用 Go 构建验证码图像识别系统（结合 Python 模型服务）

本教程介绍如何利用 Go 构建一个验证码识别系统的前端接口服务，它接收上传的验证码图片，调用远端的 Python 模型识别服务，返回识别结果。

一、系统组成
前端：使用 Go (Gin 框架) 编写一个 HTTP API，用于接收上传的验证码图片。

后端：Python 部署的验证码识别模型（建议使用 FastAPI/Flask）。

通信：Go 使用 HTTP 向 Python 服务发送图像进行识别。

二、Go 项目结构
更多内容访问ttocr.com或联系1436423940
captcha-go/
├── main.go # 主服务文件
├── go.mod
├── go.sum
三、Go 接收图像并转发识别请求

1. 安装依赖

go mod init captcha-go
go get github.com/gin-gonic/gin
go get github.com/go-resty/resty/v2
2. main.go 示例代码

package main
更多内容访问ttocr.com或联系1436423940
import (
"bytes"
"fmt"
"io"
"mime/multipart"
"net/http"
"os"
"path/filepath"

"github.com/gin-gonic/gin"
"github.com/go-resty/resty/v2"

)

const pythonAPI = "http://127.0.0.1:5000/predict"

func main() {
router := gin.Default()

router.POST("/captcha/recognize", func(c *gin.Context) {
	file, err := c.FormFile("image")
	if err != nil {
		c.JSON(http.StatusBadRequest, gin.H{"error": "请上传图片"})
		return
	}

	tempPath := filepath.Join(os.TempDir(), file.Filename)
	if err := c.SaveUploadedFile(file, tempPath); err != nil {
		c.JSON(http.StatusInternalServerError, gin.H{"error": "保存图片失败"})
		return
	}

	result, err := callPythonModel(tempPath)
	if err != nil {
		c.JSON(http.StatusInternalServerError, gin.H{"error": "识别失败"})
		return
	}

	c.JSON(http.StatusOK, gin.H{"captcha": result})
})

router.Run(":8080")

}

func callPythonModel(imagePath string) (string, error) {
client := resty.New()
file, err := os.Open(imagePath)
if err != nil {
return "", err
}
defer file.Close()

var buffer bytes.Buffer
writer := multipart.NewWriter(&buffer)

part, err := writer.CreateFormFile("image", filepath.Base(imagePath))
if err != nil {
	return "", err
}
_, err = io.Copy(part, file)
if err != nil {
	return "", err
}
writer.Close()

resp, err := client.R().
	SetHeader("Content-Type", writer.FormDataContentType()).
	SetBody(buffer.Bytes()).
	Post(pythonAPI)

if err != nil {
	return "", err
}

return string(resp.Body()), nil

}
四、Python 后端服务参考（FastAPI）

from fastapi import FastAPI, File, UploadFile
from fastapi.responses import JSONResponse
from PIL import Image
import io

app = FastAPI()

@app.post("/predict")
async def predict(image: UploadFile = File(...)):
contents = await image.read()
img = Image.open(io.BytesIO(contents)).convert('RGB')

# 加载模型、推理、返回字符串（这里模拟返回）
return JSONResponse(content={"captcha": "ABCD"})

五、测试接口
上传图片识别：

curl -X POST -F "image=@test.png" http://localhost:8080/captcha/recognize
响应结果：

{"captcha": "ABCD"}