12306验证码识别服务器

该项目用于构建自托管的12306验证码识别服务器，本项目的全部模型和部分代码来自于此项目 easy12306，使用该项目构建的api符合 12306购票小助手云打码格式可以直接调用。

提供一个部署好的线上版本, https://12306.yinaoxiong.cn,部署在腾讯云1核1G的学生机上不保证可用性,服务状态可以通过 https://stats.uptimerobot.com/oyKyLhjJQ/783635180查看.

接口规范

请求

• Method: POST
• URL: /verify/base64/
• Headers: Content-Type: application/x-www-form-urlencoded
• Body: imageFile=>Base64编码的图片

响应

• Headers：Content-Type:application/json
• Body：

{
    "code": 0,
    "data": [
        "1",  //答案图片的编号数组
        "3"
    ],
    "massage": "识别成功"
}
{
    "code": 1,
    "data": [
    ],
    "massage": "识别失败"
}

python版本支持

• 3.5-3.7

平台支持

• amd64
• arm64v8
• arm32v7

其中arm平台建议通过docker运行

部署

docker部署(推荐)

使用docker可以使用如下命令快速部署:

docker run -d -p 8080:80 --name 12306 yinaoxiong/12306_code_server

docker-compose部署(推荐)

version: "3"

services:
  code_12306:
    image: yinaoxiong/12306_code_server
    ports:
      - 5002:80 #可以根据需要修改端口
    environment:
      - WORKERS=1 #gunicorn works 默认为1可以根据服务器配置自行调整
    restart: always
  

通过源码部署

1. 克隆并进入项目

   git clone https://github.com/YinAoXiong/12306_code_server.git
   cd 12306_code_server
   

2. 安装依赖 自行根据平台和python选择对应的tflite（下面的例子为amd64，python3.7，其他情况对应的下载地址见 https://www.tensorflow.org/lite/guide/python，可自行在requirements.txt中替换）

   pip3 install -r requirements.txt
   

3. 下载模型文件

   bash download_model.sh
   

   从GitHub下载慢的话可以选择执行下面的命令

   wget -c https://cdn.yinaoxiong.cn/models/image.model.tflite
   wget -c https://cdn.yinaoxiong.cn/models/text.model.tflite
   

4. 运行 默认workers为1，使用80端口，可以自行修改 gunicorn.conf

   gunicorn app:app -c gunicorn.conf.py
   

不推荐在arm平台上使用源码部署,依赖安装有些麻烦.

致谢

• easy12306 提供项目运行的model
• 12306购票小助手源于该项目的一个issue
• tensorflow-on-arm提供arm上运行的tensorflow python包 v1.1版本后开始使用tflite而非keras

12306 验证码识别服务器快速上手指南

本项目用于构建自托管的 12306 验证码识别服务，兼容 12306 购票小助手 的云打码接口格式。

环境准备

• 操作系统：支持 Linux (amd64, arm64v8, arm32v7)。
  • 注：ARM 平台强烈建议使用 Docker 部署，源码部署依赖安装较复杂。
• 运行方式（二选一）：
  • Docker（推荐）：需安装 Docker 及 Docker Compose。
  • 源码运行：需安装 Python 3.5 - 3.7 及 pip。
• 网络要求：需能访问 GitHub 或提供的国内 CDN 镜像以下载模型文件。

安装步骤

方案一：Docker 部署（推荐）

最快捷的部署方式，无需配置 Python 环境。

1. 单命令启动 直接运行以下命令，将容器映射到本地 8080 端口：

docker run -d -p 8080:80 --name 12306 yinaoxiong/12306_code_server

2. 使用 Docker Compose 部署 创建 docker-compose.yml 文件，内容如下（可自定义端口和 Worker 数量）：

version: "3"

services:
  code_12306:
    image: yinaoxiong/12306_code_server
    ports:
      - 5002:80 # 可根据需要修改端口
    environment:
      - WORKERS=1 # gunicorn works 默认为 1，可根据服务器配置调整
    restart: always

执行启动命令：

docker-compose up -d

---

方案二：源码部署

适用于需要自定义开发或非 Docker 环境。

1. 克隆项目

git clone https://github.com/YinAoXiong/12306_code_server.git
cd 12306_code_server

2. 安装依赖 根据平台安装 requirements.txt 中的依赖。 注意：需自行根据平台和 Python 版本选择对应的 tflite 包（默认示例为 amd64 + Python 3.7）。其他版本参考 TensorFlow Lite 官网 并在 requirements.txt 中替换。

pip3 install -r requirements.txt

3. 下载模型文件 优先使用国内 CDN 加速下载模型：

wget -c https://cdn.yinaoxiong.cn/models/image.model.tflite
wget -c https://cdn.yinaoxiong.cn/models/text.model.tflite

(若上述命令失败，可尝试运行 bash download_model.sh 从 GitHub 下载)

4. 启动服务 默认使用 80 端口，1 个 Worker。如需修改请编辑 gunicorn.conf.py。

gunicorn app:app -c gunicorn.conf.py

基本使用

服务启动后，通过 HTTP POST 请求调用识别接口。

• 请求地址：http://<你的 IP>:<端口>/verify/base64/
• 请求方法：POST
• Content-Type：application/x-www-form-urlencoded
• 参数：imageFile (图片的 Base64 编码字符串)

调用示例 (curl)：

curl -X POST http://127.0.0.1:8080/verify/base64/ \
  -H "Content-Type: application/x-www-form-urlencoded" \
  -d "imageFile=<在此处填入图片的 Base64 字符串>"

成功响应示例：

{
    "code": 0,
    "data": [
        "1",
        "3"
    ],
    "massage": "识别成功"
}

data 数组中的数字代表需要点击的图片序号。

失败响应示例：

{
    "code": 1,
    "data": [],
    "massage": "识别失败"
}