現在到處都在談 AI，很久以前用來防機器人的 CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart) 是不是無用武之地了呢？這次剛好有機會拿實例探討一下。
在某個網站，用本篇封面圖這樣簡單的 CAPTCHA 防止非人為的訪問，但這個網站又沒有提供 API，偏偏以我個人了解，這個 API 頗有節省人力成本的價值。因此，研究了一下市面上幾個 CAPTCHA solver，竟然沒有簡單又免費的？有的是複雜到在外開代理伺服器，或大部份甚至連試用的機會也不給，雖然並不貴，也許一美元可以解數百甚至上千次，但總是不踏實。
其實主流的 CAPTCHA 都進化到 reCAPTCHA 了，就是把一張模糊的照片割成幾等分，請你把汽車勾起來的那種，此外還有很多變化，先不在這討論。簡單的 CAPTCHA 用一種古老的跨平台光學辨識工具 Tesseract 就能解決了，基本的用法非常簡單：
如此就能把 image.png 辨識的結果寫到 out.txt，大概八九不離十。因為圖有時候上下左右留白的關係，造成不必要的空行，需要額外的參數：
PSM 是 Page segmentation modes 的意思，7 這個神秘數字的出處可以用 --help-psm 參數查到，指定後就會只有一行內容（多餘的空白行我們後面解決）。有時候我們都確定只會有數字 1 了，它辦識成英文字母大寫 I 或小寫 l 怎麼辦？就要給正確的提示：
接著是多餘的空白行，甚至於有一些「不可列印控制字元」，如 Form Feed 等等，這些在 Linux 的話可以：
其他的作業系統一定也有對應的做法，這樣我們就得到免付費又好用的 CAPTCHA solver 了。
