


This time I will bring you a verification code that randomly generates a verification code using the addition and subtraction algorithm. What are the precautions for randomly generating the verification code using the addition and subtraction algorithm. The following is a practical case, let’s take a look.
This is a demo I found online, and I added part of the code. can use.
It needs to be explained here that when we call this verification code class, it should be used in a separate controller method.
The algorithm of the generated image is generated by code, and then the calculated value is stored in the session.
When verifying, the user’s input value is obtained, and then the value on the server is taken out for comparison.
<?php namespace mobile\components; /** * @author fenghuo * * 改造的加减法验证类 * 使用示例 VerifyCode::get(1,2); * 验证示例 VerifyCode::check($code); */ class VerifyCode { /** * php验证码 */ public static function get($one,$two,$prefix = '', $font_size = 28) { //文件头... ob_get_clean(); header("Content-type: image/png;charset=utf-8;"); //创建真彩色白纸 $width = $font_size*5; $height = $font_size+1; $im = @imagecreatetruecolor($width, $height) or die("建立图像失败"); //获取背景颜色 $background_color = imagecolorallocate($im, 255, 255, 255); //填充背景颜色 imagefill($im, 0, 0, $background_color); //获取边框颜色 $border_color = imagecolorallocate($im, 200, 200, 200); //画矩形,边框颜色200,200,200 imagerectangle($im,0,0,$width - 1, $height - 1,$border_color); //逐行炫耀背景,全屏用1或0 for($i = 2;$i < $height - 2;$i++) { //获取随机淡色 $line_color = imagecolorallocate($im, rand(200,255), rand(200,255), rand(200,255)); //画线 imageline($im, 2, $i, $width - 1, $i, $line_color); } //设置印上去的文字 $firstNum = $one; $secondNum = $two; $actionStr = $firstNum > $secondNum ? '-' : '+'; //获取第1个随机文字 $imstr[0]["s"] = $firstNum; $imstr[0]["x"] = rand(2, 5); $imstr[0]["y"] = rand(1, 4); //获取第2个随机文字 $imstr[1]["s"] = $actionStr; $imstr[1]["x"] = $imstr[0]["x"] + $font_size - 1 + rand(0, 1); $imstr[1]["y"] = rand(1,5); //获取第3个随机文字 $imstr[2]["s"] = $secondNum; $imstr[2]["x"] = $imstr[1]["x"] + $font_size - 1 + rand(0, 1); $imstr[2]["y"] = rand(1, 5); //获取第3个随机文字 $imstr[3]["s"] = '='; $imstr[3]["x"] = $imstr[2]["x"] + $font_size - 1 + rand(0, 1); $imstr[3]["y"] = 3; //获取第3个随机文字 $imstr[4]["s"] = '?'; $imstr[4]["x"] = $imstr[3]["x"] + $font_size - 1 + rand(0, 1); $imstr[4]["y"] = 3; //文字 $text = ''; //写入随机字串 for($i = 0; $i $secondNum ? ($firstNum - $secondNum) : ($firstNum + $secondNum); //显示图片 ImagePng($im); //销毁图片 ImageDestroy($im); } public static function check($code) { if(trim($_SESSION[$prefix.'verifycode']) == trim($code)) { return true; } else { return false; } } }
I believe you have mastered the method after reading the case in this article, and there will be more exciting things. Please pay attention to other related articles on php Chinese website!
Recommended reading:
How to operate format files in php
##Data crawling of Tmall and Taobao products
The above is the detailed content of Randomly generate verification codes using addition and subtraction algorithms. For more information, please follow other related articles on the PHP Chinese website!

特斯拉是一个典型的AI公司,过去一年训练了75000个神经网络,意味着每8分钟就要出一个新的模型,共有281个模型用到了特斯拉的车上。接下来我们分几个方面来解读特斯拉FSD的算法和模型进展。01 感知 Occupancy Network特斯拉今年在感知方面的一个重点技术是Occupancy Network (占据网络)。研究机器人技术的同学肯定对occupancy grid不会陌生,occupancy表示空间中每个3D体素(voxel)是否被占据,可以是0/1二元表示,也可以是[0, 1]之间的

译者 | 朱先忠审校 | 孙淑娟在我之前的博客中,我们已经了解了如何使用因果树来评估政策的异质处理效应。如果你还没有阅读过,我建议你在阅读本文前先读一遍,因为我们在本文中认为你已经了解了此文中的部分与本文相关的内容。为什么是异质处理效应(HTE:heterogenous treatment effects)呢?首先,对异质处理效应的估计允许我们根据它们的预期结果(疾病、公司收入、客户满意度等)选择提供处理(药物、广告、产品等)的用户(患者、用户、客户等)。换句话说,估计HTE有助于我

译者 | 朱先忠审校 | 孙淑娟引言模型超参数(或模型设置)的优化可能是训练机器学习算法中最重要的一步,因为它可以找到最小化模型损失函数的最佳参数。这一步对于构建不易过拟合的泛化模型也是必不可少的。优化模型超参数的最著名技术是穷举网格搜索和随机网格搜索。在第一种方法中,搜索空间被定义为跨越每个模型超参数的域的网格。通过在网格的每个点上训练模型来获得最优超参数。尽管网格搜索非常容易实现,但它在计算上变得昂贵,尤其是当要优化的变量数量很大时。另一方面,随机网格搜索是一种更快的优化方法,可以提供更好的

SimCLR(Simple Framework for Contrastive Learning of Representations)是一种学习图像表示的自监督技术。 与传统的监督学习方法不同,SimCLR 不依赖标记数据来学习有用的表示。 它利用对比学习框架来学习一组有用的特征,这些特征可以从未标记的图像中捕获高级语义信息。SimCLR 已被证明在各种图像分类基准上优于最先进的无监督学习方法。 并且它学习到的表示可以很容易地转移到下游任务,例如对象检测、语义分割和小样本学习,只需在较小的标记

一、盒马供应链介绍1、盒马商业模式盒马是一个技术创新的公司,更是一个消费驱动的公司,回归消费者价值:买的到、买的好、买的方便、买的放心、买的开心。盒马包含盒马鲜生、X 会员店、盒马超云、盒马邻里等多种业务模式,其中最核心的商业模式是线上线下一体化,最快 30 分钟到家的 O2O(即盒马鲜生)模式。2、盒马经营品类介绍盒马精选全球品质商品,追求极致新鲜;结合品类特点和消费者购物体验预期,为不同品类选择最为高效的经营模式。盒马生鲜的销售占比达 60%~70%,是最核心的品类,该品类的特点是用户预期时

译者 | 李睿 审校 | 孙淑娟随着机器学习成为人们每天都在使用的很多应用程序的一部分,人们越来越关注如何识别和解决机器学习模型的安全和隐私方面的威胁。 然而,不同机器学习范式面临的安全威胁各不相同,机器学习安全的某些领域仍未得到充分研究。尤其是强化学习算法的安全性近年来并未受到太多关注。 加拿大的麦吉尔大学、机器学习实验室(MILA)和滑铁卢大学的研究人员开展了一项新研究,主要侧重于深度强化学习算法的隐私威胁。研究人员提出了一个框架,用于测试强化学习模型对成员推理攻击的脆弱性。 研究

目前如谷歌新闻等很多应用都将聚类算法作为主要的实现手段,它们能利用大量的未标注数据构建强大的主题聚类。本文从最基础的 K 均值聚类到基于密度的强大方法介绍了 6 类主流方法,它们各有擅长领域与情景,且基本思想并不一定限于聚类方法。本文将从简单高效的 K 均值聚类开始,依次介绍均值漂移聚类、基于密度的聚类、利用高斯混合和最大期望方法聚类、层次聚类和适用于结构化数据的图团体检测。我们不仅会分析基本的实现概念,同时还会给出每种算法的优缺点以明确实际的应用场景。聚类是一种包括数据点分组的机器学习技术。给

Go语言作为一个现代化的编程语言,时间在开发中占有很重要的位置。Go语言提供了一些内置的时间函数和结构体,使得时间的处理变得更加便捷。在本篇文章中,将会介绍一些Go语言中常用的时间处理方式。time.Now()我们可以使用time.Now()函数获取当前的时间:now:=time.Now()fmt.Println(now)输出:2019-06-131


Hot AI Tools

Undresser.AI Undress
AI-powered app for creating realistic nude photos

AI Clothes Remover
Online AI tool for removing clothes from photos.

Undress AI Tool
Undress images for free

Clothoff.io
AI clothes remover

AI Hentai Generator
Generate AI Hentai for free.

Hot Article

Hot Tools

MinGW - Minimalist GNU for Windows
This project is in the process of being migrated to osdn.net/projects/mingw, you can continue to follow us there. MinGW: A native Windows port of the GNU Compiler Collection (GCC), freely distributable import libraries and header files for building native Windows applications; includes extensions to the MSVC runtime to support C99 functionality. All MinGW software can run on 64-bit Windows platforms.

mPDF
mPDF is a PHP library that can generate PDF files from UTF-8 encoded HTML. The original author, Ian Back, wrote mPDF to output PDF files "on the fly" from his website and handle different languages. It is slower than original scripts like HTML2FPDF and produces larger files when using Unicode fonts, but supports CSS styles etc. and has a lot of enhancements. Supports almost all languages, including RTL (Arabic and Hebrew) and CJK (Chinese, Japanese and Korean). Supports nested block-level elements (such as P, DIV),

WebStorm Mac version
Useful JavaScript development tools

Atom editor mac version download
The most popular open source editor

ZendStudio 13.5.1 Mac
Powerful PHP integrated development environment
