现有的企业ERP系统需要与另一个公司的WMS系统对接，出库单需要传递给WMS的API接口一个图片格式的ERP出库单附件，进行出库单核验，现有的ERP打印单据使用的Web打印控件Lodop实现的，看了下官方文档，发现只有导出当前页面到图片文件的功能，现在需求是需要打印的出库单样式的图片不是ERP出库单的操作页面，于是想变通下解决这个问题。

通过本文您将了前端二进制流，base64，Protobuf（Protocol Buffers）等相关知识

前端开发中，二进制流（Binary Stream）是以二进制形式传输或处理的原始数据序列，核心用于处理非文本类数据（如图片、文件、音视频），是实现文件上传 / 下载、Canvas 导出、音视频处理等功能的基础。

WebP是什么？

WebP 是一种同时提供了有损压缩与无损压缩的图片文件格式。可以大大压缩图片的大小，并且图片的质量和 png、jpeg 等相同。WebP 的无损压缩比 png 格式的文件平均少了 45％ 的大小。

简介

这里就一句话说明了哈，并能找到这里，都是知道这个是要干嘛的了。

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import base64
import os
from PIL import Image
import pytesseract
import cv2
import numpy as np

# 指定 tesseract 可执行文件的路径
pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'

def preprocess_image(image_path):
    """
    优化预处理：增加降噪和形态学处理
    """
    image = Image.open(image_path)
    image_cv = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)
    
    # 转为灰度并高斯模糊降噪
    gray = cv2.cvtColor(image_cv, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (3, 3), 0)
    
    # 自适应阈值处理
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                                   cv2.THRESH_BINARY_INV, 21, 4)
    
    # 形态学闭运算连接字符
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
    closed = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
    
    # 中值滤波去噪
    processed_image = cv2.medianBlur(closed, 3)
    
    return Image.fromarray(processed_image)

def recognize_captcha(image_path):
    processed_image = preprocess_image(image_path)
    
    # 调试：保存预处理后的图片
    debug_path = "processed_debug.png"
    processed_image.save(debug_path)
    print(f"预处理后的图片已保存至：{os.path.abspath(debug_path)}")
    
    # 调整Tesseract参数（尝试不同PSM模式）
    custom_config = r'--oem 3 --psm 8 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789'
    captcha_text = pytesseract.image_to_string(processed_image, config=custom_config)
    
    return captcha_text.strip()

def download_captcha():
    driver = webdriver.Chrome()
    try:
        driver.get("系统地址")
        img_element = WebDriverWait(driver, 10).until(
            EC.presence_of_element_located((By.XPATH, "img[contains(@src, 'data:image/jpg; base64')]"))
        )
        src_data = img_element.get_attribute("src")
        _, base64_str = src_data.split(",", 1)
        image_data = base64.b64decode(base64_str)
        save_path = "captcha.png"
        with open(save_path, "wb") as f:
            f.write(image_data)
        return save_path
    finally:
        driver.quit()  # 确保关闭浏览器

if __name__ == "__main__":
    image_path = download_captcha()
    if image_path:
        captcha_text = recognize_captcha(image_path)
        print(f"识别结果: {captcha_text}")   给此脚本添加个标题 用于发布

多模态RAG将是2024年AI应用架构发展的一个重要趋势，在前面的一篇文章里提到llama-index在这方面的尝试《利用GPT4-V及llama-index构建多模态RAG应用》，本文[1]中将以另一主流框架langchain为例介绍多模态RAG的实现。

1 咋在文本世界传输二进制数据？

HTTP协议、JSON、HTML、CSS这些都是基于文本。设计初衷是传输字符如 'A', 'B', 'C', '1', '2', '3'。而一张图片（JPG、PNG or GIF）本质是二进制数据，它包含大量在标准文本协议中无法直接表示的字节，如 0x89, 0x50, 0x4E, 0x47 (PNG文件头)。

一、介绍

在实际的业务开发的时候，研发人员往往会碰到很多这样的一些场景，需要提供相关的电子凭证信息给用户，例如网银／支付宝／微信购物支付的电子发票、订单的库存打印单、各种电子签署合同等等，以方便用户查看、打印或者下载。
例如下图的电子发票！

熟悉这块业务的童鞋，一定特别清楚，目前最常用的解决方案是：把相关的数据信息，通过一些技术手段生成对应的 PDF 文件，然后返回给用户，以便预览、下载或者打印。

Ubuntu 24.04系统使用Ollama安装Qwen2.5-VL-7B模型及OpenAPI调用的详细步骤如下：

一、安装Ollama

上一篇课文我们分享了java开发人脸采集系统，这次我们分享人脸识别系统，用的还是虹软开放平台。