东京大学招生海报上的那些事（下）

我也跟着搞了搞，下面把感受和过程贴下。

我选了妹子打伞的那一张，首先就是OCR识别01，在linux下用的tesseract-ocr，具体使用方法在这篇帖子里提到了，很详细，不过稍微有些旧，具体配置过程参见里面提到的官方文档。

提前说一下，偶用tesseract-ocr识别的并不足够准确==！（看STAGE1里面人家用的是汉王搞的，我后来就没有再试，直接用的人家搞下来的01继续了下一步。。）我是这么做的。

首先在google code上下载了tesseract-ocr源码，按文档解决好依赖，然后配置安装。接着下载语言包，在列表里可以看到一个Math/Equation的，不是因为要识别数字就下载这个包，我们只要eng的就可以。然后解压到tessdata下，如果你有自己的安装目录，要export一下tessdata的副文件夹（如果找不到训练集，tesseract也会提示你设一下），不然的话就放在/user/local/share/tessdata下。最新的tesseract已经支持不少图片格式了，因此没必要在convert格式。

执行tesseract 1.png 1.out -l eng。结果只有一点点乱七八糟的东西，一点意义也没有。。为了提高识别准确度，可以把每一行截个图，逐行处理。甚至可以用PS，总之提高图片里数字的对比度跟清晰度，然后再给tesseract识别。

这回好多了，不过发现结果里面有好多字母，我们明明只需要数字的，没必要让它把字母也包进来，况且还是错的。。可以给tesseract加个配置项digits，这样它就只会识别数字了，执行tesseract 1.png 1.out -l eng digits，结果里有一些94.。。再缩小范围，让tesseract只识别01. 不过默认文件没有这个配置项，我们可以手工写一个。

在/usr/local/share/tessdata/configs里，sudo cp digits binarys，然后修改一下binarys，使其只识别01. binarys最终内容如下：tessedit_char_whitelist 01

现在执行tesseract 1.png 1.out -l eng binarys，结果已经好很多了。不过苦B之处在于，这个结果总归是不可信的，你还得一个一个去比对tesseract是不是识别对了。

总结，OCR识别有意义的文字，对准确度要求并不高。但是识别二进制码要求就相当高了，错一个都没的进行下一步==！

接下来就是把识别的文本的二进制码转化成一些有意义的东西。在（上）中，可以看到作者对每行几个，一共几行，总数是不是8的倍数等都统计了一遍，要想出这些二进制码到底是什么感觉是最最难的一步，得有足够的想象力。妹子打伞的这个还好说，直接写成二进制文件就是下一步的结果，红衣端庄全身照的那个，作者最后说搞出来一段二进制码是重复的，并且最后一次重复还有点噪声，然后作者就直接扣出那一段分析，不管其它的了，总觉得不够完美啊，恩。。果然还是这一步最难了。

下面把文本二进制码写成二进制文件的代码贴下，需要说明的是，这段代码不通用，因为我默认的二进制码总数是8的倍数（太烂了，好久不写cpp）。

#include<fstream>
#include<iostream>
using namespace std;
int main(){ifstream infile;infile.open("binary");if(infile){cout<<"open success!"<<endl;ofstream outfile;outfile.open("binaryout",ofstream::out);if(!outfile){cout<<"open write file failure"<<endl;return 0;}else{cout<<"open outfile success!"<<endl;}char in,out,tmp;int count=0;int totalInterator = 0;out=0;while(true){cout<<"totalInterator:"<<totalInterator<<endl;totalInterator++;in = infile.get();if(!infile.good()){break;}if(in==10){continue;}tmp = ((in-'0')<<(7-count));out = out | tmp;count++;if(count==8){count=0;outfile.put(out);outfile.flush();out=0;}}outfile.flush();outfile.close();infile.close();cout<<"done"<<endl;}else{cout<<"open error!"<<endl;}return 0;
}

在（上）中，作者反复提到了big-endian，little-endian，但是这里其实是用不到这个概念的==！不信你看他最后结论是不是都是big-endian正确？big-endian，little-endian分别是一个数存储的时候以高位地址结尾和以低位地址结尾, 但是单位是字节，因此又称作高字节序和低字节序。一个ASCII码本来就是一个字节，因此也无所谓高字节序，低字节序了。作者的意思可能是一个字节正着存还是反着存，这个我觉得除非是解人家加密的密码，否则没有这个考虑的必要。

写出来的二进制文件，要分析它的属性，就需要看文件的头几个字节，类型一般是前三字节。我从网上搜来一点类型，展示一下。

      SWF (swf)："435753"或者“465753"JPEG (jpg)："FFD8FF"PNG (png)："89504E47"GIF (gif)："47494638"TIFF (tif)："49492A00"Bitmap (bmp)："424D"CAD (dwg)："41433130"XML (xml)："3C3F786D6C"HTML (html)："68746D6C3E"));Word/Excel (xls.or.doc)："D0CF11E0"Access (mdb)："5374616E64617264204A"ZIP Archive (zip)："504B0304"RAR Archive (rar)："52617221"Wave (wav)："57415645"AVI (avi)："41564920"Real Media (rm)："2E524D46"MPEG (mpg)："000001BA"或者"000001B3"Quicktime (mov):"6D6F6F76"Windows Media (asf):"3026B2758E66CF11"

由于linux不是靠扩展名识别文件类型的，所以gnome一下就认出了这是gz，不然我们就自己搜然后用对应的软件打开好了。

给二进制文件（我的叫binaryout）加上扩展名gz，命令行解压下：gunzip binaryout.gz。或者保留着源压缩包，gunzip -c binaryout.gz > binaryout

不加扩展名，gunzip默认是不给你解压的，除非加上参数-f。

然后华丽的class文件就出来了~cafe babe有木有~

你可以这么看二进制文件：vim binaryout -b以二进制方式察看，然后在vim里面转换成十六进制，看的方便点: %!xxd .有一篇文章讲的就是这个。

直接运行找不到类是正常的，因为Java 要求文件的类名要和程序里的类名统一的，即主程序类名是A，那么这个编译后的class文件命名为A.class。我们搞成这种形式就能运行了。在（上）中，java抛出的错误直接提示了类名是i。我的并没有这个提示，只说找不到类。其实都到这步了，哪用管这么多，直接jd反编译，看结果。不贴代码了，（中）里面62楼有写的，那就是完整代码。

然后或者你把binaryout改名成i.class，或者你干脆把代码copy到你的eclipse里运行一下，URL结果就出来了。

其实这段java代码也挺好玩，这段杂乱的字符串是怎么组织起来成为URL的？

我们通过以下代码来看每次访问的index

#include<stdio.h>
int main(){int arr[42];int x,i;for(i=0;i<42;i++){arr[i]=0;}for(i=0;i<50;i++){x = i * 6 % 41;printf("%d",x);if(arr[x]==0){arr[x]=1;}else{printf("collision!");}printf("\n");}return 0;
}

输出结果发现，前41个根本没有冲突，接下来才会发生冲突。而 www.i.u-tokyo.ac.jp/fun/hikari-loveletter，这段URL长度正好是41！因此只要对URL每个字符换到新的位置，就是w-aurlwtcniewo./-t.kjhltiypioe.o/kvru.fae这段混乱的字符了。

东京大学这么用心，给跪了。。情报，和服，妹子，诗跟音乐，这海报牛大了。

东京大学招生海报上的那些事（下）相关推荐

东京大学招生海报上的那些事（中）
我只是觉得很好玩==!,这篇就是STAGE1上的原文,也备案在这里,可以看看他们寻找答案的过程~PS:还有若干对和服的探讨~~ 来自http://bbs.saraba1st.com/2b/read-h ...
在东京大学感受_我们想在东京在线游戏展上看到的10件事
在东京大学感受 The Tokyo Game Show will take place online this year, from Sept. 23–27, but there are still ...
大学教授课堂上吸烟，不是什么不得了的事！
大学教授课堂上吸烟,不是什么不得了的事! 最近复旦大学王德峰教授因在课堂上吸烟的行为,成为网红人物.据他本人讲,不吸烟就萎靡不振,思维不活跃.讲课时香烟袅袅,又能出口成章,口灿莲花,堪称一景.对于他的 ...
乔布斯在斯坦福大学毕业典礼上的演讲
乔布斯在斯坦福大学毕业典礼上的演讲苹果总裁乔布斯在斯坦福大学毕业典礼上的演讲 2005年6月12日美国斯坦福大学毕业典礼现场 I am honored to be with you today f ...
乔布斯05年斯坦福大学毕业典礼上的演讲
(视频链接:http://www.tudou.com/programs/view/yIMyzGVYQKs/) Thank you. I'm honored to be with you today f ...
2005年乔布斯在斯坦福大学毕业典礼上的演讲
2019独角兽企业重金招聘Python工程师标准>>> 我今天很荣幸能和你们一起参加毕业典礼,斯坦福大学是世界上最好的大学之一.我从来没有从大学中毕业.说实话,今天也许是在我的生命中 ...
到家自动充电，拜拜充电线！东京大学开发自动充电房间，能量成为“与空气一样的东西”...
全世界只有3.14 % 的人关注了青少年数学之旅每天下班回家第一件事,是不是给手机充电? 但是充电线在哪,你找得到吗? 如果现在告诉你,一回到家,手机就能自动充电,简直就是整理苦手的救星! 好消息 ...
乔布斯在2005年斯坦福大学毕业典礼上的演讲：我生命中的三个故事
'You've got to find what you love,' Jobs says ★★★★★ 乔布斯说:你必须要找到你所钟爱的东西 T his is the text of the Com ...
恶犬秒变萌汪：东京大学开源“治愈系”GAN图片拼贴工具 | 技术头条
参加「CTA 核心技术及应用峰会」,请扫码报名 ↑↑↑ 译者 | linstancy 责编 | 琥珀出品 | AI科技大本营(id:rgznai100) 教新手画画?字体风格迁移?换明星" ...

东京大学招生海报上的那些事（下）

东京大学招生海报上的那些事（下）相关推荐

最新文章

热门文章