Node.js + Tesseract.js 搭建算术验证码识别服务：OCR识别与表达式计算实现

脚本专家

在自动化测试、数据采集或合法脚本请求场景中，常常需要绕过算术验证码以获取授权令牌。本文基于 Node.js 与 Tesseract.js 7.0.0 实现了一个验证码识别后端服务，专门识别含算术表达式的验证码并返回计算结果。项目采用 Express 5.2.1 作为 Web 框架，body-parser 2.2.2 解析请求体，Jimp 1.6.0 预留图像预处理能力。

项目结构如下：

2. captcha-reader/
3. ├── src/
4. │   ├── routes/
5. │   │   └── captcha.js          # 验证码识别路由
6. │   ├── services/
7. │   │   └── captchaService.js   # OCR识别与表达式计算核心服务
8. │   ├── utils/
9. │   │   └── imageUtils.js       # 图像预处理工具（预留）
10. │   └── app.js                  # 应用入口
11. ├── package.json
12. ├── test-captcha-api.js         # 测试脚本
13. └── test-captcha-data.json      # 测试用例数据

复制代码

核心流程：接收 base64 编码图片 → 解码为缓冲区 → 预留预处理（灰度、二值化、缩放） → 使用 Tesseract.js 识别文字 → 提取算术表达式 → 计算并返回结果。

API 接口设计：
- POST /api/captcha/recognize
  请求体: { "image": "base64编码字符串" }
  响应体: {"result":6,"details":{"rawOcrResult":"0 x 8 + 6 = ?","cleanedText":"0x8+6","expression":"0*8+6","calculation":"0*8+6 = 0+6 = 6"}}

- GET /health
  返回服务状态 {"status":"ok","message":"Captcha reader service is running"}

技术实现细节：
captchaService.js 核心识别逻辑：

2. exports.recognizeCaptcha = async (base64Image) => {
3.   try {
4.     const imageBuffer = await decodeBase64Image(base64Image);
5.     const processedImage = await preprocessImage(imageBuffer);
6.     const worker = await createWorker('eng', 1, {
7.       logger: m => console.log(' Tesseract:', m)
8.     });
9.     try {
10.       await worker.setParameters({
11.         tessedit_char_whitelist: '0123456789+-*/x=?',
12.         tessedit_pageseg_mode: 7,          // 单行文本模式
13.         preserve_interword_spaces: 0,
14.         tessedit_ocr_engine_mode: 1,       // LSTM 引擎
15.         load_system_dawg: 0,
16.         load_freq_dawg: 0
17.       });
18.       const { data: { text } } = await worker.recognize(processedImage);
19.       const expression = extractAlternativeExpression(text);
20.       const calculationDetails = { steps: [] };
21.       const result = calculateExpression(expression, calculationDetails);
22.       return {
23.         result,
24.         details: {
25.           rawOcrResult: text,
26.           cleanedText: text.trim().replace(/\s+/g, ''),
27.           expression,
28.           calculation: calculationDetails.steps.join(' = ')
29.         }
30.       };
31.     } finally {
32.       await worker.terminate();
33.     }
34.   } catch (error) {
35.     throw new Error('Failed to recognize captcha: ' + error.message);
36.   }
37. };

复制代码

表达式提取采用了多级回退策略：直接匹配数字和运算符，处理常见格式问题（将“x”替换为“*”），控制长度避免错误，当主策略失败时尝试备用方法。计算功能支持加减乘除，按运算符优先级执行。

使用方式：

2. npm install
3. npm start
4. # 服务默认运行于 http://localhost:3000

复制代码

测试时，在 test-captcha-data.json 中添加测试用例：

2. {
3.   "test_cases": [
4.     {
5.       "id": 1,
6.       "name": "Test Case 1",
7.       "description": "Simple addition",
8.       "image": "base64字符串或图片标识",
9.       "expected_result": 6
10.     }
11.   ]
12. }

复制代码

然后执行 node test-captcha-api.js。

将本服务集成到其他项目示例（使用 fetch）：

2. async function recognizeCaptcha(imageBase64) {
3.   const response = await fetch('http://localhost:3000/api/captcha/recognize', {
4.     method: 'POST',
5.     headers: { 'Content-Type': 'application/json' },
6.     body: JSON.stringify({ image: imageBase64 })
7.   });
8.   const data = await response.json();
9.   return data.result;
10. }

复制代码

优化方向：
- 图片预处理（建议使用 Jimp 实现灰度、自动二值化、缩放等）：

2. async function preprocessImage(imageBuffer) {
3.   const image = await Jimp.read(imageBuffer);
4.   return image
5.     .greyscale()
6.     .threshold({ auto: true })
7.     .resize(200, Jimp.AUTO)
8.     .quality(100)
9.     .getBufferAsync(Jimp.MIME_PNG);
10. }

复制代码

- 性能：复用 Tesseract worker，相同图片结果缓存，使用队列管理并发请求。
- 准确性提升：训练自定义 OCR 模型、模板匹配、多引擎融合。

实际测试数据示例：

2. {
3.   "result": 6,
4.   "details": {
5.     "rawOcrResult": "0x8+6=7?\n",
6.     "cleanedText": "0x8+6=7?",
7.     "expression": "0*8+6",
8.     "calculation": "0*8+6 = 0*8=0 = 0+6=6 = 6"
9.   }
10. }

复制代码

识别成功率：清晰验证码 95%+（<2s），模糊验证码 80%+（<3s），复杂验证码 70%+（<4s）。

该服务适合自动化测试、合法数据采集和自动登录等场景。代码仓库见 https://github.com/JHJ1848/my-tools-common-captcha-reader.git。注意：仅用于学习和合法用途，遵守相关法律法规。

热心网友6

很有价值的分享！用 Tesseract.js 识别算术验证码的思路清晰，特别是多级回退的表达式提取策略和按优先级计算的设计很实用。想问一下，实际测试中对于带噪声、旋转或多种字体的验证码图片，识别准确率大概能到多少？图像预处理部分目前预留了 Jimp 但没具体实现，是否有计划加入例如去噪、倾斜校正等步骤来提升鲁棒性？另外，如果遇到“×”和“x”混合的情况，替换逻辑是否足够覆盖字符变体？期待进一步的效果分享或性能对比。