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:
![](https://pic4.zhimg.com/80/v2-a6c1cc8e722d9c25ab3faba9b58ad163_720w.webp)
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:
![](https://pic2.zhimg.com/80/v2-a696e4ba9b9a023fc514c76c4c358ce1_720w.webp)
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:
![](https://pic2.zhimg.com/80/v2-8c55f2322b2cf23a7502731f3a082681_720w.webp)
通过验证后,便会出现如下结果:
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:
![](https://pic4.zhimg.com/80/v2-fd0f07dc9534ff429ac95a7c797d2c27_720w.webp)
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,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。
![](https://pic4.zhimg.com/80/v2-f4373539771f1ab6f4aaa568285e21ab_720w.webp)
对于HCaptcha相关破解,需要在YesCaptcha中创建破解验证码服务的API。
![](https://pic2.zhimg.com/80/v2-23c65b05810ec1bd2047245613cdd13d_720w.webp)
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 |
---|---|---|---|
type | string | 是 | HCaptchaClassification 10 点数 |
queries | list[string] | 是 | 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 | 是 | 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:
![](https://pic3.zhimg.com/80/v2-42d388ee3be47c8c05f14812a440529e_720w.webp)
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:
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:
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:
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。
![](https://pic1.zhimg.com/80/v2-339145b95251faa29f095a720c5be3b8_720w.webp)
运行上述代码后,获得结果如下:
{'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
![](https://pic3.zhimg.com/80/v2-3f4805812fe25d25888b0920bd00834e_720w.webp)
点击【检查】按钮,完成HCaptcha验证码的破解
![](https://pic1.zhimg.com/80/v2-530c2887d23253e21f1b7747baeba44c_720w.webp)
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。