搜索引擎技巧网站强制更新分页原理实体编码验证码作用识别验证码 - WEB前端

一、搜索引擎技巧

1、搜索指定站点site:domain 关键字，搜索指定文件类型filetype:pdf 关键字；

2、robots.txt文件用于告诉搜索引擎可以访问哪些文件，不可以访问哪些文件；

二、网站强制更新

1、前端页面编码当前服务版本；

2、后端提供接口获取当前服务版本；

3、比对前端版本和后端版本，不一致则强制更新windows.location.reload(true)；

三、分页原理

1、首页查询：查询数据总量和首页数据；

2、换页查询：基于前一页的数据索引查询换页数据；

3、分页排序：可以后端全局排序，可以前端局部排序；

四、实体编码

1、实体编码用于输出某些无法做为普通文本显示的字符；

2、实体编码支持实体名称、十进制实体编号、十六进制实体编号；

3、比如双引号可以编码：" " "

4、BurpSuite编解码工具支持实体编码转换；

实体编码：

1、<：<
2、>：>
3、&：&

4、空格： 
5、双引号："
6、单引号：'

五、验证码作用

验证码作用：

1、验证码可以在真正操作之前进行一次校验，防止暴力攻击比较有效；

2、如果验证码能够破解，但比较困难，可以在验证码验证失败时刷新；

3、如果验证码非常容易破解，这个时候只能借助频控防止暴力攻击；

验证码原理：

1、后台生成4位随机码，包含字母和数字，并写入会话；

2、使用随机码生成图片返回给前端展示，需要使用彩色图片；

3、验证成功之后验证码失效，验证失败之后验证码仍然有效，频繁失效验证码会导致性能问题；

六、tesseract识别验证码

1、官方网址：https://github.com/tesseract-ocr/tesseract

2、win命令行：https://github.com/UB-Mannheim/tesseract/wiki

3、win图形界面：https://github.com/manisandro/gImageReader

4、识别文字：tesseract imagename -，输出到命令行

5、识别文字：tesseract imagename outputbase，输出到文件

七、ddddocr识别验证码

1、官网地址：https://github.com/sml2h3/ddddocr

2、包含两套模型，默认使用旧模型，通过beta=True切换到新模型；

3、ocr.set_ranges(int|str)设置识别字符集，int是内置字符集，str是自定义字符集；

识别示例：

import ddddocr
ocr = ddddocr.DdddOcr(beta=True)
image = open("example.jpg", "rb").read()
result = ocr.classification(image)
print(result)

限定识别字符集：

import ddddocr
ocr = ddddocr.DdddOcr(beta=True)
ocr.set_ranges('ABCDEFG')
image = open("example.jpg", "rb").read()
result = ocr.classification(image, probability=True)
s = ''
for i in result['probability']:
s += result['charsets'][i.index(max(i))]
print(s)