什么是验证码识别工具?一个任务如何逐步流转

验证码识别工具是这样一种工具:它接收一个验证码挑战,交还表单接受它所需的内容,可能是文字答案、token 或 cookie。那么验证码识别工具在实际中是什么?它是自动化流程里的一个环节,当页面要求证明你是真人时,由你的脚本去调用它。你把挑战的详细信息发给它,等待,然后拿到一个要填进表单的值。本指南讲解识别工具的三种交付形态、每个任务都经历的四个步骤、返回的是什么,以及如何选择。
如果你想先了解小组件这一侧,也就是验证码是什么、网站为什么使用它,请先读 什么是验证码及其工作原理。本指南从那篇文章结束的地方开始。
验证码识别工具做什么
识别工具只做一件事:产出真人本该产出的结果。它不会修改页面,不会替你登录,也不会决定站点接下来做什么。加载页面、找到挑战、提交表单、读取回复,这些仍然由你的脚本完成。
验证码识别工具由什么构成?三种交付形态
每个识别工具都属于三种形态之一,形态决定了成本、速度和你的数据去向。
| 形态 | 识别在哪里进行 | 如何付费 | 调用方式 |
|---|---|---|---|
| 远程服务 | 在厂商的服务器上,由人工或模型处理 | 按次计费,从余额中扣除 | 从你自己的代码调用 HTTP API |
| 浏览器扩展 | 取决于产品:它可以调用远程服务,也可以调用你 PC 上的程序 | 取决于产品 | 无需代码,在你的浏览器标签页内工作 |
| 本地识别工具 | 在你自己的机器上 | 统一授权,没有按次费用 | 本地 HTTP API、SDK,或配套的扩展 |
远程服务按次计费,所以成本会随着你发送的每个挑战增加。一份 十个识别服务的对比 列出了各种架构和带日期的价格,所以本指南不给任何一家排名。
CapSkip 属于本地形态。它是一个监听 127.0.0.1:8080 的 Windows 应用,在你自己的硬件上识别,只收一份统一授权费用。它的 Chrome 和 Firefox 扩展 与同一个应用通信,所以一次安装就同时覆盖了免代码和脚本两种用法。
每个任务的四个步骤
几乎所有识别工具,无论远程还是本地,都遵循同一个循环:提交、轮询、取结果、注入。
- 提交。 把挑战的详细信息发给识别工具:方法、sitekey 和完整的页面地址。你会得到一个任务 id。
- 轮询。 用这个 id 询问结果。任务还在运行时,识别工具会回答说结果尚未就绪。
- 取结果。 结果就绪后你会拿到 token。CapSkip 对每个结果只交付一次,所以请从携带它的那次回复里保存下来。
- 注入。 把这个值放进小组件自己通常会填写的表单字段,并在它过期之前提交表单。
CapSkip 使用 2captcha 风格的 API,所以前两步就是两次 HTTP 调用。下面是手动发起的 reCAPTCHA v2 任务,其中的占位符需要你替换。方法名和每个参数都来自 API 文档.
# 1. Submit. CapSkip answers with the job id.
curl.exe -X POST -d "key=YOUR_API_KEY&method=userrecaptcha&googlekey=YOUR_SITEKEY&pageurl=https://example.com/login&json=1" http://127.0.0.1:8080/in.php
# {"status":1,"request":"12345"}
# 2. Poll with that id until the token is ready.
curl.exe "http://127.0.0.1:8080/res.php?key=YOUR_API_KEY&action=get&id=12345&json=1"
# {"status":0,"request":"CAPCHA_NOT_READY"} means wait 5 seconds and poll again.
# {"status":1,"request":"03AHJ_Vuve5Asa4...","userAgent":"Mozilla/5.0 ..."}这些是单行的 curl.exe 调用,所以在 Windows PowerShell 和 cmd 中都能照原样运行。在 cmd 中,请跳过以 # 开头的行,PowerShell 会把它们当作注释。如果在开启了 API key validation 的服务器上密钥有误,CapSkip 会返回错误代码而不是任务 id。对于 reCAPTCHA v2 任务,文档说明在第一次轮询前要等 15 到 20 秒,如果回复说任务尚未就绪,则等 5 秒后再询问。空回复表示结果已被读取过,或者这个 id 不存在。JSON 回复带有一个 userAgent 值。提交表单时请发送这个 User-Agent,因为有些站点会拿它与获得 token 时使用的 User-Agent 比较。
用代码完成
Python、Node.js、PHP 和 .NET 的官方 SDK 把提交和轮询循环封装成一次调用。同一个任务用 Python 写出来,到注入这一步结束,如下所示。
# pip install capskip requests
import requests
from capskip import CapSkip
PAGE = "https://example.com/login"
solver = CapSkip(apiKey="YOUR_API_KEY", host="127.0.0.1", port=8080)
# One call: the SDK submits the task and polls until the token is ready.
# poll_json=1 asks for the JSON poll, which adds the userAgent value.
result = solver.recaptcha(sitekey="YOUR_SITEKEY", url=PAGE, poll_json=1)
# Inject: send the token in the field the widget would have filled,
# with the User-Agent the token was earned with.
reply = requests.post(
PAGE,
data={"username": "alice", "g-recaptcha-response": result["code"]},
headers={"User-Agent": result["userAgent"]},
)
print(reply.status_code)只有在 CapSkip 中开启了 API key validation 时,API key 才起作用。如果没有 poll_json=1 时,SDK 会以纯文本方式轮询,结果里有 token,但没有 userAgent 值。API 文档在拿不到 User-Agent 时会省略该值,所以如果站点会比较 User-Agent,请检查它是否存在。 SDK 页面 列出了每种语言和每种挑战类型的方法。
返回什么,以及它去哪里
Google 的文档说明,提交表单时,reCAPTCHA token 会以 g-recaptcha-response 参数的形式到达你的服务器,然后你的服务器再向 Google 验证它。每个 token 的有效期是两分钟,并且只能验证一次。Cloudflare 的服务端验证指南对 Turnstile 描述了同样的安排: cf-turnstile-response 字段、300 秒的有效期,以及只供单次使用的 token。检查工作由站点自己的服务器完成。这就是识别工具必须返回真正的 token,而不是你随便能输入的东西的原因。
| Challenge | 识别工具返回什么 | 它去哪里 |
|---|---|---|
| 文字图片 | 从图片中读出的字符 | 图片旁边的文本框 |
| reCAPTCHA v2、v3、Enterprise | 一个 token | g-recaptcha-response |
| Cloudflare Turnstile 小组件 | 一个 token | cf-turnstile-response |
| MTCaptcha | 一个 token | mtcaptcha-verifiedtoken,名称取自 CapSkip API 文档 |
| 极验 v3 | 三个值 | 表单字段 geetest_challenge, geetest_validate, geetest_seccode |
| DataDome | 一个 cookie | 你之后对站点的请求,使用同一个 IP 和 User-Agent |
| AWS WAF | 会变成 token 的值,以 cookie 形式发送 | aws-waf-token |
每一行都是挑战已通过的证明,放在站点查找它的位置。每种类型的请求字段见 API 文档。
验证码识别工具做不到的事
- 它不能让站点接受结果。 token 由站点自己的服务器检查,过期或重复使用的 token 会被拒绝。
- 它不能覆盖所有挑战。 CapSkip 列出了它支持的类型,而它的首页 FAQ 明确说它不识别 FunCaptcha 或 Arkose。围绕某个识别工具搭建流程之前,请先查看这份列表。
- 它不能修复你的网络身份。 有些 token 和 cookie 与获得它们时的 IP 地址和 User-Agent 绑定。即使答案完全正确,从一个地址识别、再从另一个地址提交,也可能失败。
- 它不能决定你是否可以使用它。 是否允许识别验证码,取决于站点的条款和你所在的司法辖区。请先参阅 验证码识别是否合法 ,再去自动化任何不属于你的内容。
如何选择识别工具
四个问题就能决定大多数选择,而对本地识别工具来说,每个问题都对应一个真实的设置。
| 问题 | 它决定什么 | 在 CapSkip 中 |
|---|---|---|
| 每月识别多少次? | 按次计费与统一授权 | 一份授权,没有按次费用,所以重试不会多花钱 |
| 数据可以去哪里? | 远程服务与在你自己的硬件上识别 | 识别在你的 Windows 机器上运行 |
| 写代码还是不写代码? | 扩展与 API 或 SDK | 扩展、2captcha 风格的 API,或 SDK |
| 同时运行多少个? | 并行任务和地址 | 每种类型各有 Max. Threads,以及各自的代理列表 |
设置指南把 Max. Threads 描述为 CapSkip 同时识别同一类型任务的数量,并建议对需要代理的类型,代理数量至少与线程数相同,这样同时运行的任务就不会共用一个地址。设置里每种类型都有自己的一行,带有各自的线程、超时、重试次数和代理列表。
把识别工具跑在服务器上
Local mode 只监听本机。如果你的脚本运行在另一台机器上,请把端口设置切换到 Server mode,让 CapSkip 接受来自你的网络或互联网的连接,并使用那台机器的地址代替 127.0.0.1。Server mode 要求 CapSkip 以管理员身份运行,而静态公网 IP 能为服务器部署提供最稳定的远程访问。这两种模式的说明见 设置指南中的连接设置。这台服务器仍然是你自己控制的一台 Windows 机器。
要让端口只对你预期的机器可达,请为其他所有地址添加一条 Windows Firewall 阻止规则。
常见问题
用简单的话说,验证码识别工具是什么?
它是一个程序或服务,接收验证码挑战,并返回网站所期望的答案、token 或 cookie。你的脚本提交挑战的详细信息,等待结果,然后把它填进表单。
验证码识别工具是真人还是程序?
两种都有。有些服务把挑战转给付费的人工,有些使用模型,有些两者混用。使用像 CapSkip 这样的本地识别工具时,模型运行在你自己的机器上,所以没有真人参与,也不会上传任何内容。
验证码识别工具可以运行在服务器上,而不是我的 PC 上吗?
可以。在连接设置中开启 Server mode,在你控制的 Windows 机器上运行 CapSkip,并让你的脚本指向它的地址。为不应访问它的地址添加防火墙阻止规则。
识别工具会替我点击复选框吗?
通过 API 不会。API 返回 token,由你的代码注入。浏览器扩展才是会填写字段、还可以替你点击提交的那条路线。
简短版结论
识别工具把挑战变成站点接受的值,经过四个步骤:提交、轮询、取结果、注入。你选择的形态决定了成本和你的数据去向。如果你希望这个循环在你自己的硬件上运行,没有计费表在走,那么一个 无限量验证码识别工具 ,监听你自己机器上的端口并使用 2captcha 风格的 API,就是这里所有示例采用的形态。
