Hcaptcha图像识别接口教程

本文转自公众号:如何优雅的破解HCaptcha验证码

 

HCaptcha介绍

HCaptcha是国外知名的验证码服务商,其主要功能就是为网站提供验证码服务,避免网站被恶意爬虫肆意爬取信息。相比于HCaptcha,大家可能更加熟悉Google reCaptcha(Google提供的验证码服务),但因为某些原因,国内是无法使用Google reCaptcha的,所以HCaptcha便成为多数国际型网站更优的一个选择。

本文会介绍一种优雅的方式来突破HCaptcha验证码,在介绍突破方式前,先简单介绍与体验一下HCaptch。

HCaptcha的交互形式如下,首先我们需要点击复选框,如下图:

 

点我们点击复选框时,验证码会先通过其风险分析引擎判断当前用户的风险,如果是低风险用户,便可以直接通过,反之,验证码会弹出对话框,让你回答对话框中的问题,如下图:

HCaptcha验证码会给你一个问题,比如上图的问题是【请点击每张包含火车的图片】,我们需要从下面的九张图中选择出含有火车的图片,如果九张图片中,没有火车,则点击【跳过】按钮,如果有,则将所有带有火车的图片都选择上,跳过按钮会变成【检查】按钮,如下图:

通过验证后,便会出现如下结果:

体验HCaptcha

我们可以通过https://democaptcha.com/demo-form-eng/hcaptcha.html网站来体验HCaptcha,为了避免历史数据的影响,建议使用Chrome的无痕模式来访问该网站,如下图所示:

点击图中的HCaptcha,便可以体验HCaptcha验证码的完整流程了。

至此,HCaptcha的大体情况我们已经熟悉了,那么我们要怎么突破该验证码呢?当然是使用机器学习相关的技术啦,下面我们介绍一款简单好用的平台。

解决方案

对于HCaptcha验证码,我们可以使用YesCaptcha服务来破解,该服务使用起来非常简单,访问其主页:http://www.yescaptcha.com/,通过邮箱注册一个账户。

YesCaptcha不止支持HCaptcha,还支持Google reCaptcha V2/V3版本的破解,这里我们先关注其对HCaptch的破解。

注册完YesCaptcha后,会获得一个clientKey,基于该clientKey便可以使用YesCaptcha提供的破解服务了。

对于HCaptcha相关破解,需要在YesCaptcha中创建破解验证码服务的API,相关文档为:https://yescaptcha.atlassian.net/wiki/spaces/YESCAPTCHA/pages/24543233

阅读文档后,发现只需要构建出下面表格中的参数并请求创建任务的API,便可以实现验证码的破解了。

属性

类型

必须

说明

属性

类型

必须

说明

type

string

HCaptchaClassification 10 点数

queries

list[string]

Base64 编码的图片,不要包含 "data:image/***;base64,"

以列表形式拼合1到9张图片:[base64, base64,base64,……]

 

 

 

question

String

问题 ID, 请查表,支持中英文,其他语言请自行转换

代码实现

通过文档可知,我们需要HCaptcha验证码九宫格中图片对应的Base64以及验证码中的问题,通过Chrome的Network可知,HCaptcha会通过https://hcaptcha.com/getcaptcha获得验证码图片,该接口会返回JSON格式的数据,其中就包含了验证码的问题以及九宫格中的图片,如下图所示:

通过Selenium自动化浏览器,获得上图所示的数据,随后配合requests库和base64库,将图片转为相应的base64编码,具体代码如下:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 headers = {     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36' } def get_as_base64(url):     return base64.b64encode(requests.get(url).content) def get_captcha_image_base64(data):     image_result = []     for d in data:         img_base64 = get_as_base64(d['datapoint_uri'])         img_base64 = img_base64.decode('utf-8')         image_result.append({             'url': d['datapoint_uri'],             'task_key': d['task_key'],             'base64': img_base64         })     return image_result

有了验证码九宫格图片对于的base64后,结合获得的问题,便可以请求YesCaptcha创建破解任务的服务了,代码如下:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 def create_task(question, queries):     url = 'https://api.yescaptcha.com/createTask'     data = {         "clientKey": clientKey,         "task": {             "type": "HCaptchaClassification",             "question": question,             "queries": queries,         }     }     r = requests.post(url, json=data, timeout=60)     return r.json()

将上述代码整合起来,便可得到一个完整的流程:

1 2 3 4 5 6 7 8 9 10 if __name__ == '__main__':     with open('data.json', encoding='utf8') as f:         data = f.read()     data = json.loads(data)     question = data.get('requester_question', {}).get('zh')     tasklist = data.get('tasklist')     images = get_captcha_image_base64(tasklist)     queries = [d['base64'] for d in images]     result = create_task(question=question, queries=queries)     pprint.pprint(result)

以下图为例,通过上述代码进行破解。

运行上述代码后,获得结果如下:

1 2 3 4 5 6 7 8 9 10 11 12 13 {'errorCode': '',  'errorId': 0,  'solution': {'objects': [True,                           True,                           True,                           True,                           False,                           False,                           True,                           True,                           True]},  'status': 'ready',  'taskId': '13463c20-d031-11ec-b16d-c664134fc872'}

其中solution便是此次破解任务的结果,它的顺序与你请求时queries参数的顺序一致,基于solution的结果,利用Selenium便可完成相应的点击操作,如下图所示

 

点击【检查】按钮,完成HCaptcha验证码的破解

因为本文侧重于如何破解HCaptcha,所以没花篇幅讨论如何使用Selenium去自动化浏览器获得数据,但这个内容非常简单,网上相关内容也比较多,就不花费笔墨介绍了。