CN110363117B - 一种对加密后的随机编码字符文件进行解析的方法及装置 - Google Patents
一种对加密后的随机编码字符文件进行解析的方法及装置 Download PDFInfo
- Publication number
- CN110363117B CN110363117B CN201910576629.3A CN201910576629A CN110363117B CN 110363117 B CN110363117 B CN 110363117B CN 201910576629 A CN201910576629 A CN 201910576629A CN 110363117 B CN110363117 B CN 110363117B
- Authority
- CN
- China
- Prior art keywords
- character
- picture
- encrypted random
- file
- encrypted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种对加密后的随机编码字符文件进行解析的方法及装置，方法包括：获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容；根据字体结构像素内容按照类型对应配色生成待识别的图片；对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成。本发明实施例对网页中加密后的随机编码字符进行解析，并生成待识别的图片，通过自动识别技术对待识别的图片进行识别，从而获取加密的随机编码字符对应的真实字体，为查看和保存加密的字符带来了方便。
Description
技术领域
本发明涉及数据存储技术领域，尤其涉及一种对加密后的随机编码字符文件进行解析的方法及装置。
背景技术
很多网页的页面的字符，在查看网页源代码时，字符是一些随机编码的字符，这些字符在后台文件中找到其真实的形状都是通过0，1两种像素点来进行存储的，如果将0，1分成黑白像素点显示到图片上，可以看到该字符真实的页面显示内容，但是如果想要保存该网页页面的内容，直接保存下来的被加密的乱码，无法对原来真实的页面内容进行解析查看。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供一种对加密后的随机编码字符文件进行解析的方法及装置，旨在解决现有技术中无法对网页内容上的乱码进行解析查看的问题。
本发明的技术方案如下：
一种对加密后的随机编码字符文件进行解析的方法，所述方法包括：
获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容；
根据字体结构像素内容按照类型对应配色生成待识别的图片；
对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成。
可选地，所述获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容前，包括：
在浏览器页面检测到用户的页面字符查看指令后，查看对应的页面后台源码；
若源码中显示内容不是字符，则页面字符为加密后的随机编码字符。
可选地，所述获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容，包括：
访问加密后的随机编码字符所在的网页文件，获取网页文件内容；
读取网页文件中加密后的随机编码字符对应的字体结构像素内容，并将读取的字体结构像素内容以预定的字体格式类型进行保存。
可选地，所述字体结构像素内容包括0和1两种像素点类型；
所述根据字体结构像素内容按照类型对应配色生成待识别的图片，包括：
按照0和1两种像素点类型组成的字体结构像素内容按照不同配色生成待识别的图片。
可选地，所述按照0和1两种像素点类型组成的字体结构像素内容按照不同配色生成待识别的图片，包括：
获取要绘制的图片的尺寸大小、页面后台源码中的加密字符对应的字符串、预定的字体格式类型及0和1两种像素点分别对应的待填充的颜色；
根据绘制的图片的尺寸大小、页面后台源码中的加密字符对应的字符串、预定的字体格式类型及0和1两种像素点分别对应的待填充的颜色，生成待识别的图片。
可选地，所述真实字体为汉字、字母、数字中的一种或多种的组合。
可选地，所述对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成，包括：
获取汉字、字母、数字的训练样本图片；
构建卷积神经网络的卷积层、池化层和全连接层；
根据训练样本图片对卷积神经网络进行训练，当网络的输出的正确率达到预设的正确率后，生成目标卷积神经网络模型，将目标卷积神经网络模型存储到指定文件目录；
调用目标卷积神经网络模型，在目标卷积神经网络模型输入待识别的图片，获取目标卷积神经网络模型的输出结果，输出结果为加密后随机编码字符对应的真实字体，解析完成。
本发明的另一实施例提供了一种对加密后的随机编码字符文件进行解析的装置，所述装置包括至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的对加密后的随机编码字符文件进行解析的方法。
本发明的另一实施例还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的对加密后的随机编码字符文件进行解析的方法。
本发明的另一种实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被处理器执行时，使所述处理器执行上述的对加密后的随机编码字符文件进行解析的方法。
有益效果：本发明公开了一种对加密后的随机编码字符文件进行解析的方法及装置，相比于现有技术，本发明实施例通过网页中加密后的随机编码字符进行解析，并生成待识别的图片，通过自动识别技术对待识别的图片进行识别，从而获取加密的随机编码字符对应的真实字体，为查看和保存加密的字符带来了方便。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明一种对加密后的随机编码字符文件进行解析的方法较佳实施例的流程图；
图2为本发明一种对加密后的随机编码字符文件进行解析的装置的较佳实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。以下结合附图对本发明实施例进行介绍。
本发明实施例提供了一种对加密后的随机编码字符文件进行解析的方法。请参阅图1，图1为本发明一种对加密后的随机编码字符文件进行解析的方法较佳实施例的流程图。如图1所示，其包括步骤：
步骤S100、获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容；
步骤S200、根据字体结构像素内容按照类型对应配色生成待识别的图片；
步骤S300、对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成。
具体实施时，本发明实施例通过页面的html文件找到页面加密字符对应的字体结构像素内容；将0，1类型的字体结构像素内容生成按照不同配色生成图片；运用自动识别技术进行图片的文字识别，找到加密字符对应的真实字体名称，完成解析。真实字体为汉字、字母、数字中的一种或多种的组合。
具体地，进行图片的文字识别可采用训练好的cnn卷积神经网络或采用OCR技术对图片内容中的文字进行识别。其中，卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(deep learning)的代表算法之一。卷积神经网络仿造生物的视知觉(visualperception)机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid-liketopology)特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程(feature engineering)要求。OCR(Optical Character Recognition，光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
在进一步地实施例中，获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容前，包括：
在浏览器页面检测到用户的页面字符查看指令后，查看对应的页面后台源码；
若源码中显示内容不是字符，则页面字符为加密后的随机编码字符。
具体实施时，在访问浏览器页面查看某字符时，点击F12查看对应页面后台源码，如果此时源码中显示内不是某字符(有可能是一串数字字母组成的字符串)，此时可以确定该页面字符为加密字符。
进一步地，获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容，包括：
访问加密后的随机编码字符所在的网页文件，获取网页文件内容；
读取网页文件中加密后的随机编码字符对应的字体结构像素内容，并将读取的字体结构像素内容以预定的字体格式类型进行保存。
具体实施时，确定页面加密字符后，访问当前页面以.css结尾的url链接，获取.ss文件内容；
在.css文件中，寻找.woff结尾的url链接，进行访问，此时返回内容即为加密字体格式类型，将此返回内容保存到任意自定义目录即可，例如，预定的字体格式类型为.txt。
进一步地，字体结构像素内容包括0和1两种像素点类型；
所述根据字体结构像素内容按照类型对应配色生成待识别的图片，包括：
按照0和1两种像素点类型组成的字体结构像素内容按照不同配色生成待识别的图片。
具体实施时，加密后的随机编码字符在后台的网页文件中其真实的形状都是通过0，1两种像素点来进行存储的。可将两种像素点类型分别对应不同的配色。例如0对应黑色，1像素点对应白色。根据像素点类型生成待识别的图片。
进一步地，按照0和1两种像素点类型组成的字体结构像素内容按照不同配色生成待识别的图片，包括：
获取要绘制的图片的尺寸大小、页面后台源码中的加密字符对应的字符串、预定的字体格式类型及0和1两种像素点分别对应的待填充的颜色；
根据绘制的图片的尺寸大小、页面后台源码中的加密字符对应的字符串、预定的字体格式类型及0和1两种像素点分别对应的待填充的颜色，生成待识别的图片。
具体实施时，可采用画图函数来进行待识别图片的生成，例如利用python语言中PIL模块的draw.text((25,25),chr(),16)),font＝font,fill＝255)方法，该方法中共有四个参数，第一参数为当前要绘制的内容的尺寸大小，第二个参数为页面源码中的数字字母组成的字符串，第三个参数为保存的加密字体格式类型，第四个参数为绘制内容的填充颜色，当该方法执行时，加密字体就会按照字体类型中的规则，将字体的真实形状绘制成待识别的图片。
进一步地，对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成，包括：
获取汉字、字母、数字的训练样本图片；
构建卷积神经网络的卷积层、池化层和全连接层；
根据训练样本图片对卷积神经网络进行训练，当网络的输出的正确率达到预设的正确率后，生成目标卷积神经网络模型，将目标卷积神经网络模型存储到指定文件目录；
调用目标卷积神经网络模型，在目标卷积神经网络模型输入待识别的图片，获取目标卷积神经网络模型的输出结果，输出结果为加密后随机编码字符对应的真实字体，解析完成。
具体实施时，汉字、字母、数字的训练样本图片可通过全国可收录的汉字，以及26个字母的大小写，以及10个数字制作成25px*25px像素大小的图片，图片名字以当前图片中的字符进行命名后，生成对应的训练样本图片；
构建卷积神经网络cnn的卷积层，池化层，全连接层，对我们制作好的样本图片按照100每组传入cnn中进行识别；设定正确率，当代码运行后，到达指定的正确率后，代码生成目标cnn训练模型，将模型文件保存到指定文件目录；
调用生成模型文件，传入待识别的的图片，此时返回结果即为要获取的页面真实内容，加密字符解密完成。
需要说明的是，在上述各个实施例中，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本发明实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，变可以交换执行等等。
本发明另一实施例提供一种对加密后的随机编码字符文件进行解析的装置，如图2所示，装置10包括：
一个或多个处理器110以及存储器120，图2中以一个处理器110为例进行介绍，处理器110和存储器120可以通过总线或者其他方式连接，图2中以通过总线连接为例。
处理器110用于完成，装置10的各种控制逻辑，其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的对加密后的随机编码字符文件进行解析的方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行装置10的各种功能应用以及数据处理，即实现上述方法实施例中的对加密后的随机编码字符文件进行解析的方法。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储根据装置10使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至装置10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，执行上述任意方法实施例中的对加密后的随机编码字符文件进行解析的方法，例如，执行以上描述的图1中的方法步骤S100至步骤S300。
本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S100至步骤S300。
作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明丽非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
本发明的另一种实施例提供了一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被处理器执行时，使所述处理器执行上述方法实施例的对加密后的随机编码字符文件进行解析的方法。例如，执行以上描述的图1中的方法步骤S100至步骤S300。
以上所描述的实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述，本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存在于计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行各个实施例或者实施例的某些部分的方法。
除了其他之外，诸如"能够'、"能"、"可能"或"可以"之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解，否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此，这样的条件语言一般地不旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有学生输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。
已经在本文中在本说明书和附图中描述的内容包括能够提供对加密后的随机编码字符文件进行解析的方法及装置的示例。当然，不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合，但是可以认识到，所公开的特征的许多另外的组合和置换是可能的。因此，显而易见的是，在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改。此外，或在替代方案中，本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是，本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语，但是它们在通用和描述性意义上被使用并且不用于限制的目的。
Claims (5)
1.一种对加密后的随机编码字符文件进行解析的方法,其特征在于,所述方法包括：
获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容；
根据字体结构像素内容按照类型对应配色生成待识别的图片；
对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成；
所述获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容前，包括：
在浏览器页面检测到用户的页面字符查看指令后，查看对应的页面后台源码；
若源码中显示内容不是字符，则页面字符为加密后的随机编码字符；
所述获取加密后的随机编码字符所在的网页文件，根据网页文件获取加密后的随机编码字符对应的字体结构像素内容，包括：
访问加密后的随机编码字符所在的网页文件，获取网页文件内容；
读取网页文件中加密后的随机编码字符对应的字体结构像素内容，并将读取的字体结构像素内容以预定的字体格式类型进行保存；
所述字体结构像素内容包括0和1两种像素点类型；
所述根据字体结构像素内容按照类型对应配色生成待识别的图片，包括：
按照0和1两种像素点类型组成的字体结构像素内容按照不同配色生成待识别的图片；
所述按照0和1两种像素点类型组成的字体结构像素内容按照不同配色生成待识别的图片，包括：
获取要绘制的图片的尺寸大小、页面后台源码中的加密字符对应的字符串、预定的字体格式类型及0和1两种像素点分别对应的待填充的颜色；
根据绘制的图片的尺寸大小、页面后台源码中的加密字符对应的字符串、预定的字体格式类型及0和1两种像素点分别对应的待填充的颜色，生成待识别的图片。
2.根据权利要求1所述的对加密后的随机编码字符文件进行解析的方法，其特征在于，所述真实字体为汉字、字母、数字中的一种或多种的组合。
3.根据权利要求2所述的对加密后的随机编码字符文件进行解析的方法，其特征在于，所述对待识别的图片进行文字识别，根据文字识别结果获取加密后的随机编码字符对应的真实字体，解析完成，包括：
获取汉字、字母、数字的训练样本图片；
构建卷积神经网络的卷积层、池化层和全连接层；
根据训练样本图片对卷积神经网络进行训练，当网络的输出的正确率达到预设的正确率后，生成目标卷积神经网络模型，将目标卷积神经网络模型存储到指定文件目录；
调用目标卷积神经网络模型，在目标卷积神经网络模型输入待识别的图片，获取目标卷积神经网络模型的输出结果，输出结果为加密后随机编码字符对应的真实字体，解析完成。
4.一种对加密后的随机编码字符文件进行解析的装置，其特征在于，所述装置包括至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-3任一项所述的对加密后的随机编码字符文件进行解析的方法。
5.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-3任一项所述的对加密后的随机编码字符文件进行解析的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910576629.3A CN110363117B (zh) | 2019-06-28 | 2019-06-28 | 一种对加密后的随机编码字符文件进行解析的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910576629.3A CN110363117B (zh) | 2019-06-28 | 2019-06-28 | 一种对加密后的随机编码字符文件进行解析的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110363117A CN110363117A (zh) | 2019-10-22 |
| CN110363117B true CN110363117B (zh) | 2023-07-28 |
Family
ID=68217350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910576629.3A Active CN110363117B (zh) | 2019-06-28 | 2019-06-28 | 一种对加密后的随机编码字符文件进行解析的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110363117B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114900315B (zh) * | 2022-04-24 | 2024-03-15 | 北京优全智汇信息技术有限公司 | 基于ocr和电子签名技术的单据电子化管理系统 |
| CN116436974B (zh) * | 2023-06-15 | 2023-08-11 | 国能日新科技股份有限公司 | 一种数据传输方法及系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1310183C (zh) * | 2003-07-08 | 2007-04-11 | 摩托罗拉公司 | 二进制化文字图像的方法 |
| CN101860533A (zh) * | 2010-05-26 | 2010-10-13 | 卓望数码技术（深圳）有限公司 | 一种基于c/s架构浏览器的数据传输方法及服务器 |
| CN102681986A (zh) * | 2012-05-23 | 2012-09-19 | 董名垂 | 页面即时翻译系统及页面即时翻译方法 |
| CN103870487B (zh) * | 2012-12-13 | 2017-07-25 | 腾讯科技（深圳）有限公司 | 网页文件处理方法及移动终端 |
| CN106293365B (zh) * | 2015-05-20 | 2019-11-26 | 广州爱九游信息技术有限公司 | 一种获取页面内容的方法及装置 |
| CN105975607A (zh) * | 2016-05-16 | 2016-09-28 | 乐视控股（北京）有限公司 | 一种图片存储及读取方法、图片存取系统 |
| CN108596180A (zh) * | 2018-04-09 | 2018-09-28 | 深圳市腾讯网络信息技术有限公司 | 图像中的参数识别、参数识别模型的训练方法及装置 |
| CN108932330B (zh) * | 2018-07-05 | 2021-03-05 | 京东数字科技控股有限公司 | 一种数据显示方法和装置 |
| CN109308475A (zh) * | 2018-07-26 | 2019-02-05 | 北京百悟科技有限公司 | 一种字体识别方法及装置 |
| CN109190630A (zh) * | 2018-08-29 | 2019-01-11 | 摩佰尔（天津）大数据科技有限公司 | 字符识别方法 |
| CN109033473B (zh) * | 2018-09-06 | 2022-02-11 | 广州酷狗计算机科技有限公司 | 图片分享方法、装置和计算机可读存储介质 |
-
2019
- 2019-06-28 CN CN201910576629.3A patent/CN110363117B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110363117A (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111191414B (zh) | 一种页面水印生成方法、识别方法、装置、设备及存储介质 | |
| WO2019200783A1 (zh) | 动态图表类页面数据爬取方法、装置、终端及存储介质 | |
| CN110378986B (zh) | 一种习题演示动画生成方法、装置、电子设备和存储介质 | |
| CN110363117B (zh) | 一种对加密后的随机编码字符文件进行解析的方法及装置 | |
| CN109815465B (zh) | 基于深度学习的海报生成方法、装置和计算机设备 | |
| CN109344830A (zh) | 语句输出、模型训练方法、装置、计算机设备及存储介质 | |
| CN114596566B (zh) | 文本识别方法及相关装置 | |
| CN115130463A (zh) | 纠错方法、模型训练方法、计算机介质以及设备 | |
| CN111914597A (zh) | 一种文档对照识别方法、装置、电子设备和可读存储介质 | |
| CN112507260A (zh) | 网页加载方法及装置、电子设备、计算机可读存储介质 | |
| CN115731552A (zh) | 印章文字识别方法、装置、处理器及电子设备 | |
| CN116311279A (zh) | 样本图像的生成、模型训练、字符识别方法、设备及介质 | |
| CN114580424B (zh) | 一种用于法律文书的命名实体识别的标注方法和装置 | |
| CN110688949B (zh) | 字体识别方法和装置 | |
| CN114357174A (zh) | 基于ocr和机器学习的代码分类系统及方法 | |
| CN116610304B (zh) | 页面代码生成方法、装置、设备和存储介质 | |
| CN113554549B (zh) | 文本图像的生成方法、装置、计算机设备和存储介质 | |
| CN110309517B (zh) | 表情文案处理方法、装置、系统及存储介质 | |
| KR20200078946A (ko) | 책과 연동되어 간편한 코딩 실습을 위한 정보를 제공하는 방법 및 장치 | |
| CN110633457A (zh) | 一种内容替换方法、装置、电子设备及可读存储介质 | |
| US9020295B1 (en) | Image glyph enhancement | |
| CN110826324B (zh) | 语言模型的训练及分词预测方法和装置、语言模型 | |
| CN113128486B (zh) | 手写数学公式样本库的构建方法、装置及终端设备 | |
| CN114818960A (zh) | 训练数据生成方法、装置、设备及存储介质 | |
| CN116778495A (zh) | 医疗文档图像的分析方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 518000 West Building 1502, Skyworth Semiconductor Design Building, No. 18 Gaoxin South Fourth Road, Gaoxin Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong Province Applicant after: Shenzhen digital Big Data Technology Co.,Ltd. Address before: 518000 18 / F, unit 1, building B, Kexing Science Park, 15 Keyuan Road, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN SHUWEI MEDIA TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |