动态 Web 校验码图片生成 XVcode
- 授权协议: GPL
- 开发语言: Java
- 操作系统: 跨平台
- 软件首页: https://github.com/botaruibo/xvcode
- 软件文档: https://github.com/botaruibo/xvcode/blob/master/README.md
软件介绍
XVcode,Web 动态验证码图片生成工具,用于生成随机验证码图片及返回验证码。以随机圆圈为干扰背景,增加随机前后景透明度,并提供3种gif动态图。
PngGenerator :
GifGenerator:
Gif2Generator:
Gif3Generator:
该项目用于生成gif图片编码器使用了 gifencoder 项目
快速上手
class Test {
//生成验证码图片到本地磁盘 draw image and save to disk
public void main(String args[]) throws IOException {
String path = ".";//图片存储路径 path for image save
Integer height = 40;//image 高度。 image height. count as pixel
Integer width = 200;//image 宽度。 image width. count as pixel
Integer count = 5; // validation code length.
String validCode = null; //验证码
Generator generator = new PngVCGenerator(width, height, count);
generator.write2out(new FileOutputStream(path + "/1.png")).close();
validCode = generator.text(); //get the validation code as 'String'
System.out.println(validCode);
generator = new GifVCGenerator(width, height, count);// gif
generator.write2out(new FileOutputStream(path + "/1.gif")).close();
validCode = generator.text();
System.out.println(validCode);
generator = new Gif2VCGenerator(width, height, count);// gif
generator.write2out(new FileOutputStream(path + "/2.gif")).close();
validCode = generator.text();
System.out.println(validCode);
generator = new Gif3VCGenerator(width, height, count);// gif
generator.write2out(new FileOutputStream(path + "/3.gif")).close();
validCode = generator.text();
System.out.println(validCode);
}如果要将验证码图片以流的方式传到前端,可以直接使用generator.write2out()方法
Use Under Command(require ${JAVA_HOME} set)
可以使用jar包直接生成本地图片。命令:
java -jar xvcode-1.0-SNAPSHOT-cl
usage :
支持参数如下:
usage: -p dir path for the image, default generate in current dir -h image height, between 50 to 500, default 200 -w image width, between 30 to 300, default 40 -cl validation code length, between 2 to 10, default 5
示例:
java -jar xvcode-1.0-SNAPSHOT-cl -p test/ -h 300 -w 60 -cl 7
数据挖掘导论
Pang-Ning Tan、Michael Steinbach、Vipin Kumar / 范明、范宏建 / 人民邮电出版社 / 2010-12-10 / 69.00元
本书全面介绍了数据挖掘,涵盖了五个主题:数据、分类、关联分析、聚类和异常检测。除异常检测外,每个主题都有两章。前一章涵盖基本概念、代表性算法和评估技术,而后一章讨论高级概念和算法。这样读者在透彻地理解数据挖掘的基础的同时,还能够了解更多重要的高级主题。 本书是明尼苏达大学和密歇根州立大学数据挖掘课程的教材,由于独具特色,正式出版之前就已经被斯坦福大学、得克萨斯大学奥斯汀分校等众多名校采用。 ......一起来看看 《数据挖掘导论》 这本书的介绍吧!
