摸鱼写了一个文本混淆器，现代 OCR 都发展的这么快了吗

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1284 天前的主题，其中的信息可能已经有所发展或是发生改变。

昨天突然想起某天看到微信读书(记忆不清了)为了防止用户复制，采用了一种方式，把每个字都绝对定位，从而达到视觉上通顺，实际上是乱序的。大概如下图所示。

0512135651

然后我尝试用 OCR 软件去识别，标准字体的话准确率很高不稀奇。我又换了一个手写体去试。macOS 自带的手札体。

意外发现不规则字体识别率也很高。

0512140535

对了，地址在这： https://innei.github.io/shuffle-article/

OCR

字体

混淆器

手札体

13 条回复 • 2021-05-22 13:00:09 +08:00

Maboroshii

2021-05-12 14:08:28 +08:00

有意思

imdong

2021-05-12 14:10:43 +08:00

之前做过一个小说网站的识别,也是类似的方式,我的做法是:

从 html 中取出每个字的位置,然后按行列排序,最后重新整理顺序就可以还原了.

而且从你截图来看的话,比那个网站还少了基础 css 样式偏移,那个是每个字都有一个 class 和 style 的,两个变量的漂移相加的.

Maboroshii

2021-05-12 14:11:11 +08:00

不过试了下浏览器缩放，混淆后的内容的位置就跑了

tukon479

2021-05-12 14:16:23 +08:00

@Maboroshii 对，因为绝对定位，所以 resize 要加监听器，重新计算

tukon479

2021-05-12 14:17:19 +08:00

@imdong 有代码可以学习学习吗

est

2021-05-12 14:20:40 +08:00

2012 年，cv 届发生了一件大事，人类的命运就从此发生了巨大改变。以至于到了 9 年后的今天，LZ 才发帖感叹技术进步如此之快

imdong

2021-05-12 14:33:31 +08:00

(content => {
let span_list = content.querySelectorAll('span'),
map = [], full_text = "";
span_list.forEach(span => {
let left = parseInt(span.style.left),
top = parseInt(span.style.top);
map[top] = map[top] || [];
map[top][left] = span.innerText;
});

map.forEach(line => {
line.forEach(text => {
full_text += text
});
})

console.log(full_text)
})(document.getElementById('renderTargetContent'))