证码,示例代码如下所示: from ca

python实现随机图像验证码的生成

python实现随机图像验证码的生成

利用python生成随机的图像验证码,利用PIL、random、string三个库函数随机生成四位任意的图像验证码

Python项目案例开发从入门到实战源代码第9章 图像处理——生成二维码和验证码

Python项目案例开发从入门到实战源代码第9章 图像处理——生成二维码和验证码

Python项目案例开发从入门到实战源代码第9章 图像处理——生成二维码和验证码

验证码库,可生成音频和图像验证码。-Python开发

验证码库,可生成音频和图像验证码。-Python开发

验证码生成音频和图像验证码的验证码库。 功能音频验证码DEMO图像验证码安装使用pip安装验证码:$ pip install captcha验证码生成音频和图像验证码的验证码库。 功能音频验证码DEMO图像验证码安装使用pip安装验证码:$ pip install captcha用法音频和图像验证码位于单独的模块中:从captcha.audio导入来自captcha.image的AudioCaptcha音频导入ImageCaptcha音频= AudioCaptcha(voicedir ='/ path / to /声音)图片= ImageCaptcha(字体= ['/ path / A.ttf','/path/B.ttf'])data = audio.generate('1234')audio.write('1234','out。 wav')

模拟极验30点击文字验证码生成器与数据集构建工具_该项目通过Python编程语言结合图像处理技术模拟生成类似于极验30版本的点选文字验证码图片包括完整的背景图片合成随机文.zip

模拟极验30点击文字验证码生成器与数据集构建工具_该项目通过Python编程语言结合图像处理技术模拟生成类似于极验30版本的点选文字验证码图片包括完整的背景图片合成随机文.zip

模拟极验30点击文字验证码生成器与数据集构建工具_该项目通过Python编程语言结合图像处理技术模拟生成类似于极验30版本的点选文字验证码图片包括完整的背景图片合成随机文.zip

基于Python的文字点选验证码生成与YOLO目标检测模型训练及识别系统_验证码生成_目标检测_深度学习_图像识别_自动化测试_数据增强_模型训练_验证码破解_文字识别_安全测试_.zip

基于Python的文字点选验证码生成与YOLO目标检测模型训练及识别系统_验证码生成_目标检测_深度学习_图像识别_自动化测试_数据增强_模型训练_验证码破解_文字识别_安全测试_.zip

基于Python的文字点选验证码生成与YOLO目标检测模型训练及识别系统_验证码生成_目标检测_深度学习_图像识别_自动化测试_数据增强_模型训练_验证码破解_文字识别_安全测试_.zip

旋转验证码生成与识别(Python版)

旋转验证码生成与识别(Python版)

网页旋转验证码识别 Python

python3中图片验证码生成程序

python3中图片验证码生成程序

适用于在python3环境下学习和开发的验证码生成代码,需要安装pillow图形库,包含字体文件,下载可直接使用

Python 模拟动态产生字母验证码图片功能

Python 模拟动态产生字母验证码图片功能

主要介绍了Python 模拟动态产生字母验证码图片,这里给大家介绍了pillow模块的使用,需要的朋友可以参考下

python生成汉字验证码

python生成汉字验证码

python生成汉字验证码python生成汉字验证码python生成汉字验证码python生成汉字验证码python生成汉字验证码

python生成图片验证码

python生成图片验证码

python生成图片验证码,这里的是中文验证码,要生字母只需自己改改就可以了

Python-captcha一个验证码库可以产生声音和图像验证码

Python-captcha一个验证码库可以产生声音和图像验证码

captcha-一个验证码库,可以产生声音和图像验证码

python生成图形验证码

python生成图形验证码

自动生成图片和返回验证码的内容

python —— 简单的验证码生成器

python —— 简单的验证码生成器

python —— 简单的验证码生成器

利用Python生成验证码图片相关文件

利用Python生成验证码图片相关文件

利用Python生成验证码图片 代码和字体文件压缩包

python2中图片验证码生成程序

python2中图片验证码生成程序

适用于在python2环境下学习和开发的验证码生成代码,需要安装pillow图形库,包含字体文件,下载可直接使用

python图片验证码生成代码

python图片验证码生成代码

本文实例为大家分享了python图片验证码实现代码,供大家参考,具体内容如下 #!/usr/bin/env python # -*- coding: UTF-8 -*- import random from PIL import Image, ImageDraw, ImageFont, ImageFilter try: import cStringIO as StringIO except ImportError: import StringIO _letter_cases = "abcdefghjkmnpqrstuvwxy" # 小写字母 _upper_cas

Python 模拟生成动态产生验证码图片的方法

Python 模拟生成动态产生验证码图片的方法

主要介绍了Python 模拟生成动态产生验证码图片的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

一个生成Python验证码的模块

一个生成Python验证码的模块

博文链接:https://zsp.iteye.com/blog/248519

最新推荐最新推荐

recommend-type

#include BLEDevice.h.pages

#include BLEDevice.h.pages
recommend-type

科技中介服务机构如何利用智能体技术提升技术交易服务的专业性与便捷性?.docx

科技中介服务机构如何利用智能体技术提升技术交易服务的专业性与便捷性?
recommend-type

AI 完成消除游戏自动化经验总结

打包的测试代码工程,基本不侵入游戏
recommend-type

excel python test

excel python test
recommend-type

政府科技管理者在推动科技成果转化过程中,如何精准识别重点支持项目?.docx

政府科技管理者在推动科技成果转化过程中,如何精准识别重点支持项目?
recommend-type

Rust系统编程与WebAssembly开发:LLVM IR教程及实战资源

LLVM IR(Intermediate Representation,中间表示)是LLVM编译器基础设施的核心抽象层,它是一种强类型、静态单赋值(SSA)形式的低级程序表示,兼具可读性与机器可处理性,既接近高级语言语义,又贴近底层硬件指令模型。本资源标题“llvm-ir-tutorial-Rust系统编程与WebAssembly资源”明确指向一个跨技术栈的深度实践型学习体系,其核心逻辑在于:以Rust语言为前端开发载体,通过显式生成、阅读、修改和优化LLVM IR,深入理解现代编译器后端工作原理;同时将该能力延伸至WebAssembly(Wasm)目标平台,打通从系统级安全编程到浏览器/边缘沙箱执行的全链路编译路径。Rust之所以成为该教程的理想语言载体,在于其零成本抽象、内存安全性保障(无GC)、对底层控制的精细支持(如裸指针、内联汇编、自定义分配器),以及其默认使用LLVM作为后端编译器(rustc基于LLVM),使得开发者能无缝切入IR层面进行调试与干预——例如通过`rustc --emit=llvm-ir`直接导出人类可读的`.ll`文件,或借助`llc`工具将IR进一步降级为特定架构的汇编代码。而WebAssembly则构成该知识体系的关键出口:Wasm并非直接运行Rust源码,而是依赖Rust编译器链(通过`wasm32-unknown-unknown`或`wasm32-wasi`目标)将Rust代码先编译为LLVM IR,再由LLVM的Wasm后端(`llvmlite`或`wabt`等工具链组件)将其转换为`.wasm`二进制模块;此过程高度依赖对IR结构的理解——例如函数签名如何映射为Wasm类型签名、全局变量如何转化为Wasm线性内存偏移、panic机制如何被重写为Wasm trap指令、以及如何通过`#[no_mangle]`和`extern "C"`控制符号导出以适配JS宿主调用。教程中所含的`src/`目录必然涵盖大量Rust源码示例,包括但不限于:手动编写`unsafe`块触发特定IR模式(如`llvm.memcpy`内建调用)、使用`#[inline(never)]`阻止优化以观察原始IR结构、通过`cfg(target_arch = "wasm32")`条件编译实现平台特化逻辑;`code/`子目录则极可能存放配套的LLVM IR片段(`.ll`)、已编译的Wasm二进制(`.wasm`)、对应的JS胶水代码及HTML测试页面,形成“Rust → IR → Wasm → JS”的完整验证闭环。`book.toml`表明该项目采用mdBook构建交互式技术文档,内容结构应严格遵循认知递进:首章解析LLVM IR语法规范(基本块、指令集如`%1 = add i32 %0, 42`、常量表达式、phi节点在循环中的作用);次章演示Rust到IR的映射规则(`Vec<T>`的内存布局如何体现为`alloca + store + load`序列、`match`表达式如何展开为`switch`或`br`链);第三章聚焦Wasm后端特性(Wasm的限制性类型系统如何迫使LLVM插入`i32.trunc_sat_f64_s`等饱和截断指令、WASI系统调用如何通过`call_indirect`间接调用实现);后续章节必涉及高级主题:利用`llvm::Pass` API编写自定义优化遍(如针对Wasm体积优化的死代码消除Pass)、通过`llvmlite`在Python中动态构造IR并JIT执行、对比`-C opt-level=z`(极致尺寸优化)与`-C lto=yes`(链接时优化)对IR形态的影响。`LICENSE`与`CHANGELOG`则体现工程严肃性:MIT/Apache-2.0双许可证确保Rust生态兼容性,而持续更新的变更日志反映对LLVM版本演进(如LLVM 16+对Wasm GC提案的支持)、Rust稳定版发布(如async/await IR表示变化)、Wasm标准进展(Interface Types、Exception Handling)的实时响应。`.github/`目录内应包含CI配置(如用`cargo llvm-ir`检查PR是否引入非预期IR膨胀)、自动化Wasm测试脚本(`wasm-validate`校验二进制合法性、`wabt`反编译IR比对)、以及Issue模板引导用户精准报告IR生成异常。综上,该资源绝非孤立的语法手册,而是一个融合编译原理、系统编程范式、Web前沿标准与工业级工程实践的立体知识网络,掌握它意味着不仅能写出高效安全的Rust代码,更能洞悉代码如何穿越抽象层级最终在异构环境中精确执行——这种穿透式理解力,正是当代高性能系统开发者与WebAssembly平台架构师的核心竞争力所在。
recommend-type

告警风暴终结方案:137个原始指标→5个黄金信号(Golden Signals for ML)的权重建模方法论(附LinkedIn_Snap真实权重矩阵)

# 告警风暴的终结者:当黄金信号成为系统健康的语义罗盘 在某个凌晨三点,LinkedIn 的 SRE 工程师正盯着 Grafana 面板上跳动的 2300+ 条告警——其中 87% 被标记为“已知噪声”。这不是偶然的运维事故,而是一场持续数年的系统性失语:监控系统在疯狂说话,却没人听得懂它真正想表达什么。我们采集了 CPU 使用率、HTTP 错误率、GC 暂停时间……但这些数字本身并不携带意义,就像一堆散落的乐谱音符,没有指挥家,就没有交响乐。真正的破局点,从来不在“压低告警数量”,而在于回答一个更本质的问题:**当系统开始生病,哪个信号最先、最真实、最不可辩驳地喊出‘我疼’?** 这个问
recommend-type

在Ubuntu上用vLLM部署DeepSeek大模型,具体要怎么操作?

### 部署DeepSeek模型于Ubuntu系统的指南 #### 准备工作环境 为了确保顺利部署,需先确认操作系统为Ubuntu并安装必要的软件包和库。对于CUDA版本不匹配的情况,可以通过`conda install cuda -c nvidia`来解决依赖问题[^2]。 #### 安装Python虚拟环境 创建独立的Python运行空间有助于管理项目所需的特定版本解释器及其扩展模块: ```bash python3 -m venv deepseek-env source deepseek-env/bin/activate ``` #### 获取VLLM及相关工具 获取用于加
recommend-type

Windows平台ESP32开发环境一站式搭建包:MSYS2、ESP-IDF v3.3与VS Code集成配置

ESP32环境搭建是嵌入式物联网开发中极为关键的基础环节,尤其在Windows平台下构建一套稳定、可复现、符合官方推荐规范的开发环境,直接关系到后续固件编译、调试、OTA升级、Wi-Fi/BLE协议栈集成、低功耗优化等高级功能的实现质量与开发效率。本资源包“ESP32环境搭建包(msys2、esp-idf、VScode)”并非简单工具集合,而是一套经过历史验证、面向ESP-IDF v3.3版本深度适配的完整开发生态闭环系统,其核心构成包含三大支柱性组件:MSYS2运行时环境、ESP-IDF SDK v3.3源码及工具链、Visual Studio Code编辑器及其专用插件生态。首先,MSYS2作为Windows下最成熟可靠的类Unix环境模拟平台,提供了POSIX兼容的Shell(bash/zsh)、GNU核心工具集(make、gcc、gdb、awk、sed等)、包管理器pacman,以及对Python 2.7/3.x、CMake 3.10+、Ninja构建系统的原生支持——这些是ESP-IDF构建系统赖以运转的底层基石。特别值得注意的是,所含esp32_win32_msys2_environment_and_toolchain-20181001.zip并非通用MSYS2镜像,而是Espressif官方于2018年10月针对ESP32芯片特性(如Xtensa LX6双核架构、指令集扩展、内存映射布局)定制编译的交叉工具链(xtensa-esp32-elf-gcc),该工具链内建了对FreeRTOS内核调度器、ROM函数调用、Flash加密、Secure Boot签名验证等硬件级特性的深度支持,且与IDF v3.3的Kconfig配置系统、component.mk构建规则、idf.py命令行接口完全对齐。其次,ESP-IDF v3.3是ESP32 SDK发展史上的里程碑版本,首次全面引入组件化架构(Component-based Architecture),将Wi-Fi驱动(esp_wifi)、蓝牙协议栈(bluedroid)、电源管理(esp_pm)、ADC/DAC/PWM外设驱动、LVGL图形库、HTTP客户端/服务器、MQTT、CoAP等全部封装为可独立编译、版本可控、依赖可声明的模块单元;同时强化了CMake构建系统,摒弃旧版makefile,支持多目标构建(app/bootloader/partition table)、自定义链接脚本、符号表分析、静态断言检查,并内置了idf_monitor串口监控器、idf_size内存分析工具、idf.py menuconfig图形化配置界面等工程化利器。第三,VSCodeUserSetup-x64-1.38.1.exe虽为较早版本(2019年9月发布),但其稳定性极高,配合C/C++扩展(Microsoft)、ESP-IDF Extension(Espressif官方维护)、CMake Tools、Python、GitLens等插件后,可实现语法高亮(支持IDF专属宏如ESP_LOGI)、智能补全(基于compile_commands.json)、一键编译烧录(idf.py build/flash/monitor绑定快捷键)、GDB图形化调试(支持多线程FreeRTOS任务切换视图、寄存器/内存/堆栈实时监视)、JTAG硬件调试(需搭配ESP-Prog或FTDI转接板)、代码片段模板(如ESP_ERROR_CHECK宏快速插入)、项目结构导航(按components目录自动索引)等工业级开发体验。此外,该环境包隐含了大量易被忽视却至关重要的细节配置:例如MSYS2中需手动执行pacman -Syu更新基础系统并重启终端以避免toolchain冲突;需将~/.espressif/tools目录权限设为可写以允许idf.py自动下载Python依赖(如pyserial、kconfiglib);VSCode中必须正确设置"idf.espIdfPath"、"idf.pythonBinPath"、"idf.customExtraPaths"等JSON配置项,否则无法识别idf.py命令;还需在Windows PATH中追加MSYS2/usr/bin路径以确保git、ssh等工具全局可用;更关键的是,v3.3版本要求Python严格限定为3.6–3.8区间(不兼容3.9+),且需禁用pip缓存以防wheel包版本错乱。整个搭建过程本质上是对嵌入式开发范式的系统性实践:从操作系统抽象层(MSYS2)→硬件抽象层(ESP-IDF HAL)→应用框架层(FreeRTOS+组件)→开发工具链(VSCode+插件),形成一条贯穿软硬件协同设计的知识脉络。掌握此环境不仅意味着能跑通blink例程,更代表着已具备阅读ESP-IDF源码(如esp-idf/components/esp_wifi/下的phy_init.c、wifi_init.c)、定制SDK配置(通过menuconfig启用BT Coex、修改heap内存分配策略)、交叉调试汇编级问题(如cache attribute错误导致的data abort)、甚至向主干分支提交patch的能力——这才是“行业完整源码”标签背后所承载的真实技术纵深与工程素养。
recommend-type

数据管道中断时模型仍在“自信预测”?Freshness-Aware熔断服务设计(含自动降级策略+数据新鲜度SLI定义白皮书)

# 数据新鲜度:当“最新”不再可靠,AI系统如何守住语义底线? 在某个电商大促的零点,推荐引擎仍在高速运转——Kafka Lag稳定在47ms,Flink Checkpoint每30秒成功一次,P99延迟维持在218ms,监控大盘上所有SLI指标绿得发亮。但就在这一片“健康”的表象之下,模型正持续将用户刚刚点击的“新款iPhone 16 Pro”误判为“翻新机”,将实时搜索词“婴儿奶粉”匹配到三个月前的促销页面,将高价值用户的下单意图降权至长尾商品池……次日复盘发现:上游埋点SDK因时区配置错误,将`event_time`写成了客户端本地时间(比服务端快3小时);特征管道虽“准时抵达”,却早