spring-cloud-oauth2升级版本遇到的认证报bad credentials，Encoded password does not look likebcrypt的问题
记录一下今天工作的时候升级一个认证服务遇到的小问题，虽然最后解决只有一行代码，却花了差不多3个小时。
初始版本为
springboot 1.5.9.RELEASE
springcloud Dalston.SR1
升级为
springboot 2.0.3.RELEASE
springcloude finchley.RELEASE
升级改造完成之后，服务运行正常，但是请求认证的时候报错：
http://localhost:9000/oauth/token?grant_type=password&scope=app&client_id=client_2&client_secret=123456&username=user&password=123456
回复
{
“error”: “invalid_client”,
“error_description”: “Bad client credentials”
}
OAuth2.0系列五：OAuth2.0客户端凭证
客户端通过客户端的id和secret申请授权，这种方式给出的令牌，是针对第三方应用的，而不是针对用户的，即有可能多个用户共享同一个令牌。
View DetailsOAuth2.0四种授权模式及实战
首先我们得了解什么是Oauth2.0，简单来说Oauth2.0它是一个授权协议。我们可能会听说过，使用Oauth2.0来实现单点登录SSO，以及第三方登录。那个什么是授权？
举个通俗易懂的例子，就是第三方人员A要想进入B公司的大厦进行业务交流的时候，因为A并不是B公司的员工，出于安全的缘故，所以他不能够自由的出入B公司的大厦。那个A到了B公司前台的时候，A得去前台和B公司前台工作人员说明来意，并且出示邀请（访问）证明，此时B公司前台工作人员就会给你一张临时工牌让你进入大厦。
在这个例子当中，A没有工牌所以是无法进入B公司大厦里进行业务交流，B公司前台给A一张临时工牌，这个操作就相当于授权。
总的来说，OAuth 2.0 这种授权协议，就是保证第三方（软件）只有在获得授权之后，才可以进一步访问授权者的数据。
View DetailsOAuth 2.0 客户端，第 2 部分: 客户端凭据授权
OAuth 是一个开放的授权标准，允许客户端代表一个资源所有者获得对受保护服务器资源的访问权限。资源所有者可以是另一个客户端或最终用户。OAuth 还可以帮助最终用户将对其服务器资源的访问权限授权给第三方，而不必共享其凭据，比如用户名和密码。本系列文章遵从 RFC6749 中列出的 OAuth 2.0 授权框架。可以在 Internet Engineering Task Force 的网站上找到 RFC 6749 中列出的完整 OAuth 2.0 授权框架（请参阅 ）。
View Details【Java】RestTemplate设置header
开发中使用RestTemplate来进行访问，设置请求头的方法： 方法一：单独设置
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
public class TestRestTemplate { @Autowired private RestTemplate restTemplate; public void postObject(String id){ String url="http://www.baidu.com"; MultiValueMap<String, String> map = new LinkedMultiValueMap<>(); map.add("id",id); HttpHeaders header = new HttpHeaders(); // 需求需要传参为form-data格式 header.setContentType(MediaType.MULTIPART_FORM_DATA); HttpEntity<MultiValueMap<String, String>> httpEntity = new HttpEntity<>(map, header); JSONObject response = restTemplate.postForObject(url, httpEntity, JSONObject.class); } } |
方法二：公共设置，使用interceptor拦截器设置 1.添加拦截器
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 |
public class HeaderRequestInterceptor implements ClientHttpRequestInterceptor { private final String headerName; private final String headerValue; public HeaderRequestInterceptor(String headerName, String headerValue) { this.headerName = headerName; this.headerValue = headerValue; } @Override public ClientHttpResponse intercept(HttpRequest request, byte[] body, ClientHttpRequestExecution execution) throws IOException { request.getHeaders().set(headerName, headerValue); return execution.execute(request, body); } |
2.配置RestTemplate Bean
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
@Configuration public class RestTemplateConfig { @Bean public RestTemplate restTemplate() { List<ClientHttpRequestInterceptor> interceptors = new ArrayList<>(); interceptors.add(new HeaderRequestInterceptor("token", "123")); RestTemplate restTemplate = new RestTemplate(); restTemplate.setInterceptors(interceptors); return restTemplate; } } |
3.使用RestTemplate Bean
|
1 2 |
@Autowired private RestTemplate restTemplate; |
from:https://www.cnblogs.com/z-Z-/p/15932021.html
View Details80端口被占用的两种解决方案 – 超详细（已解决）
net stop http
HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\HTTP
Start 设置为0
对比了最常见的几家开源OCR框架，我发现了最好的开源模型
为什么写这篇文章？ 以前看我博客的老粉应该都知道，我从17年开始写技术博客，到今年因为各种原因停更很久，知乎上发的一些技术向文章、教程也是很久之前写的了。一是工作忙，二是我觉得写技术博客救不了年轻人，所以改做视频了。 最近还算有空，上一期视频又刚好用到了OCR的工具，出于一个写了三年博客的人的习惯，我还是决定记录一下这些使用记录，供大家参考。 OCR介绍 什么是OCR？OCR当前的常用技术？ 说到OCR，我提个广告大家肯定都熟悉“小猿搜题，拍照搜题的利器”。这就是OCR在O2O教育领域的一个完美应用。 从严格定义来看，学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。亦即将图像中的文字进行识别，并以文本的形式返回。 OCR的基本流程可以简单分为以下几步： 1. 输入：不同的图像格式有不同的存储、压缩方式，目前有OpenCV、CxImage等。 2. 二值化：如今数码摄像头拍摄的图片大多是彩色图像，彩色图像所含信息量巨大，不适用于OCR技术。为了让计算机更快的、更好地进行OCR相关计算，我们需要先对彩色图进行处理，使图片只剩下前景信息与背景信息。二值化也可以简单地将其理解为“黑白化”。 3. 图像降噪：对于不同的图像根据噪点的特征进行去噪的过程称为降噪。 4. 倾斜校正：由于一般用户，在拍照文档时，难以拍摄得完全符合水平平齐与竖直平齐（我本人就经常拍的歪歪扭扭），因此拍照出来的图片不可避免的产生倾斜，这就需要图像处理软件进行校正。 5. 版面分析：将文档图片分段落，分行的过程称为版面分析 6. 字符切割：由于拍照、书写条件的限制，经常造成字符粘连、断笔，直接使用此类图像进行OCR分析将会极大限制OCR性能。因此需要进行字符切割，即：将不同字符之间分割开。 7. 字符识别：早期以模板匹配为主，后期以结合深度网络的特征提取为主。版面还原：将识别后的文字像原始文档图片那样排列，段落、位置、顺序不变地输出到Word文档、PDF文档等，这一过程称为版面还原。 8. 后期处理：根据特定的语言上下文的关系，对识别结果进行校正。 9. 输出：将识别出的字符以某一格式的文本输出。 以上9步也可以简单总结为 图像预处理和一般的cv流水线没太大差别，基本就是降噪矫正加强老三样。而目前OCR的常见算法模型则迭代的比较迅速，包括文字检测领域的2016 ECCV乔宇老师团队的CTPN，2017 CVPR的EAST和Seglink，感兴趣可以看论文继续了解。文字识别近两年则没有太大进展，有两种传统方法，一种是CNN+RNN+CTC，白翔老师团队的CRNN写的比较清楚，还有一种是CNN+RNN基于Attention的方法。 值得一提的是，OCR这块最近有个比较火的方向，直接把文字检测和识别放到一个网络里joint train，沈春华老师团队2017 ICCV的Towards End-to-end Text Spotting with Convolutional Recurrent Neural Networks这篇文章已经在水平文字上把检测识别end to end做的比较work，感觉这可能是未来一两年的一个热点。 说完算法，下面具体谈谈一些OCR的常用工具和平台。毕竟大多数使用者（包括我）90%的工作就是调包,比如 import paddleocr as ocr 不过调侃归调侃，除非是专门研究这个领域的科研同学，作为OCR使用者，其实大致了解即可，深入算法的性价比不高。与此相对的，如何选择一个可靠、易用的OCR框架则是我们要面临的主要问题。 这种选择本质上像是深度学习界的框架之争，但其实并没有哪个框架是绝对好的，各有优劣。所以，如何选择一个适合自己的OCR框架并深入应用，也是一门艺术。 为了完成自己的需求，我先后尝试了4种不同的OCR框架/Toolkit 这里根据自己的使用经验，我把所有信息封装到以下4个方面：新手友好度、OCR性能、使用成本、个性化训练，做个简短比较，方便大家之后选择适合自己的OCR工具。 PS. 使用成本的★越多代表成本越低 1. 腾讯优图 先讲讲OCR这块做的最早，也是商业化最成功的平台之一，腾讯优图。 地址：https://cloud.tencent.com/product/ocr-catalog 新手友好度（★★★☆） 文档在官网就有，分成了两个部分： 一个是新手指引，教你怎么注册腾讯云，以及开通对应的OCR服务。这里有一点做的比其他几家要好，就是它将用户分为了四类来分别作引导，分别是无代码基础、开发初学者、开发工程师和客户端开发，每一类都有单独的文档链接供不同的用户浏览。 另一个是入门指引，也就是通过新手指引的不同分类中跳转到详细的分页。这里要吐槽一下，入门文档的前半部分和新手指引一字不差，复制粘贴还不如不加。 我因为有开发经验，只需要调用API，所以选了第二种引导。里面写的还是非常详细的，一步一步教我怎么开通、调用腾讯的API。FAQ写的也很全，总体来说对新手很友好。 OCR性能（★★★★） 优图这边采用全API调用，也就是没法用自己的测试集去直接离线跑模型的accuracy、recall这类指标。但是作为优图实验室出品的商业化OCR，模型指标和参数之类的肯定已经tune到极致了，这点没得说。 使用成本（★☆） 使用成本可以分为时间成本和金钱成本来看： 时间成本 有点我始终没想明白，为什么试用一下OCR功能还要实名认证，不仅要注册、手机验证码，还要身份证/人脸识别？？？这些步骤让我想起每去一个地方就要重新注册一个健康码的糟糕体验，建议腾讯优化一下这个劝退操作。 除了认证复杂，其他体验还不错。因为是调用API，所以开发的时间成本很低，照着demo代码改改就行。但是腾讯云必须要注册并实名认证之后才能使用，此外还要领免费包或者购买资源包，这点花了我不少时间。 根据OCR任务的不同（比如身份证识别、银行卡识别），用户需要修改发送的请求参数格式。格式的细节在文档里列的很清楚，倒也算方便。需要注意的是，返回的报文也有不同的参数模式，解析的时候也要改。 金钱成本 商业化的OCR肯定是要付费的，说实话价格不便宜。对于有大量高精度识别需求的企业来说自然不差这点钱，但是我等穷苦开发者，想想还是作罢。 开源与个性化训练（☆） 首先，优图OCR不开源，除了商业化的考量，应该也涉及到自己实验室的算法专利、隐私数据等，不开源属于情理之中。但是对于想要自己DIY或者训练精调模型的开发者来说就比较蛋疼了，除了调个API你什么都动不了，连内部的实现方法都看不到，所有识别也只能基于官方给出的8个固定类型，自由度很低。 总结：高精度、高价格、对非技术新手友好、不支持开发、注册流程复杂 综上，优图作为一个完善的商业化OCR平台，日常的功能基本都满足，OCR模型的准确度也非常高。但是因为我需要做一些OCR的定制化开发，而优图又只支持API调用，所以最后无奈放弃。 2. EasyOCR、Chineseocr、Chineseocr_lite 这三个OCR开源工具是Github里包含中文OCR功能的，排序相对靠前的两个项目，star也都很多。这里我把它们放在一块讲，一是因为这两个开源工具包都比较相似，二是EasyOCR是全语种的（包括70+门外语识别），不单单针对中文，所以它的官方文档自然也都是英文了。对于英文不好的小伙伴来说很不友好。所以这里主要还是基于Chineseocr_和Chineseocr_lite，会提及到EasyOCR 新手友好度（★★☆） Github的文档可能非技术的同学看起来比较费劲，但是对开发同学来说一目了然。编译配置之类的信息，也都写的很清楚 FAQ的话直接在issue里找也基本能覆盖所有常见问题，如果实在找不到可以自己提一个，会有其他follow的用户一起讨论。 不过这种自发、开源的工具，就不要指望有腾讯那种事无巨细的产品文档了，细节不会写的非常清楚。比如我在安装过程中，一度出现了很多BUG，但找不到对应解决方案，只能自己摸索。 属实挺头疼的，建议新手找个有开源库编译经验的帮忙搭建环境。 OCR性能（★★★） […]
View Details谁说Java不行，有了这个类库，你也能实现OCR识别！
OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；
现在有很多软件都支持这个功能，比如钉钉就支持扫描图片后直接转成文字。
在OCR识别领域，有一个开源的项目——Tesseract，Tesseract是一個光学字符识别引擎。Tesseract是基于Apache许可证的自由软件，自2006 年起由Google赞助开发。2006年，Tesseract被认为是最精准的开源光学字符识别引擎之一。
View DetailsOCR开源项目对比总结
OCR是什么？
光学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。亦即将图像中的文字进行识别，并以文本的形式返回。
目前发展现状
ocr的发展已经有了非常多的积累，一般人或者企业使用， 都是直接使用第三方的服务，目前提供第三方服务的大企业也非常多，百度，阿里云，腾讯等等，都提供了非常方便的api接口，可以进行调用，识别的速度、精确度和效果也都是非常不错的。唯一的缺点就是api的调用是需要收费的，对于调用频次不高的个人和企业，这个费用还是非常低的。