谷歌reCaptcha协议提交解决思路介绍

本篇介绍供思路参考，文内介绍的参考DEMO：requests、selenium

本教程是几年前基于旧版api接口编写的，目前api接口是新版本，原理一样只是格式不同请勿钻牛角尖

ReCAPTCHA 介绍

可能大家还没听说过什么是 ReCAPTCHA，可能由于某些原因，这个在国内出现不多，不过想必大家应该多多少少见过或用过。它长这个样子：

这时候，只要我们点击最前面的复选框，算法会首先利用其「风险分析引擎」做一次安全检测，如果直接检验通过的话，我们会直接得到如下的结果：

如果算法检测到当前系统存在风险，比如可能是陌生的网络环境，可能是模拟程序，会需要做二次校验。它会进一步弹出类似如下的内容：

比如上面这张图，页面会出现九张图片，同时最上方出现文字「树木」，我们需要点选下方九张图中出现「树木」的图片，点选完成之后，可能还会出现几张新的图片，我们需要再次完成点选，最后点击「验证」按钮即可完成验证。或者我们可以点击下方的「耳机」图标，这时候会切换到听写模式，会变成这样：

这时候我们如果能填写对读的音频内容，同样可以通过验证。这两种方式都可以通过验证，验证完成之后，我们才能完成表单的提交，比如完成登录、注册等操作。这种叫什么名字？这个就是 Google 的 ReCAPTCHA V2 ，它就属于行为验证的一种，这些行为包括点选复选框、选择对应图片、语音听写等内容，只有将这些行为校验通过，此验证码才能通过验证。相比于一般的图形验证码来说，此种验证码交互体验更好、安全性会更高、破解难度更大。

其实上文所介绍的仅仅是 ReCAPTCHA 的一种形式，是 V2 的显式版本，另外其 V2 版本还有隐式版本，隐式版本在校验的时候不会再显式地出现验证页面，它是通过 JavaScript 将和提交按钮进行绑定，在提交表单的时候会自动完成校验。除了 V2 版本，Google 又推出了最新的 V3 版本，reCAPTCHA V3 会为根据用户的行为来计算一个分数，这个分数代表了用户可能为机器人的概率，最后通过概率来判断校验是否可以通过。其安全性更高、体验更好。

体验

那哪里可以体验到 ReCAPTCHA 呢？我们可以打开这个网站：https://www.google.com/recaptcha/api2/demo，建议科学上网，同时用匿名窗口打开，这样的话测试不会受到历史 Cookies 的干扰，如图所示：

这时候，我们可以看到下方有个 ReCAPTCHA 的窗口，然后点击之后就出现了一个验证图块。

当然靠人工是能解的，但对于爬虫来说肯定不行啊，那怎么自动化解呢？

接下来我们就来介绍一个简单好用的平台。

解决方案

本次我们介绍的一个 ReCAPTCHA 破解服务叫做 YesCaptcha，主页是 https://yescaptcha.com/，它现在同时可以支持 V2 和 V3版本的破解。

我们这次就用它来尝试解一下刚才的 ReCAPTCHA 上的 V2 类型：https://www.google.com/recaptcha/api2/demo。

简单注册之后，可以找到首页有一个 Token。我们可以复制下来以备后面使用，如图所示：

它有两个关键的 API，一个是创建服务任务，另一个是查询任务状态，API 如下：

创建任务：https://yescaptcha.atlassian.net/wiki/spaces/YESCAPTCHA/pages/33351
查询状态：https://yescaptcha.atlassian.net/wiki/spaces/YESCAPTCHA/pages/196857

API 文档可以参考这里：https://yescaptcha.atlassian.net/wiki/spaces/YESCAPTCHA/pages/229796

经过 API 文档可以看到使用的时候可以配置如下参数：

参数名	是否必须	说明

参数名	是否必须	说明
token	是	请在个人中心获取 (Token)
websiteKey	是	ReCaptcha SiteKey （固定参数）
websiteURL	是	ReCaptcha Referer （一般也为固定参数）
type	否	NoCaptchaTaskProxyless、RecaptchaV2TaskProxyless

这里就有三个关键信息了：

token：就是刚才我们在 YesCaptcha 上复制下来的参数
websiteKey：这个是 ReCAPACHA 的标志字符串，稍后我们会演示怎么找。
websiteURL，一般是 ReCAPTCHA 的来源网站的 Referer，比如对于当前的案例，该值就是

那 siteKey 怎么找呢？其实很简单，我们看下当前 ReCAPTCHA 的 HTML 源码，从源码里面找一下就好了：

这里可以看到每个 ReCAPTCHA 都对应一个 div，div 有个属性叫做 date-sitekey，看这里的值就是：

6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-

好，万事俱备了，只差代码了！

开工

本教程是几年前基于旧版api接口编写的，目前api接口是新版本，原理一样只是格式不同请勿钻牛角尖

我们就用最简单 requests 来实现下吧，首先把常量定义一下：

TOKEN = '50a07xxxxxxxxxxxxxxxxxxxxxxxxxf78'  # 请替换成自己的TOKEN
TYPE = "NoCaptchaTaskProxyless" # 验证码类型，reCaptchaV2 是 NoCaptchaTaskProxyless
REFERER = 'https://www.google.com/recaptcha/api2/demo'
BASE_URL = 'http://api.yescaptcha.com' # 以前的旧版服务器地址：http://api.yescaptcha.365world.com.cn 已停用
SITE_KEY = '6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-' # 请替换成自己的SITE_KEY

这里我们定义了这么几个常量：

TOKEN：就是网站上复制来的 token
REFERER：就是 Demo 网站的链接
API_BASE_URL：就是 YesCaptcha 的 API 网址
SITE_KEY：就是刚才我们找到的 data-sitekey

然后我们定义一个创建任务的方法：

def create_task():
    url = F"{BASE_URL}/createTask"
    data = {
        "clientKey": TOKEN,
        "task": {
            "websiteURL": REFERER,
            "websiteKey": SITE_KEY,
            "type": TYPE
        }
    }
    try:
        response = requests.post(url, json=data, verify=False)
        if response.status_code == 200:
            data = response.json()
            print('response data:', data)
            return data.get('taskId')
    except requests.RequestException as e:
            print('create task failed', e)

这里就是调 API 来创建任务，没什么好说的。

如果创建成功之后会得到一个 task_id，接下来我们就需要用这个 task_id 来轮询查看任务的状态，定义如下的这么一个方法：

这里就是设置了最长轮询次数 120 次，请求的 API 就是查询任务状态的 API，会得到一个任务状态的结果，如果结果是 Success，那就证明任务成功了，解析其中的 response 结果就是之后得到的 token。

两个方法调用一下：

运行结果类似如下：

如果其返回的是如上格式的数据，就代表 ReCAPTCHA 已经识别成功了，其返回的 response 字段的内容就是识别的 token，我们直接拿着这个 token 放到表单里面提交就成功了。

那这个 token 怎么来用呢？其实如果我们用浏览器验证验证成功之后，点击表单提交的时候，在其表单里面会把一个 name 叫做 g-recaptcha-response 的 textarea 赋值，如果验证成功，它的 value 值就是验证之后得到的 token，这个会作为表单提交的一部分发送到服务器进行验证。如果这个字段校验成功了，那就没问题了。

所以，如上的过程相当于为我们模拟了点选的过程，其最终得到的这个 token 其实就是我们应该赋值给 name 为 g-recaptcha-response 的内容。那么怎么赋值呢？很简单，用 JavaScript 就好了。我们可以用 JavaScript 选取到这个 textarea，然后直接赋值即可，代码如下：

注意这里的 TOKEN_FROM_YESCAPTCHA 需要换成刚才我们所得到的 token 值。我们做爬虫模拟登录的时候，假如是用 Selenium、Puppeteer 等软件，在模拟程序里面，只需要模拟执行这段 JavaScript 代码，就可以成功赋值了。执行之后，直接提交表单，我们查看下 Network 请求：

可以看到其就是提交了一个表单，其中有一个字段就是 g-recaptcha-response，它会发送到服务端进行校验，校验通过，那就成功了。所以，如果我们借助于 YesCaptcha 得到了这个 token，然后把它赋值到表单的 textarea 里面，表单就会提交，如果 token 有效，就能成功绕过登录，而不需要我们再去点选了。最后我们得到如下成功的页面：

当然我们也可以使用 requests 来模拟完成表单提交：

最后完善一下调用：

运行结果如下：

最后就可以发现，模拟提交之后，结果会有一个 Verification Success... Hooray! 的文字，就代表验证成功了！

至此，我们就成功完成了 ReCAPTCHA 的破解。

上面我们介绍的是 requests 的实现，当然使用 Selenium 等工具也可以实现，具体的 Demo 在文档也写好了，请大家参考文档的说明使用即可。