在 Python 中识别 MTCaptcha:读取 sitekey、识别并提交表单

mtcaptcha in python - MTCaptcha in Python: Scrape the Sitekey, Solve and Post

要在 Python 中不用浏览器处理 MTCaptcha,请用 requests 加载登录页,从它的 mtcaptchaConfig 对象里读出 sitekey 和 action,把两者传给 CapSkip SDK 的 solver.mtcaptcha(),再把它返回的 token 放进表单提交的 mtcaptcha-verifiedtoken 字段里发送。这个调用背后是 CapSkip MTCaptcha 识别工具,它运行在你自己的 Windows PC 上,采用统一授权定价,所以 token 被拒绝,也只是让你多走一遍循环,不花一分钱。

你需要什么

  • 一台装有 CapSkip 4.3.0(2026 年 11 月 9 日,第一个支持 MTCaptcha 的版本)或更高版本的 Windows PC。安装方法请参阅 设置指南 。我 PC 上的那份副本接受 mt_captcha 方法,但我读不到它的版本。
  • Python 3.10 或更高版本(这是 capskip 1.7.0、requests 2.34.2 和 urllib3 2.8.0 声明的最低版本),以及 capskip 1.7.0 或更高版本(第一个带有 MTCaptcha 方法的版本)。我只在 Python 3.11.7、3.13.7 和 3.14.0 上运行过。
  • 这两个包都可以在 PowerShell 里用 python -m pip install capskip requests 安装(py -m pip 也行),所以 pip 不必在你的 PATH 里。
  • CapSkip 的地址。在 Local 模式(127.0.0.1)下,只有运行 CapSkip 的那台 PC 能访问它。Server 模式会加上你的网络地址或公网 IP,让另一台 PC 或 Windows VPS 发送同样的请求。两种模式都在设置指南的 连接设置 一节中说明。Service Emulator 设置请保持默认,因为 SDK 以默认格式与 CapSkip 通信,被模拟的服务回复可能不同。

我针对自己写的两个模拟服务器测试了这个脚本,一个扮演 CapSkip,一个扮演登录站点。我 PC 上真实的 CapSkip 应用处理了三个 MTCaptcha 任务,用的是 SDK 自带示例里的公开演示 sitekey 和页面地址,目的是看到真实的 token 并给 SDK 调用计时。没有任何站点检查过 token,所以这里没有任何内容能证明真实站点会接受它,而且模拟服务器里的每条站点规则都是我定的。关于站点如何检查 token,请参阅 MTCaptcha 的 token 验证指南.

第 1 步:创建会话并找到 MTCaptcha 的 sitekey

把第一个代码块保存为 mtcaptcha_login.py。在它之后的每个代码块,包括这一步里的下一个,都按所示顺序放到同一个文件的末尾,文件在第 4 步之后才完整。页面加载、识别和表单提交共用同一个 User-Agent 字符串,所以任选一个当前的浏览器字符串即可。在 Server 模式下,把你服务器的地址填入 host。如果开启了 API Key Validation,还要把你的密钥作为 apiKey 传入。

# python -m pip install capskip requests
import re

import requests
from capskip import ApiException, CapSkip

LOGIN_URL = "https://example.com/login"  # the page that shows the widget
USER_AGENT = (
    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
    "(KHTML, like Gecko) Chrome/140.0.0.0 Safari/537.36"
)

# Local mode. In Server mode, use your server's address as the host.
solver = CapSkip(host="127.0.0.1", port=8080)

大多数 MTCaptcha 页面用一个内联的 mtcaptchaConfig 对象来配置小组件,它的 sitekey 值以 MTPublic- 开头,也可能设置了 action。CapSkip 演示页面把它写在一行里,带一个 lang 键、三个回调,没有 action。CapSkip 文档把它分成多行,并加上了 action。其他页面用单引号和不带引号的键。下面的函数按名字查找每个键,所以以上这些写法它都能读,但如果对象内部有内联函数,或者脚本既没有用右花括号加分号、也没有用结束的 script 标签来结束该对象,它就会失效。

如果页面没有这样的对象,或者对象里没有 sitekey,它会抛出错误,而前一种是真实存在的情况。对 2Captcha 演示页面发 GET 请求,返回的 HTML 里 sitekey 只出现在它的说明文字中。对这样的页面,请从小组件的 iframe 地址里复制一次 sitekey,它在 service.mtcaptcha.com 上是名为 sitekey 的查询参数。如果页面设置了 action,就把它发送出去:MTCaptcha 的 action 文档 说明校验调用会报告小组件启动时所用的 action,所以站点可以比较它。如果页面没有设置,就不要发送。

def read_config(html):
    """Return (sitekey, action) from the page's mtcaptchaConfig object."""
    found = re.search(r"mtcaptchaConfig\s*=\s*\{(.*?)(?:\}\s*;|</script>)", html, re.S)
    if not found:
        raise RuntimeError("no mtcaptchaConfig in the page source")

    def value(name):
        pattern = r"(?<![\w-])[\"']?" + name + r"[\"']?\s*:\s*[\"']([^\"']+)[\"']"
        pair = re.search(pattern, found.group(1))
        return pair.group(1) if pair else None

    sitekey = value("sitekey")
    if not sitekey:
        raise RuntimeError("no sitekey in mtcaptchaConfig")
    return sitekey, value("action")

我在三种引号写法(取自我的模拟服务器)、sitekey 之前和 action 之前各有一个嵌套对象的配置、没有结尾分号的配置,以及两个公开页面的保存副本上运行了 read_config。CapSkip 演示页面给出了它的 sitekey,没有 action,而 2Captcha 演示页面抛出了上面的错误。三个 Python 版本的结果一致。

第 2 步:通过 SDK 请求 token

你调用 solver.mtcaptcha(sitekey, url, **options)。它会提交任务、轮询结果并返回一个字典,所以你不用写循环。把页面的真实地址作为 url 传入,因为 MTCaptcha 只为 sitekey 注册过的域名签发 token。把这个函数添加到文件末尾。只有页面设置了 action 时,它才会加上 action。

def get_token(sitekey, action):
    options = {"userAgent": USER_AGENT}
    if action:  # only when the page's config sets one
        options["action"] = action
    return solver.mtcaptcha(sitekey, LOGIN_URL, **options)["token"]

在发送任何东西之前,SDK 会验证你的参数。不是 MTPublic- 后面跟最多 55 个字母、数字、连字符或下划线的 sitekey,不是绝对 http 或 https URL 的页面地址,或者 MTCaptcha API 不接受的选项(例如 invisible),都会立刻抛出 ValidationException。粘贴成 sk=MTPublic- 形式的 sitekey 会被接受,SDK 会去掉这个前缀。

在三次真实运行中,字典里有键 "captchaId"、"code" 和 "token",后两个是同一个字符串,也就是 mtcaptcha-verifiedtoken 要用的那个。每个真实 token 都以 v1( 开头,以 **) 结尾,长 418 个字符,有五个用逗号分隔的字段,第三个是 sitekey。文档里印的示例更短,所以不要用长度来验证 token。

userAgent 选项指定 CapSkip 向 MTCaptcha 出示的浏览器字符串。我传入会话自己的字符串,这样识别、页面加载和表单提交看起来是同一个浏览器。不传的话,CapSkip 使用一个 Windows 版 Chrome 的字符串。我读到的内容里没有说 MTCaptcha 会比较这两者,我也没有测试过。在线 API 文档为无法用于该任务的 User-Agent 列出了 ERROR_WRONG_USERAGENT,而真实应用从未收到过我的 userAgent 选项,所以如果它回复这个错误,请从 get_token 里去掉这个选项。

计时,从调用前一刻到它返回:在 Python 3.14.0 上一次 3.77 秒,在 3.11.7 上两次 3.76 秒,使用 capskip 1.7.0、默认轮询和 Windows 11 上真实的 CapSkip 应用。这三次调用既没有发送 userAgent,也没有发送 action。SDK 的轮询节奏决定了这个数字:针对模拟服务器,它在提交后的 0、0.25、0.76、1.76、3.76 和 7.76 秒询问结果,而模拟 token 无论在 1.9 到 3.6 秒之间的哪个时刻就绪,都是在 3.76 秒返回。所以真实的识别是在 1.76 秒和 3.76 秒两次轮询之间完成的,而三次运行不能算基准测试。

MTCaptcha 的识别不会运行浏览器,所以 SDK 会一直等到 defaultTimeout 允许的时长,默认 120 秒。把 defaultTimeout 降到 6 秒后,一个始终不回答的模拟服务器在调用后 7.78 秒抛出了 TimeoutException,因为两次轮询之间的最后一次休眠超过了上限。

第 3 步:趁 token 新鲜时提交表单

在浏览器里,小组件会把 token 写入一个名为 mtcaptcha-verifiedtoken 的隐藏 input。没有浏览器时,你要自己发送这个字段,和表单自己的字段放在一起。下面的函数同样添加到文件末尾,负责这件事。会话会把页面的 cookie 带进表单提交。如果表单的 action 指向别处,请修改 session.post 调用的第一个参数。

token 只能用一次,而且只在很短时间内有效。MTCaptcha 的验证指南说,token 通常有效几分钟,但给出的默认过期时间是 60 到 120 秒,并且默认只能被检查一次,所以请在一分钟内发送。CapSkip 的文档要求你在表单提交之前才请求 token,所以 get_token 在页面加载之后运行,表单提交紧随其后。如果你自己加了等待,就在它之后再识别。被拒绝的 token 已经作废,所以第 4 步的循环会请求一个新的。

表单提交还把页面作为 Referer 带上,因为 requests 既不发送 Referer 也不发送 Origin,而有些框架会拒绝两者都没有的 HTTPS 表单提交。我的模拟服务器扮演的就是这样一个框架,没有这个请求头时它回复了 403。

def post_form(session, token, username, password):
    return session.post(
        LOGIN_URL,
        data={
            "username": username,  # your form's own fields go here
            "password": password,
            "mtcaptcha-verifiedtoken": token,
        },
        headers={"Referer": LOGIN_URL},  # requests sends none by itself
        timeout=30,
    )

第 4 步:用于 MTCaptcha 的完整 Python 登录脚本

把最后一个代码块添加到 mtcaptcha_login.py 的末尾,文件到这里就完整了。设置 LOGIN_URL,然后运行 python mtcaptcha_login.py(或 py mtcaptcha_login.py)。有两个字符串是留给你的站点的占位符:"Welcome",即登录成功后显示的文字,以及 "captcha check failed",即你站点自己的验证码拒绝信息中会包含的一句话。脚本最多尝试三次。

按 CapSkip 文档所说,ERROR_CAPTCHA_UNSOLVABLE 的应对办法是提交一个新任务,所以脚本只对这个错误码重试。文档点出了两种重新提交同一任务也会重复出现的失败,即未知的 sitekey 和该 sitekey 不允许在页面所在域名上使用,其他所有错误也都会让脚本停下。在 ApiException 的消息里,错误码要么是纯文本,要么包在 JSON 信封里,which_error 对两种形式都能把它取出来。

只有当回复里包含你站点自己的验证码拒绝语句时,被拒绝的表单提交才会得到新的 token。请用像引号里那样的一句话,不要用光秃秃的单词 captcha。输错密码后再次显示的登录页仍然带着小组件自己的 mtcaptchaConfig 和 mtcaptcha-verifiedtoken,所以只匹配单词 captcha 就会命中,白白用掉三个 token。我在自己的模拟服务器上看到了这种情况。用一句只有拒绝信息才包含的话,只会用掉一个任务。

def which_error(err):
    # The message holds the code as bare text or inside a JSON envelope.
    found = re.search(r"ERROR_[A-Z_]+", str(err))
    return found.group(0) if found else str(err)


def log_in(username, password):
    session = requests.Session()
    session.headers["User-Agent"] = USER_AGENT
    for attempt in range(1, 4):
        page = session.get(LOGIN_URL, timeout=30)  # cookies first, then config
        sitekey, action = read_config(page.text)
        try:
            token = get_token(sitekey, action)
        except ApiException as err:
            code = which_error(err)
            if code != "ERROR_CAPTCHA_UNSOLVABLE":
                raise  # a bad sitekey or domain would fail the same way again
            print(f"attempt {attempt}: {code}, new task")
            continue
        reply = post_form(session, token, username, password)
        if "Welcome" in reply.text:  # use a sign your site shows on success
            return reply
        if "captcha check failed" not in reply.text.lower():  # your site's phrase
            raise RuntimeError(f"login refused ({reply.status_code}), not the captcha")
        print(f"attempt {attempt}: captcha refused ({reply.status_code}), new token")
    raise RuntimeError("no login after 3 attempts")


if __name__ == "__main__":
    print(log_in("alice", "YOUR_PASSWORD").text[:40])

针对模拟服务器,三个 Python 版本给出的结果完全一致:

模拟设置脚本的表现
页面配置与文档中相同,带有 action一个任务,in.php 收到了 action,表单提交被接受
配置写在一行里,带有回调,没有 action,和演示页面一样一个任务,没有发送 action 字段,表单提交被接受
页面设置了 action,但调用里没有传三个任务,三次表单提交被拒绝,然后 RuntimeError
前两次识别以 ERROR_CAPTCHA_UNSOLVABLE 结束两条重试消息,然后第三个任务的 token 被接受
发送时 token 已有 3 秒,模拟服务器的有效期设为 2 秒因过期被拒绝,然后新的 token 被接受
轮询时出现未知 sitekey 或域名错误一个任务之后抛出 ApiException,没有表单提交,形式为 JSON 或纯文本
密码错误且拒绝信息是普通文字,或者表单提交没有 Referer 头一个任务之后抛出 RuntimeError,没有新 token
输错密码后再次显示登录页,用单词 captcha 来判断三个任务,然后 RuntimeError。用那句话来判断时,只有一个任务

请把这张表当作对我的模拟服务器的测试,而不是对任何真实站点的测试。单次使用、短有效期和 action 匹配都遵循文档,但两秒的有效期是我随意定的数字。

常见错误

这些错误大多出自 CapSkip 的 MTCaptcha API 文档,只有某一行注明是我自己遇到的除外。

错误原因修复
ValidationExceptionSDK 在发送之前就拒绝了这次调用,原因是第 2 步里列出的某一条消息会指出问题所在,所以改正那个参数
ERROR_RECAPTCHA_INVALID_SITEKEYMTCaptcha 不认识这个 sitekey请从 mtcaptchaConfig 里重新复制。重新发送也会失败,所以脚本直接抛出
ERROR_RECAPTCHA_INVALID_DOMAIN这个 sitekey 不允许在你发送的地址所属的域名上使用请使用小组件真正所在页面的地址
ERROR_CAPTCHA_UNSOLVABLEMTCaptcha 没有通过提交一个新任务,脚本会替你做,最多三次
ERROR_TASK_NOT_SUPPORTEDCapSkip 比加入 MTCaptcha 的那个版本更旧安装 CapSkip 4.3.0 或更高版本
ERROR_WRONG_USERAGENT在线 API 文档为无法用于该任务的 User-Agent 列出了它。真实应用从未收到我代码里的 userAgent 选项把 userAgent 选项从 get_token 里去掉
ERROR_WRONG_USER_KEY 或 ERROR_KEY_DOES_NOT_EXISTAPI Key Validation 已开启,而密钥不对。不带 apiKey 的调用发出的密钥是 capskip把你的真实密钥作为 apiKey 传给 CapSkip()
TimeoutExceptiondefaultTimeout 之内没有 token,除非你改过,否则是 120 秒在 CapSkip 的 Monitor 里查看这个任务,然后再运行一次脚本
NetworkException发送任务时,该主机和端口上没有程序在应答,或者回复是 HTTP 错误。如果 CapSkip 在轮询期间停止应答,你得到的是 TimeoutException启动 CapSkip,并确认主机和端口与它的连接设置一致
站点拒绝一个看起来没问题的 tokentoken 已经用过、太旧、没有带页面的 action,或者没有带 Referer每个 token 只发送一次,拿到后立刻发送,把页面作为 Referer,并带上页面自己的 action

常见问题

脚本可以在和 CapSkip 不同的机器上运行吗?

可以,通过 Server 模式。在 CapSkip 所在 PC 的连接设置里开启它,并把那台 PC 的地址作为 host 传给 CapSkip()。其他都不用改。Server 模式要求 CapSkip 以管理员身份运行,设置指南建议使用静态公网 IP。Server 模式启动时,CapSkip 会向所有地址开放它的端口,所以请为不应访问它的机器添加一条 Windows Firewall 阻止规则。识别工具仍然留在你自己的 Windows 硬件上,也没有任何计量。

这个脚本能处理隐形的 MTCaptcha 小组件吗?

CapSkip 的 MTCaptcha 识别页面说,隐形小组件和可见小组件走同一种请求,返回同一种 token。API 文档的 MTCaptcha 部分没有提到隐形模式,而且我没有针对隐形小组件运行过任何东西,所以请把它当作未经确认。你的页面仍然必须在源码里带有 sitekey,因为 read_config 需要在那里读到它。

MTCaptcha 需要代理吗?

刚开始不需要。文档说一个地址用于测试没问题,但也说来自单一地址的持续识别会招致速率限制。用量大时,请在应用的 MTCaptcha 设置里加载一个代理列表,或者给 mtcaptcha() 传入 proxy 选项,例如 proxy={"type": "HTTP", "uri": "login:password@IP:PORT"}。模拟服务器收到了代理及其类型,我没有使用真实的代理。

简短版结论

在 Python 中处理 MTCaptcha,归结起来就是三步:从页面读取 sitekey 和 action,在表单提交之前才请求 token,表单提交被拒绝时再请求一次。因为 CapSkip 是一个 本地验证码识别工具 ,由你自己运行,所以被拒绝的 token 永远不会增加账单。至于其他类型, Python 验证码识别页面 列出了相应的 SDK 调用,而 MTCaptcha 演示 让你在真实表单里试一试 token。