我也跟着搞了搞，下面把感受和过程贴下。
我选了妹子打伞的那一张，首先就是OCR识别01，在linux下用的tesseract-ocr，具体使用方法在这篇帖子里提到了，很详细，不过稍微有些旧，具体配置过程参见里面提到的官方文档。
提前说一下，偶用tesseract-ocr识别的并不足够准确==！（看STAGE1里面人家用的是汉王搞的，我后来就没有再试，直接用的人家搞下来的01继续了下一步。。）我是这么做的。
首先在google code上下载了tesseract-ocr源码，按文档解决好依赖，然后配置安装。接着下载语言包，在列表里可以看到一个Math/Equation的，不是因为要识别数字就下载这个包，我们只要eng的就可以。然后解压到tessdata下，如果你有自己的安装目录，要export一下tessdata的副文件夹（如果找不到训练集，tesseract也会提示你设一下），不然的话就放在/user/local/share/tessdata下。最新的tesseract已经支持不少图片格式了，因此没必要在convert格式。
执行tesseract 1.png 1.out -l eng。结果只有一点点乱七八糟的东西，一点意义也没有。。为了提高识别准确度，可以把每一行截个图，逐行处理。甚至可以用PS，总之提高图片里数字的对比度跟清晰度，然后再给tesseract识别。
这回好多了，不过发现结果里面有好多字母，我们明明只需要数字的，没必要让它把字母也包进来，况且还是错的。。可以给tesseract加个配置项digits，这样它就只会识别数字了，执行tesseract 1.png 1.out -l eng digits，结果里有一些94.。。再缩小范围，让tesseract只识别01. 不过默认文件没有这个配置项，我们可以手工写一个。
在/usr/local/share/tessdata/configs里，sudo cp digits binarys，然后修改一下binarys，使其只识别01. binarys最终内容如下：tessedit_char_whitelist 01
现在执行tesseract 1.png 1.out -l eng binarys，结果已经好很多了。不过苦B之处在于，这个结果总归是不可信的，你还得一个一个去比对tesseract是不是识别对了。
总结，OCR识别有意义的文字，对准确度要求并不高。但是识别二进制码要求就相当高了，错一个都没的进行下一步==！
接下来就是把识别的文本的二进制码转化成一些有意义的东西。在（上）中，可以看到作者对每行几个，一共几行，总数是不是8的倍数等都统计了一遍，要想出这些二进制码到底是什么感觉是最最难的一步，得有足够的想象力。妹子打伞的这个还好说，直接写成二进制文件就是下一步的结果，红衣端庄全身照的那个，作者最后说搞出来一段二进制码是重复的，并且最后一次重复还有点噪声，然后作者就直接扣出那一段分析，不管其它的了，总觉得不够完美啊，恩。。果然还是这一步最难了。
下面把文本二进制码写成二进制文件的代码贴下，需要说明的是，这段代码不通用，因为我默认的二进制码总数是8的倍数（太烂了，好久不写cpp）。
#include<fstream>
#include<iostream>
using namespace std;
int main(){
ifstream infile;
infile.open("binary");
if(infile){
cout<<"open success!"<<endl;
ofstream outfile;
outfile.open("binaryout",ofstream::out);
if(!outfile){
cout<<"open write file failure"<<endl;
return 0;
}else{
cout<<"open outfile success!"<<endl;
}
char in,out,tmp;
int count=0;
int totalInterator = 0;
out=0;
while(true){
cout<<"totalInterator:"<<totalInterator<<endl;
totalInterator++;
in = infile.get();
if(!infile.good()){
break;
}
if(in==10){
continue;
}
tmp = ((in-'0')<<(7-count));
out = out | tmp;
count++;
if(count==8){
count=0;
outfile.put(out);
outfile.flush();
out=0;
}
}
outfile.flush();
outfile.close();
infile.close();
cout<<"done"<<endl;
}else{
cout<<"open error!"<<endl;
}
return 0;
}
在（上）中，作者反复提到了big-endian，little-endian，但是这里其实是用不到这个概念的==！不信你看他最后结论是不是都是big-endian正确？big-endian，little-endian分别是一个数存储的时候以高位地址结尾和以低位地址结尾, 但是单位是字节，因此又称作高字节序和低字节序。一个ASCII码本来就是一个字节，因此也无所谓高字节序，低字节序了。作者的意思可能是一个字节正着存还是反着存，这个我觉得除非是解人家加密的密码，否则没有这个考虑的必要。
写出来的二进制文件，要分析它的属性，就需要看文件的头几个字节，类型一般是前三字节。我从网上搜来一点类型，展示一下。
SWF (swf)："435753"或者“465753"
JPEG (jpg)："FFD8FF"
PNG (png)："89504E47"
GIF (gif)："47494638"
TIFF (tif)："49492A00"
Bitmap (bmp)："424D"
CAD (dwg)："41433130"
XML (xml)："3C3F786D6C"
HTML (html)："68746D6C3E"));
Word/Excel (xls.or.doc)："D0CF11E0"
Access (mdb)："5374616E64617264204A"
ZIP Archive (zip)："504B0304"
RAR Archive (rar)："52617221"
Wave (wav)："57415645"
AVI (avi)："41564920"
Real Media (rm)："2E524D46"
MPEG (mpg)："000001BA"或者"000001B3"
Quicktime (mov):"6D6F6F76"
Windows Media (asf):"3026B2758E66CF11"
由于linux不是靠扩展名识别文件类型的，所以gnome一下就认出了这是gz，不然我们就自己搜然后用对应的软件打开好了。
给二进制文件（我的叫binaryout）加上扩展名gz，命令行解压下：gunzip binaryout.gz。或者保留着源压缩包，gunzip -c binaryout.gz > binaryout
不加扩展名，gunzip默认是不给你解压的，除非加上参数-f。
然后华丽的class文件就出来了~cafe babe有木有~
你可以这么看二进制文件：vim binaryout -b以二进制方式察看，然后在vim里面转换成十六进制，看的方便点: %!xxd .有一篇文章讲的就是这个。
直接运行找不到类是正常的，因为Java 要求文件的类名要和程序里的类名统一的，即主程序类名是A，那么这个编译后的class文件命名为A.class。我们搞成这种形式就能运行了。在（上）中，java抛出的错误直接提示了类名是i。我的并没有这个提示，只说找不到类。其实都到这步了，哪用管这么多，直接jd反编译，看结果。不贴代码了，（中）里面62楼有写的，那就是完整代码。
然后或者你把binaryout改名成i.class，或者你干脆把代码copy到你的eclipse里运行一下，URL结果就出来了。
其实这段java代码也挺好玩，这段杂乱的字符串是怎么组织起来成为URL的？
我们通过以下代码来看每次访问的index
#include<stdio.h>
int main(){
int arr[42];
int x,i;
for(i=0;i<42;i++){
arr[i]=0;
}
for(i=0;i<50;i++){
x = i * 6 % 41;
printf("%d",x);
if(arr[x]==0){
arr[x]=1;
}else{
printf("collision!");
}
printf("\n");
}
return 0;
}
输出结果发现，前41个根本没有冲突，接下来才会发生冲突。而www.i.u-tokyo.ac.jp/fun/hikari-loveletter，这段URL长度正好是41！因此只要对URL每个字符换到新的位置，就是w-aurlwtcniewo./-t.kjhltiypioe.o/kvru.fae这段混乱的字符了。
东京大学这么用心，给跪了。。情报，和服，妹子，诗跟音乐，这海报牛大了。