在 C# 中识别 MTCaptcha:用 Playwright 和 MtCaptchaAsync

mtcaptcha in c# - MTCaptcha in C#: Solve It in Playwright With MtCaptchaAsync

要用真实浏览器在 C# 中识别 MTCaptcha,请用 Playwright for .NET 打开页面,从页面的 mtcaptchaConfig 对象里读出 sitekey,再把它传给 CapSkip NuGet 包里的 MtCaptchaAsync。返回的 token 会放进隐藏的 mtcaptcha-verifiedtoken 字段,再点击一下提交表单。这个调用会发往 CapSkip MTCaptcha 识别工具 ,它运行在你自己的 Windows PC 上。CapSkip 自己读出扭曲的文字,不按 token 收费。

你需要什么

  • 一台运行 CapSkip 4.3.0 或更高版本的 Windows PC,因为 MTCaptcha 就是从这个版本开始支持的。请先让它运行起来,方法见 设置指南.
  • 需要 .NET 8 SDK 或更高版本,加上两个 NuGet 包:Microsoft.Playwright 和 CapSkip 1.7.0 或更高版本(引入 MtCaptchaAsync 的版本)。这里只安装了 SDK 10.0.100,所以我用它针对 net10.0 和 net8.0 构建,使用 CapSkip 1.7.0 和 Playwright 1.64.1。只装有 8 SDK 的机器未经测试。
  • Windows PowerShell 5.1 或更高版本,以及一个你被允许自动化操作、带有 MTCaptcha 小组件的页面。
  • CapSkip 的地址。Local 模式只在 127.0.0.1 上响应。在 Server 模式下,API 也可以通过你的网络地址或公网 IP 从其他机器访问。用哪一种取决于 连接设置.

结果背后有三件事。我这台 PC 上真实的 CapSkip 应用处理了三个任务:两个用的是 2Captcha 演示页面的公开值,一个用的是那个 sitekey 在另一个域名上的情形。它的 Release 构建文件夹显示为 4.3.0,但我无法确认应答的实例就是那个构建。Chromium 以只读方式加载了演示页面,没有任何 token 发往任何站点。我写的一个模拟服务器扮演 in.php、res.php 和一个登录站点,表单规则是我自己的。没有测试任何真实站点。

第 1 步:创建项目并下载浏览器

NuGet 包里不含浏览器。构建会把 playwright.ps1 写入输出文件夹,所以先构建一次,再运行这个脚本。关于安装浏览器, Playwright 文档 里的命令是用 pwsh 写的,也就是 PowerShell 7。我的 PC 上只有 Windows PowerShell 5.1,脚本是在绕过执行策略的情况下在其中运行的。

dotnet new console -o mtcaptcha-demo
cd mtcaptcha-demo
dotnet add package CapSkip
dotnet add package Microsoft.Playwright
dotnet build
powershell -ExecutionPolicy Bypass -Command "& (Get-ChildItem bin\Debug\net*\playwright.ps1 | Select-Object -First 1).FullName install chromium"

安装用了 33.5 秒,下载了 Chrome for Testing 156.0.8078.4(197.5 MiB)和一个 headless shell(118.1 MiB)。如果没有与你的 Playwright 版本对应的浏览器,启动会失败,抛出未处理的 PlaywrightException,消息是 Executable doesn’t exist。

删掉 Program.cs 里的所有内容,包括模板里的 Console.WriteLine 那一行。然后按顺序粘贴第 2 步、第 3 步和第 4 步的代码块,并省略 Proxy 代码片段。只有第一个代码块带有 using 行,所以最后一个代码块就位之后程序才能工作。

第 2 步:读取页面的配置并调用 MtCaptchaAsync

页面把它的 sitekey 设在一个名为 mtcaptchaConfig 的脚本变量里,同一个对象还可能带有 action。经典脚本变量是 window 的属性,所以 Playwright 不用解析 HTML,就能从已加载的页面读取它。

在 2Captcha 演示页面上,16 次加载(两次只读运行)中 GotoAsync 返回时 window.mtcaptchaConfig 都是 undefined,要过 0.3 到 1.8 秒才出现,所以代码会等待它。我的模拟页面在加载后 1.5 秒构建它,删掉等待那一行后,程序因 PlaywrightException 而停止,消息是 Cannot read properties of undefined。代码读取两个键,sitekey 和 action,并在没有 action 时回退为空的 action。演示页面的对象有 sitekey,没有 action,还有一个由小组件添加的 renderQueue 数组。

using CapSkip;
using Microsoft.Playwright;
// Implicit usings import System, which has a TimeoutException too (a bare one fails with CS0104).
using SolverTimeout = CapSkip.TimeoutException;

static class Solve
{
    // Local mode. In Server mode, use your server's address instead. If API Key
    // Validation is on in CapSkip, also pass apiKey: "YOUR_KEY" here.
    static readonly CapSkipClient Client = new(host: "127.0.0.1", port: 8080);

    // The page's own script sets window.mtcaptchaConfig, and the widget reads the same object.
    public static async Task<SolveResult> Token(IPage page, CancellationToken ct)
    {
        await page.WaitForFunctionAsync("() => window.mtcaptchaConfig?.sitekey");
        var config = await page.EvaluateAsync<string[]>(
            "() => [window.mtcaptchaConfig.sitekey, window.mtcaptchaConfig.action || '']");
        // The SDK leaves out an empty option, so a page that sets no action sends none.
        var options = new Dictionary<string, object?> { ["action"] = config[1] };
        // page.Url is where the browser is now, after any redirect.
        return await Client.MtCaptchaAsync(config[0], page.Url, options, ct);
    }
}

用 page.Url 作为地址,因为它是浏览器在任何重定向之后所处的位置。SDK 会丢弃空选项,对于没有设置 action 的页面,模拟服务器没有看到 action 字段。MTCaptcha 验证 token 指南里的检查回复带有验证码启动时所用的 action,所以站点可以比较它:请发送你的页面所设置的那个。开头的 sk= 会被去掉。userAgent 选项设定 CapSkip 向 MTCaptcha 出示的 User-Agent,API 文档说,不发送时它使用一个 Windows 版 Chrome 的。proxy 选项在下面的代码片段里。

// Snippet, not part of Program.cs. In Solve.Token, replace the options line with this one.
// CapSkip and Microsoft.Playwright both define a Proxy class, so write CapSkip's out in full.
var options = new Dictionary<string, object?>
{
    ["action"] = config[1],
    ["proxy"] = new CapSkip.Proxy("HTTP", "login:[email protected]:8080"),
};

结果把 token 同时放在 Token 和 Code 里。针对真实应用,它以 v1( 开头,长 394 个字符,UserAgent 和 RespKey 为 null。从调用到返回计时,真实应用(Release 构建 4.3.0,运行中的版本未经确认,Windows,2 次运行)用了 3.85 和 3.88 秒。SDK 在 0、0.25、0.75、1.75 和 3.75 秒轮询,然后间隔翻倍。所以 token 是在第五次轮询到达的(根据时间推断,没有记录日志),识别在大约 1.8 到 3.8 秒之间完成。

在发送任何东西之前,SDK 会验证你传入的内容。九次错误调用(空的、没有前缀的、带空格的或长 65 个字符的 sitekey,相对的、ftp 的或缺失的页面地址,不支持的选项,以及 GOPHER 这种 proxytype)都被 ValidationException 拒绝,没有向模拟服务器发送任何东西。在我的原始请求里,真实应用对同类输入分别返回了 ERROR_BAD_PARAMETERS、ERROR_PAGEURL 和 ERROR_PROXY_FORMAT。

MTCaptcha 使用 defaultTimeout,120 秒,因为识别时不运行浏览器。300 秒的 recaptchaTimeout 不适用:在没有 token 就绪的模拟服务器上把它设为 3,没有任何效果,我设的 8 秒预算结束了等待。defaultTimeout 为 5 时,CapSkip TimeoutException 在调用后约 8 秒出现(net10.0 上是 7.86,两次 net8.0 运行是 7.88 和 8.42),因为 SDK 会休眠到下一次轮询,并在那次轮询于截止时间之后到期时抛出异常。

所有 SDK 异常都继承 CapSkipError。ApiException 把整个回复作为消息,例如 {"status":0,"request":"ERROR_RECAPTCHA_INVALID_DOMAIN"},真实应用对 example.com 上的演示 sitekey 在 0.33 秒后返回了它。NetworkException 表示请求本身失败:该主机和端口上没有程序应答、回复不是 HTTP 200,或者调用被取消。轮询会重试它,所以模拟服务器在轮询中途被杀掉时,调用以 TimeoutException 结束,而不是 NetworkException。Playwright 还带来三个陷阱。隐式 using 会导入 System,而 System 里也有 TimeoutException,所以在 using CapSkip 旁边直接写 TimeoutException 会因 CS0104 失败,第一个代码块把 SDK 的这个类以别名 SolverTimeout 引入。Playwright 把它自己的超时报告为 System.TimeoutException,在第 4 步里用完整名称捕获。两个库还都定义了 Proxy 类,所以代码片段里写的是 CapSkip.Proxy。

Playwright .NET 的方法都不接受 CancellationToken,而且每个默认等待 30 秒,所以这个 token 只覆盖 CapSkip 的调用。在模拟服务器里,2 秒的预算在 in.php 挂起时触发,表现为包装了 TaskCanceledException 的 NetworkException,在轮询期间触发则表现为单纯的 TaskCanceledException,两种都是在约 2 秒之后。

第 3 步:填写隐藏字段并提交

token 字段是隐藏的,而 FillAsync 会等待一个可见的字段:在我的模拟页面上它等满了 30 秒,然后抛出 System.TimeoutException。所以这个代码块用 EvaluateAsync 在页面内部设置值,RunAndWaitForResponseAsync 返回表单提交的状态码。

static class Submit
{
    // Returns the status of the form post and the text the page shows afterwards.
    public static async Task<(int Status, string Text)> Run(IPage page, string token)
    {
        await page.FillAsync("input[name=user]", "alice");  // your form's own fields go here
        await page.FillAsync("input[name=password]", "YOUR_PASSWORD");
        // The token field is hidden and FillAsync waits for a visible one, so set it in the page.
        await page.EvaluateAsync(
            "t => { document.querySelector('input[name=\"mtcaptcha-verifiedtoken\"]').value = t; }", token);
        var response = await page.RunAndWaitForResponseAsync(
            () => page.ClickAsync("button[type=submit]"), r => r.Request.Method == "POST");
        return (response.Status, await page.InnerTextAsync("#result"));
    }
}

对于你自己设置的字段,小组件会怎么处理?在 2Captcha 演示页面上,Chromium 156.0.8078.4 在一个表单里找到一个名为 mtcaptcha-verifiedtoken 的隐藏 input,在访客解开挑战之前它是空的。我把它设为一个占位值,并等了 8 秒。这个值保持不变,小组件没有向 MTCaptcha 发送任何请求。它的 getVerifiedToken 方法仍然返回空字符串,所以小组件不会回读这个字段。我没有点击 Check,也没有在那个页面上放真实的 token,所以它的服务器如何处理这样一个值未经测试。MTCaptcha 文档里有一个 verified-callback,在小组件验证访客时运行,而演示页面没有注册任何回调,所以按钮要等待它的页面未经测试。

第 4 步:用 C# 端到端运行 MTCaptcha

Main 放在最后。修改 PageUrl(按粘贴的原样,它请求的是 example.com,那里没有小组件),然后用 dotnet run 启动程序。每次尝试都有自己的浏览器上下文,所以站点看到的是新会话。表单回复低于 400 就结束运行,被拒绝的表单或 ERROR_CAPTCHA_UNSOLVABLE 会花掉一次新尝试,其他任何 CapSkip 错误都会结束运行。

static class Program
{
    const string PageUrl = "https://example.com/login";  // the page that shows the MTCaptcha widget

    static async Task<int> Main()
    {
        // One budget for the CapSkip calls. Playwright calls keep their own 30 second default.
        using var budget = new CancellationTokenSource(TimeSpan.FromMinutes(3));
        using var playwright = await Playwright.CreateAsync();
        await using var browser = await playwright.Chromium.LaunchAsync(new() { Headless = true });
        try
        {
            for (var attempt = 1; attempt <= 3; attempt++)
            {
                // A new context per attempt gives the site a fresh session and a fresh form.
                await using var context = await browser.NewContextAsync();
                var page = await context.NewPageAsync();
                await page.GotoAsync(PageUrl);

                SolveResult solved;
                try { solved = await Solve.Token(page, budget.Token); }
                catch (ApiException ex) when (ex.Message.Contains("ERROR_CAPTCHA_UNSOLVABLE"))
                {
                    Console.WriteLine($"attempt {attempt}: CapSkip could not pass the challenge");
                    continue;
                }

                var (status, text) = await Submit.Run(page, solved.Token!);
                Console.WriteLine($"attempt {attempt}: {status} {text}");
                if (status < 400) return 0;
            }
            Console.WriteLine("no accepted form after 3 attempts");
        }
        // A cancelled submit surfaces as a NetworkException and a cancelled poll as a
        // TaskCanceledException, so test the budget itself.
        catch (Exception) when (budget.IsCancellationRequested) { Console.WriteLine("the 3 minute budget ran out"); }
        catch (ValidationException ex) { Console.WriteLine($"CapSkip refused the arguments: {ex.Message}"); }
        catch (ApiException ex) { Console.WriteLine($"CapSkip answered {ex.Message}"); }
        catch (SolverTimeout ex) { Console.WriteLine($"no token in time: {ex.Message}"); }
        catch (CapSkipError ex) { Console.WriteLine($"{ex.GetType().Name}: {ex.Message}"); }
        // Playwright reports its own timeouts as System.TimeoutException.
        catch (System.TimeoutException ex) { Console.WriteLine($"the page was too slow: {ex.Message.Split('\n')[0]}"); }
        catch (PlaywrightException ex) { Console.WriteLine($"the browser failed: {ex.Message.Split('\n')[0]}"); }
        return 1;
    }
}

这些行是模拟服务器的结果,说明不了任何真实站点的情况,并且在 net10.0 和 net8.0 上完全相同。

模拟设置程序的表现
默认设置,页面设置了 action login200 Signed in,in.php 里带有 action。没有设置 action 的页面就不发送 action
站点对第一次表单提交回复 403第二次尝试在新的上下文里用新任务,然后 200
表单到达时 token 已过期三行 403,退出码 1
ERROR_RECAPTCHA_INVALID_SITEKEY 或 ERROR_RECAPTCHA_INVALID_DOMAIN回复内容,退出码 1,一个任务,不重试

常见错误

你所看到的原因修复
ValidationExceptionSDK 在本地拒绝了这次调用:sitekey 有误、页面地址不是绝对 http 或 https URL,或者 MTCaptcha API 没有的选项修正参数。重试没有用
ERROR_RECAPTCHA_INVALID_SITEKEY 或 ERROR_RECAPTCHA_INVALID_DOMAINMTCaptcha 不认识这个 sitekey(仅模拟服务器),或者它不允许在该页面的域名上使用(真实应用,example.com)从页面重新读取 sitekey 和页面地址。不要重试
ERROR_CAPTCHA_UNSOLVABLECapSkip 没有通过挑战(API 文档;我无法在真实应用上让它出现)Main 提交一个新任务
CapSkip TimeoutExceptiondefaultTimeout 之内没有 token。它在截止时间之后第一次轮询到期时抛出,所以 5 秒的截止时间在约 8 秒时结束调大 defaultTimeout
表单拒绝 token验证 token 指南列出了 token-expired(通常为 120 秒)、token-duplicate-cal 和 privatekey-mismatch-token(另一个 sitekey)在提交前才请求 token,只用一次,并保持页面的 sitekey 和 action

Server 模式:CapSkip 在另一台 PC 上

在 Server 模式下,CapSkip 监听你的网络地址或公网 IP,所以这个程序可以在另一台 PC 上运行,而识别工具仍留在你掌控的 Windows 机器上。把 CapSkipClient 那一行里的主机换成服务器的地址,其他都不用动。

启动 Server 模式会向所有地址开放 CapSkip 的端口。请为你不认识的地址添加一条 Windows Firewall 阻止规则,并开启 API Key Validation,在 CapSkipClient 那一行里填写 apiKey。

常见问题

如果页面没有 mtcaptchaConfig,sitekey 在哪里?

在小组件 iframe 的地址里,来自 service.mtcaptcha.com。在演示页面上,它带有一个 sitekey 参数,值就是配置里的值。

用 C# 识别 MTCaptcha 需要 Playwright 吗?

不需要。CapSkip 识别时不运行浏览器,这里用 Playwright 是因为示例页面在脚本里构建它的配置。普通的表单提交带有同样的 mtcaptcha-verifiedtoken 字段, C# 中的 hCaptcha 文章 展示了用 HttpClient 走这条路线的做法。

站点为什么会拒绝我拿到的 token?

站点拒绝 token 的三种情形,在 验证 token 指南 中都有列出:token 已被检查过、已过期(通常在 120 秒之后),或者来自另一个 sitekey。站点还应该比较 action。我没有真实站点,所以无法给这些原因排序。

在 C# 中处理 MTCaptcha,归结起来就是读取 mtcaptchaConfig、一次 MtCaptchaAsync 调用,以及在点击之前才填写的隐藏字段。CapSkip 是一个统一授权的 验证码识别工具 ,运行在你自己的 PC 上,所以被拒绝的表单只会多花一次尝试。至于 .NET 中的其他验证码类型,请参阅 C# 验证码识别页面。想看小组件是如何被通过的,请打开 MTCaptcha 演示,要了解原始请求格式,请阅读 API 文档.