reverse-skills-max/vendor-new/xbsReverseSkill/web-verify-patcher/references/open-source-recipes.md

开源/本地方案示例

本文件只给授权场景下的离线求解和诊断示例。真实网页点击、拖动、提交前必须回到 references/verification-workflow.md 做确认。

通用准备

建议先把证据整理成文件：

• 图片验证码：精确裁剪后的图片。
• 滑块：背景图、滑块图、轨道宽度、元素显示尺寸。
• 点选/九宫格/区域：完整截图、题面文本、元素边界。
• 音频：音频文件、语言、答案格式。

依赖示例：

python -m pip install ddddocr opencv-python pillow numpy

只在需要时安装对应库，不要把依赖路径写进 skill。

text

开源优先：

1. 用 OpenCV 做灰度、二值化、降噪、去干扰线。
2. 用 ddddocr 或 Tesseract 识别。
3. 用字符集、长度、大小写规则约束结果。

示例思路：

import ddddocr

ocr = ddddocr.DdddOcr(show_ad=False)
with open("captcha.png", "rb") as f:
    text = ocr.classification(f.read())
print(text)

适合切到平台的情况：扭曲强、背景噪声强、字符粘连、样本通过率低。

math

流程：

1. 按 text 识别表达式。
2. 归一化 x/X/× 为 *，÷ 为 /。
3. 只允许数字、括号和基础运算符进入安全求值。

输出必须包含原始 OCR、归一化表达式和结果。遇到歧义时不要猜。

slider

开源优先：

1. 先确认图片模式：双图、单图、canvas。
2. 双图优先用 ddddocr slide_match 或 OpenCV 模板/边缘匹配。
3. 单图用缺口边缘、局部对比、差分或 VLM 辅助。
4. 用 scripts/map_coordinates.py 把图片偏移换算成 DOM/CSS 坐标。
5. 用 scripts/generate_motion_track.py 生成滑块轨迹 JSON。

示例思路：

import ddddocr

det = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)
with open("target.png", "rb") as f:
    target = f.read()
with open("background.png", "rb") as f:
    background = f.read()
print(det.slide_match(target, background))

注意：视觉偏移正确不等于验证一定成功；厂商可能绑定行为采集、challenge id、浏览器状态或加密参数。

click-select

开源优先：

1. OCR/VLM 解析题面，保留原始顺序词。
2. 文字点选用 OCR + 模板/轮廓定位。
3. 物体点选用 YOLO/目标检测、CLIP/VLM 或模板匹配。
4. 输出截图坐标和元素相对坐标。

需要多轮时，每轮单独保存题面和截图。

rotate

开源优先：

1. 用 OpenCV 主方向、特征匹配或边缘方向估计角度。
2. 用 VLM 做正向判断复核。
3. 按轨道宽度和角度范围换算拖动距离。

输出角度、轨道宽度、换算公式、固定偏移和置信度。

grid

开源优先：

1. 分割格子，记录每格边界和中心点。
2. 用题面选择分类器：YOLO、CLIP、VLM 或专用图片分类模型。
3. 返回格子编号、中心坐标和每格置信度。

reCAPTCHA/hCaptcha/AWS WAF 可能多轮，不要只保存最后一轮。

audio

开源优先：

1. 提取音频文件。
2. 做降噪、音量归一化和静音裁剪。
3. 用 Whisper/faster-whisper 转写。
4. 用答案格式做数字/字符纠错。

示例依赖：

python -m pip install faster-whisper

不要处理电话语音 OTP、短信、邮箱或 MFA。

图像/坐标类组合

这些类型通常共享一组能力：

• drag-drop：目标检测源对象和目标区域，再生成拖放轨迹。
• trace-draw：OpenCV 提取路径，骨架化后重采样成点列。
• scratch：生成覆盖轨迹，观察刮开前后状态。
• image-restore：先判断是否为切片乱序；页面顺序优先，图片边缘/纹理匹配次之。
• area-select：检测/分割/SAM/YOLO/VLM 输出框或多边形。
• difference-click：图像配准后差分定位。
• font-identify：OCR 内容 + 字形特征或 VLM 字体关系判断。
• semantic-reasoning：目标检测 + 关系推理或 VLM。

优先输出离线坐标和置信度；真实页面操作前必须确认。

image-restore 切片乱序

当图片被分割成多块后顺序打乱时，保持主类型 image-restore，补充 captcha_variant: tile-scramble。第一版优先使用 scripts/analyze_tile_restore.py：

python scripts/analyze_tile_restore.py --image scrambled.png --rows 3 --cols 3 --order-source-by-target "1,2,0,4,5,3,7,8,6" --output-image restored.png --pretty

处理顺序：

1. 页面逻辑优先：从 tileOrder、pieceOrder、sliceOrder、CSS background-position、sprite、canvas drawImage 或接口字段还原每个目标位置对应的来源切片。
2. 只有图片时：按 rows/cols 或 tile-width/tile-height 切片，用左右/上下边缘连续性、颜色/纹理连续性、特征点匹配或 VLM 得到候选顺序。
3. 输出 order_source_by_target、confidence、restore_strategy 和还原图；低置信度时不要硬猜。
4. 如果还原结果还要换算拖动距离或交换动作，再回到 references/motion-and-coordinate.md 处理坐标和轨迹。

边界：

• 普通九宫格选择题是 grid，不是切片乱序。
• 普通缺口滑块是 slider，不是切片乱序。
• 纯色块、重复纹理、随机裁剪或顺序字段加密时，本地边缘匹配通过率会低，应切人工/平台复核或厂商授权测试环境。

pow-challenge

PoW 类不是图片识别题。对 ALTCHA、FriendlyCaptcha、Cap.js、mCaptcha 等：

1. 阅读官方接入方式。
2. 检查 challenge、payload、difficulty、nonce、TTL、防重放和服务端签名。
3. 自有系统优先修正集成和校验逻辑。

不要把 PoW 当成 OCR 或滑块任务。