1Panel 部署 ddddocr 验证码识别服务

简介

本教程将指导您如何在 1Panel 面板上使用 Docker 快速部署 ddddocr 服务，搭建一个简单高效的验证码识别 API。ddddocr 是一款轻量级的验证码识别库，识别速度快、准确率高，无需复杂训练。

相关资源

• GitHub - sml2h3/ddddocr: 带带弟弟 通用验证码识别OCR pypi版
• GitHub - sml2h3/ddddocr-fastapi: 使用ddddocr的最简api搭建项目，支持docker
• Docker Hub - oozzbb/ddddocr-fastapi
• 1Panel - 现代化、开源的 Linux 服务器运维管理面板

前提条件

本教程假设您已经安装了 1Panel 面板，如果尚未安装，请先访问 1Panel 官网 进行安装。

部署步骤

1. 拉取镜像

1. 依次点击 【容器】—>【镜像】—>【拉取镜像】

2. 输入【oozzbb/ddddocr-fastapi】，点击【拉取】

3. 等待镜像拉取成功

2. 创建容器

1. 依次点击【容器】—> 【创建容器】

2. 配置容器参数：

   • 填写容器名称（如 ddddocr）
   • 选择刚才拉取的镜像 oozzbb/ddddocr-fastapi
   • 设置端口映射（主机端口可以自定义，如 32768，容器端口为 80）
   • 选择网络（通常选择默认的 bridge 网络）
   • 点击【确认】创建容器

3. 创建完成后，容器会自动启动

3. 访问服务

1. 通过浏览器访问 http://您的服务器IP:32768 即可使用 OCR 服务

   注意：请确保服务器防火墙已放行 32768 端口（或您设置的其他端口）

2. 访问 http://您的服务器IP:32768/docs 可以查看 API 文档和进行测试

API 详细使用说明

根据部署好的服务文档，ddddocr 提供了多种验证码识别接口，以下是详细说明：

1. 文件上传识别接口

• 接口地址：/ocr/file
• 请求方式：POST
• Content-Type：multipart/form-data

• 参数：

  • file：文件对象，验证码图片文件

Python 示例代码

import requests

# 读取验证码图片
with open('captcha.jpg', 'rb') as f:
    files = {'file': ('captcha.jpg', f, 'image/jpeg')}
    
    # 发送请求到 OCR 服务
    response = requests.post('http://您的服务器IP:32768/ocr/file', files=files)
    result = response.json()
    
    # 打印识别结果
    print(f"识别结果: {result['result']}")

curl 示例

curl -X 'POST' \
  'http://您的服务器IP:32768/ocr/file' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F '[email protected];type=image/jpeg'

2. Base64 编码识别接口

• 接口地址：/ocr/base64
• 请求方式：POST
• Content-Type：application/json

• 参数：

  • image：字符串，Base64 编码的图片数据

Python 示例代码

import requests
import base64

# 读取图片并转为 base64
with open('captcha.jpg', 'rb') as f:
    img_base64 = base64.b64encode(f.read()).decode('utf-8')

# 构建请求数据
data = {
    "image": img_base64
}

# 发送请求
response = requests.post('http://您的服务器IP:32768/ocr/base64', json=data)
result = response.json()

# 打印识别结果
print(f"识别结果: {result['result']}")

curl 示例

curl -X 'POST' \
  'http://您的服务器IP:32768/ocr/base64' \
  -H 'accept: application/json' \
  -H 'Content-Type: application/json' \
  -d '{
    "image": "base64编码的图片数据"
  }'

3. URL 识别接口

• 接口地址：/ocr/url
• 请求方式：POST
• Content-Type：application/json

• 参数：

  • url：字符串，验证码图片的URL地址

Python 示例代码

import requests

# 构建请求数据
data = {
    "url": "https://example.com/captcha.jpg"
}

# 发送请求
response = requests.post('http://您的服务器IP:32768/ocr/url', json=data)
result = response.json()

# 打印识别结果
print(f"识别结果: {result['result']}")

curl 示例

curl -X 'POST' \
  'http://您的服务器IP:32768/ocr/url' \
  -H 'accept: application/json' \
  -H 'Content-Type: application/json' \
  -d '{
    "url": "https://example.com/captcha.jpg"
  }'

4. 滑块识别接口

• 接口地址：/slide_match
• 请求方式：POST
• Content-Type：application/json

• 参数：

  • target_img_base64：字符串，目标图片的Base64编码
  • bg_img_base64：字符串，背景图片的Base64编码

Python 示例代码

import requests
import base64

# 读取目标图片和背景图片并转为 base64
with open('target.jpg', 'rb') as f:
    target_base64 = base64.b64encode(f.read()).decode('utf-8')

with open('background.jpg', 'rb') as f:
    bg_base64 = base64.b64encode(f.read()).decode('utf-8')

# 构建请求数据
data = {
    "target_img_base64": target_base64,
    "bg_img_base64": bg_base64
}

# 发送请求
response = requests.post('http://您的服务器IP:32768/slide_match', json=data)
result = response.json()

# 打印识别结果
print(f"X坐标: {result['target_x']}")
print(f"Y坐标: {result['target_y']}")

curl 示例

curl -X 'POST' \
  'http://您的服务器IP:32768/slide_match' \
  -H 'accept: application/json' \
  -H 'Content-Type: application/json' \
  -d '{
    "target_img_base64": "目标图片base64编码",
    "bg_img_base64": "背景图片base64编码"
  }'

完整的 Python 调用示例

以下是一个完整的 Python 脚本，展示了如何使用各种接口：

import requests
import base64
import json

# 服务器地址
SERVER_URL = "http://您的服务器IP:32768"

def ocr_from_file(image_path):
    """使用文件上传接口识别验证码"""
    with open(image_path, 'rb') as f:
        files = {'file': (image_path, f, 'image/jpeg')}
        response = requests.post(f"{SERVER_URL}/ocr/file", files=files)
        return response.json()

def ocr_from_base64(image_path):
    """使用base64接口识别验证码"""
    with open(image_path, 'rb') as f:
        img_base64 = base64.b64encode(f.read()).decode('utf-8')
    
    data = {"image": img_base64}
    response = requests.post(f"{SERVER_URL}/ocr/base64", json=data)
    return response.json()

def ocr_from_url(image_url):
    """使用URL接口识别验证码"""
    data = {"url": image_url}
    response = requests.post(f"{SERVER_URL}/ocr/url", json=data)
    return response.json()

def slide_match(target_path, bg_path):
    """识别滑块验证码"""
    with open(target_path, 'rb') as f:
        target_base64 = base64.b64encode(f.read()).decode('utf-8')
    
    with open(bg_path, 'rb') as f:
        bg_base64 = base64.b64encode(f.read()).decode('utf-8')
    
    data = {
        "target_img_base64": target_base64,
        "bg_img_base64": bg_base64
    }
    
    response = requests.post(f"{SERVER_URL}/slide_match", json=data)
    return response.json()

if __name__ == "__main__":
    # 文件上传识别
    result = ocr_from_file("captcha.jpg")
    print("文件识别结果:", result["result"])
    
    # Base64识别
    result = ocr_from_base64("captcha.jpg")
    print("Base64识别结果:", result["result"])
    
    # URL识别
    result = ocr_from_url("https://example.com/captcha.jpg")
    print("URL识别结果:", result["result"])
    
    # 滑块识别
    result = slide_match("target.jpg", "background.jpg")
    print(f"滑块位置: X={result['target_x']}, Y={result['target_y']}")

完整的 JavaScript/Node.js 调用示例

const axios = require('axios');
const fs = require('fs');
const FormData = require('form-data');

// 服务器地址
const SERVER_URL = "http://您的服务器IP:32768";

// 文件上传识别
async function ocrFromFile(imagePath) {
    const formData = new FormData();
    formData.append('file', fs.createReadStream(imagePath));
    
    try {
        const response = await axios.post(`${SERVER_URL}/ocr/file`, formData, {
            headers: formData.getHeaders()
        });
        return response.data;
    } catch (error) {
        console.error('识别出错:', error.message);
        return null;
    }
}

// Base64识别
async function ocrFromBase64(imagePath) {
    try {
        const imageBuffer = fs.readFileSync(imagePath);
        const base64Image = imageBuffer.toString('base64');
        
        const response = await axios.post(`${SERVER_URL}/ocr/base64`, {
            image: base64Image
        });
        return response.data;
    } catch (error) {
        console.error('识别出错:', error.message);
        return null;
    }
}

// URL识别
async function ocrFromUrl(imageUrl) {
    try {
        const response = await axios.post(`${SERVER_URL}/ocr/url`, {
            url: imageUrl
        });
        return response.data;
    } catch (error) {
        console.error('识别出错:', error.message);
        return null;
    }
}

// 滑块识别
async function slideMatch(targetPath, bgPath) {
    try {
        const targetBuffer = fs.readFileSync(targetPath);
        const bgBuffer = fs.readFileSync(bgPath);
        
        const targetBase64 = targetBuffer.toString('base64');
        const bgBase64 = bgBuffer.toString('base64');
        
        const response = await axios.post(`${SERVER_URL}/slide_match`, {
            target_img_base64: targetBase64,
            bg_img_base64: bgBase64
        });
        return response.data;
    } catch (error) {
        console.error('识别出错:', error.message);
        return null;
    }
}

// 使用示例
async function main() {
    // 文件上传识别
    const fileResult = await ocrFromFile('captcha.jpg');
    console.log('文件识别结果:', fileResult?.result);
    
    // Base64识别
    const base64Result = await ocrFromBase64('captcha.jpg');
    console.log('Base64识别结果:', base64Result?.result);
    
    // URL识别
    const urlResult = await ocrFromUrl('https://example.com/captcha.jpg');
    console.log('URL识别结果:', urlResult?.result);
    
    // 滑块识别
    const slideResult = await slideMatch('target.jpg', 'background.jpg');
    console.log(`滑块位置: X=${slideResult?.target_x}, Y=${slideResult?.target_y}`);
}

main();

配置域名和 HTTPS（可选）

为了更好地使用 OCR 服务，建议配置域名和 HTTPS：

1. 在 1Panel 中点击【网站】→【添加】
2. 填写您的域名（如 ocr.yourdomain.com）
3. 在网站设置中，选择【反向代理】→【创建】

4. 填写代理信息：

   • 名称：ddddocr
   • 位置：/
   • 代理地址：http://127.0.0.1:32768
5. 在【SSL】选项中申请并配置 SSL 证书

故障排除

1. 无法访问服务：

   • 检查容器是否正常运行：在 1Panel 的【容器】页面查看状态
   • 确认端口是否被防火墙阻止：firewall-cmd --list-ports
   • 检查服务器安全组设置

2. 识别结果不准确：

   • 检查图片质量和格式
   • 尝试预处理图片（如调整对比度、去噪等）
   • 对于复杂验证码，可能需要使用更专业的识别服务

3. 服务响应缓慢：

   • 检查服务器资源使用情况
   • 考虑增加容器资源限制（CPU、内存）

总结

通过以上步骤，您已成功在 1Panel 上使用 Docker 部署了 ddddocr 验证码识别服务。相比手动部署，Docker 方式更加简单快捷，无需关心环境依赖问题。

这个服务提供了多种验证码识别接口，包括文件上传、Base64、URL 和滑块验证码识别，可以满足各种自动化场景的需求。您可以将这些 API 集成到各种自动化脚本和程序中，提高工作效率。

希望本教程对您有所帮助！如有问题，欢迎在评论区留言。