爬虫识别验证码技术 - 2Captcha
在互联网世界中，验证码作为一种防止机器人访问的工具，是爬虫最常遇到的阻碍。验证码的类型众多，从简单的数字、字母验证码，到复杂的图像识别验证码，再到更为高级的交互式验证码，每一种都有其独特的识别方法和应对策略。在这篇文章中，我们将一一介绍各种验证码的工作原理和使用2Captcha进行破解的策略。
验证码简介
验证码（CAPTCHA），全称为"Completely Automated Public Turing test to tell Computers and Humans Apart"，是一种区分用户是计算机还是人的公共全自动程序。最初，验证码主要是一些混杂字母和数字的图片，但随着技术的发展，出现了更多种类的验证码，例如reCAPTCHA、GeeTest拼图验证码、hCaptcha、KeyCaptcha等。
1. Normal CAPTCHA
Normal CAPTCHA是一种常见的验证码类型，它包含字母和数字的图片进行扭曲和变形。
2. 清晰文字问题的验证码
清晰文字问题的验证码主要是对问题的理解和答案的回答，比如“What is the capital of China?”，回答应该是“Beijing”。
3. 旋转物体的验证码
这种验证码要求用户旋转一个3D物体到正确的方向。
4. reCAPTCHA V2
reCAPTCHA V2是Google开发的验证码系统，要求用户选择一组与给定主题相关的图像。
5. GeeTest拼图验证码
GeeTest验证码是一种常见的滑动拼图验证码，用户需要将一个不完整的图像拼凑完整
6. hCaptcha
hCaptcha是一种验证人类的验证码，要求用户选择与给定主题相关的答案。
7. KeyCaptcha
KeyCaptcha是一种交互式验证码，需要用户进行一些操作，比如拖动一个物体到指定位置。
8. Capy拼图验证码
Capy是另一种拼图验证码，它将一个图像切分成多个小块，需要用户通过拖动小块拼凑成完整的图像。
9. Grid法验证码
Grid法验证码是一种基于网格的图像识别验证码，要求用户识别网格中的特定对象或图案。
10. Canvas验证码
Canvas验证码是一种在HTML5 canvas元素中绘制的验证码，它可以是文本，也可以是图像。
11. ClickCaptcha
ClickCaptcha会返回验证码图片的点坐标，用户需要根据这些坐标点击正确的位置。
2Captcha 自动验证码识别介绍
https://2captcha.com/zh/
2Captcha是一个自动验证码识别服务商，支持上述所有的验证码类型，识别效果目前最好。 （https://2captcha.com/zh/）
2Captcha服务介绍：
2Captcha支持的所有验证码类型
| 验证码类型 | 每 1000 人的费率 | 描述 |
|---|---|---|
| Normal Captcha, Text Captcha | 0.5−1 | 费率是灵活的，取决于服务的当前负载。 您可以在帐户设置中查看当前速率和限制最大速率。 |
| reCAPTCHA V2 | $2.99 | 该费率适用于通过令牌解决的 Google 的 reCAPTCHA V2。 |
| reCAPTCHA V3 | 1.45,2.99 | score <= 0.3, score > 0.3 |
| reCAPTCHA Enterprise | $2.99 | 该费率适用于 Google 的 reCAPTCHA Enterprise。 |
| Geetest | $2.99 | 该费率适用于 Geetest 验证码。 |
| Grid Method, Coordinates | $1.20 | 该费率适用于您需要单击图像的任何验证码。 |
| RotateCaptcha | $0.50 | 该费率适用于您需要旋转图像的任何验证码。 |
| Arkose Labs FunCaptcha Token Method | $2.99 | 该费率适用于通过令牌解决的 Arkose Labs FunCaptcha。 |
| KeyCaptcha | $2.99 | 该费率适用于 KeyCaptcha。 |
| hCaptcha | $2.99 | 该费率适用于 hCaptcha。 |
| Capy | $2.99 | 该费率适用于 Capy。 |
| TikTok | $2.99 | 该费率适用于 TikTok captcha。 |
官网链接
https://2captcha.com/zh/
Python集成
官网提供了众多的代码脚本 https://2captcha.com/zh/for-customer
以reCAPTCHA V2示例
pip3 install 2captcha-python
代码GitHub链接：https://github.com/2captcha/2captcha-python
import sys
import os
sys.path.append(os.path.dirname(os.path.dirname(os.path.realpath(__file__))))
from twocaptcha import TwoCaptcha
api_key = os.getenv('APIKEY_2CAPTCHA', 'YOUR_API_KEY')
solver = TwoCaptcha(api_key)
try:
result = solver.recaptcha(
sitekey='6LfD3PIbAAAAAJs_eEHvoOl75_83eXSqpPSRFJ_u',
url='https://2captcha.com/demo/recaptcha-v2')
except Exception as e:
sys.exit(e)
else:
sys.exit('solved: ' + str(result))
总结
验证码的难度随着技术发展越来越高，2Captcha服务可以有效帮助爬虫绕过验证码限制，开发集成简单，推荐使用。