独书先生 Menu

Nodejs Playwright 2Captcha 验证码识别实现自动登陆

原文:https://lwebapp.com/zh/post/bypass-captcha

需求

日常工作当中,为了提高工作效率,我们可能会写脚本来自动执行任务。有些网站因为需要用户登陆,所以脚本的自动登陆功能必不可少。

不过我们在登陆网站的时候经常会出现验证码,验证码的目的就是为了防止机器登陆、自动化脚本操作,那么有没有办法让脚本能自动识别验证码实现登陆呢?

接下来我以 B 站为例给大家讲解下,如何解决自动登陆脚本中最关键的验证码问题。

探索

首先需要体验下这个网站的登陆方式,了解下它的验证码类型。

打开 B 站 https://www.bilibili.com/ ,打开控制台,点击登陆,这时候会弹出中间小的登陆框,通常输入完账号和密码,就会弹出验证码框了,我们猜测验证码的接口此时已经请求了。

由于验证码的英文是 captcha ,我们在 network 面板里搜 captcha

发现了一个和验证码相关的接口

https://passport.bilibili.com/x/passport-login/captcha

点开看接口返回结果,果然有一些有用的信息,我们发现验证码类型是 geetest

{
  "code": 0,
  "message": "0",
  "ttl": 1,
  "data": {
    "type": "geetest",
    "token": "b416c387953540608bb5da384b4e372b",
    "geetest": {
      "challenge": "aeb4653fb336f5dcd63baecb0d51a1f3",
      "gt": "ac597a4506fee079629df5d8b66dd4fe"
    },
    "tencent": {
      "appid": ""
    }
  }
}

通过搜索发现了 B 站使用的验证码服务是 geetest 提供的,国内有很多网站都用的这个服务, geetest 验证码的特点是移动拼图、按顺序选择文字或者数字。

那么接下来,就来寻找可以识别 geetest 验证码的办法。

小编了解了市面上提供的验证码解决方案,效果比较好的基本都是 OCR 服务商,对比之后发现 2Captcha 的服务非常好,解码速度快、服务器连接稳定、支持多种语言 API、价格公道,小编决定试用下 2Captcha

2Captcha 官网

接下来就展示使用 Nodejs + Playwright + 2Captcha 来解决 B 站的登陆验证码问题。

如果想用其他语言和框架,比如 Python + Selenium ,也可以参照这个教程,解决问题的思路都是一样的。

解决

  1. 如何识别验证码

先仔细阅读官方文档 2Captcha API Geetest,解决方案写的很详细,简单来说

  • 通过拦截网站接口,获取gtchallenge这两个校验码参数,请求http://2captcha.com/in.php,得到验证码 ID
  • 隔一段时间再请求http://2captcha.com/res.php,得到校验成功的标识 challengevalidateseccode
  1. 如何应用验证结果

拿到最关键的 validate 之后,模拟用户填写账号密码登陆,拦截验证码请求接口的返回参数,替换为校验成功的参数,随即触发登陆接口。

接下来,我们分析下详细步骤

环境准备

我们先搭建一下脚本执行环境。

我们使用 Node.js + Playwright 来写脚本。

  1. 先确保你的电脑本地已经安装了 Nodejs

  2. 再新建空项目,安装 Playwright

mkdir bypass-captcha
cd bypass-captcha
npm init
npm i -D playwright

我们采用 Playwright 的库模式,详细文档:Playwright

  1. 在项目根目录新建一个脚本文件 captcha.js,填入以下内容,命令行运行node captcha.js来简单测试下是否能正常启动项目
const {
    chromium
} = require("playwright");

(async () => {
    const browser = await chromium.launch({
        headless: false,
    });
    const page = await browser.newPage();
    await page.goto("https://www.bilibili.com/");

    await browser.close();
})();

正常情况下会弹出一个谷歌浏览器界面,显示 B 站首页,随后浏览器自动关闭。

请求 in.php 接口

  1. 首先整理下请求http://2captcha.com/in.php接口所需要的参数有哪些,可以看下参数列表,我们关注下必传参数
参数 类型 必选 描述
key String 您的 API key
method String geetest – 定义您正在发送的是 Geetest 的验证码
gt String 在目标网站上找到的 gt 参数
challenge String 在目标网站上找到的 challenge 参数
api_server String 在目标网站上找到的 api_server 参数
pageurl String 您看到 Geetest 验证码时所在网页的完整 URL
header_acao Integer 默认: 0 0 – 禁用 1 – 启用。 如果启用 in.php 将在响应中包含 Access-Control-Allow-Origin:* 标头。 用于 Web 应用程序中的跨域 AJAX 请求。 res.php 也支持
pingback String 解决验证码时将发送的 pingback(回调)响应的 URL。 URL 应该在服务器上注册。 更多信息在这里
json Integer 默认: 0 0 – 服务器将以纯文本形式发送响应 1 – 告诉服务器以 JSON 格式发送响应
soft_id Integer 软件开发人员的 ID。 将他们的软件与 2Captcha 集成的开发人员将获得奖励:软件用户支出的 10%。
proxy String 格式: login:password@123.123.123.123:3128 您可以找到更多关于代理的信息这里
proxytype String 代理类型: HTTP, HTTPS, SOCKS4, SOCKS5.
userAgent String 您的 userAgent 将传递给我们的工作人员并用于解决验证码。
  • key是需要在 2Captcha 官网注册账户后,后台面板的账户设置中就有一个API key,当然要起让 key 生效的话还需要充值一定金额
  • method 是一个固定值 geetest
  • gtchallenge 之前已经在网站登录页面的接口中看到了。不过这里有个注意点,gt是每个网站只有一个值,B 站这里是固定的ac597a4506fee079629df5d8b66dd4fe,但是 challenge 是一个动态值,每次 API 请求都会获得一个新的 challenge 值。在页面上加载验证码后,challenge 值就会失效。 所以要在网站登录页加载的时候监听https://passport.bilibili.com/x/passport-login/captcha这个请求,每次重新识别出新的 challenge 值。下面会讲解如何监听到。
  • pageurl就是登录页的地址https://www.bilibili.com/

于是我们可以得到类似这样一个请求接口

http://2captcha.com/in.php?key=1abc234de56fab7c89012d34e56fa7b8&method=geetest>=ac597a4506fee079629df5d8b66dd4fe&challenge=12345678abc90123d45678ef90123a456b&pageurl=https://www.bilibili.com/
  1. 接下来就解决每次进首页获取新的 challenge

模拟用户点击登录的流程

  • 先启动谷歌浏览器,打开 B 站首页

  • 点击顶部的登录按钮,会弹出登录框

  • 这时候验证码接口已经发出,在这里监听验证码接口返回的参数,就能截获到gtchallenge的值

const {
    chromium
} = require("playwright");

(async () => {
    // 选择Chrome浏览器,设置headless: false 能看到浏览器界面
    const browser = await chromium.launch({
        headless: false,
    });

    const page = await browser.newPage();

    // 打开B站
    await page.goto("https://www.bilibili.com/");

    const [response] = await Promise.all([
        // 请求验证码接口
        page.waitForResponse(
            (response) =>
            response.url().includes("/x/passport-login/captcha") &&
            response.status() === 200
        ),
        // 点击顶部的登录按钮
        page.click(".header-login-entry"),
    ]);

    // 获取到接口返回信息
    const responseJson = await response.body();

    // 解析出  gt 和 challenge
    const json = JSON.parse(responseJson);
    const gt = json.data.geetest.gt;
    const challenge = json.data.geetest.challenge;

    console.log("得到 gt", gt, "challenge", challenge);

    // 暂停5秒,防止浏览器关闭太快,来不及看到效果
    sleep(5000);

    // 关闭浏览器
    await browser.close();
})();

/**
 * 模拟sleep功能,延迟一定时间,单位毫秒
 * Delay for a number of milliseconds
 */
function sleep(delay) {
    var start = new Date().getTime();
    while (new Date().getTime() < start + delay);
}
  1. 使用request库来单独请求in.php接口

先安装 request

npm i request

现在可以开始正式的请求 http://2captcha.com/in.php 接口了

// 请求 in.php 接口
const inData = {
    key: API_KEY,
    method: METHOD,
    gt: gt,
    challenge: challenge,
    pageurl: PAGE_URL,
    json: 1,
};

request.post(
    "http://2captcha.com/in.php", {
        json: inData
    },
    function(error, response, body) {
        if (!error && response.statusCode == 200) {
            console.log("response", body);
        }
    }
);

正常情况下,这时候会返回验证码 ID ,比如 {"status":1,"request":"2122988149"} ,取 request 字段即可。

如果接口返回代码 ERROR_ZERO_BALANCE ,表明您的账户余额不足,需要充值,我这里充值了最低额度用于演示,大家根据自己需要适当体验下。

扩展学习

为了提升安全性,我们将 API Key 写在环境变量文件中来引用。

  1. 在根目录新建一个环境变量文件.env,写入API Key的值
# .env文件
API_KEY="d34y92u74en96yu6530t5p2i2oe3oqy9"
  1. 然后安装dotenv库,用来获取到环境变量
npm i dotenv
  1. 在 js 脚本中使用
require("dotenv").config();

这样通过 process.env.API_KEY 就能取到 .env 中的变量了,通常 .env 文件不上传到代码仓库,保证个人信息的安全性。

  1. 如果不想把信息写到文件中的同时确保安全性,也可以直接在控制台输入传入 Node.js 环境变量,比如
API_KEY=d34y92u74en96yu6530t5p2i2oe3oqy9 node captcha.js

请求 res.php 接口

  1. 请求接口之前,我们也整理下所需参数
GET 参数 类型 必选 描述
GET 参数 类型 必选 描述
key String 您的 API key
action String get – 得到您的验证码的答案
id Integer in.php 返回的验证码 ID
json Integer 默认: 1 服务器将始终以 JSON 格式返回 Geetest 验证码的响应。
  • key 就是 API_KEY,上一个接口也用到了
  • action 就是固定值 get
  • id 是刚刚 in.php 返回的验证码 ID
  1. 上一个请求 20 秒之后,再请求 http://2captcha.com/res.php 接口获取验证结果
request.get(
    `http://2captcha.com/res.php?key=${API_KEY}&action=get&id=${ID}&json=1`,
    function(error, response, body) {
        if (!error && response.statusCode == 200) {
            const data = JSON.parse(body);
            if (data.status == 1) {
                console.log(data.request);
            }
        }
    }
);

接口会返回三个值 challengevalidateseccode ,每一个参数都是一个字符串

{
  "geetest_challenge": "aeb4653fb336f5dcd63baecb0d51a1f3",
  "geetest_validate": "9f36e8f3a928a7d382dad8f6c1b10429",
  "geetest_seccode": "9f36e8f3a928a7d382dad8f6c1b10429|jordan"
}

其中 challenge 就是前面我们拦截到的参数, validate 是校验结果标识, seccode 内容和 validate 基本一致,只多了一个单词。我们需要将 validate 存储下来备用。

这里有时候会碰到验证码无法校验通过的情况,可以多尝试几次,或者联系 2Captcha 官网排查问题

到这里,验证码校验结果的信息已经获取完整,接下来就是拿校验结果去登陆了。

登陆

  1. 先来研究下正常用户点击验证码校验成功后的登陆流程

我们发现了三个接口

  • https://api.geetest.com/ajax.php:验证码接口,用于生成验证码和校验验证码是否通过。校验接口返回数据中的 validate 字段就是 2Captcha 服务获取到的 geetest_validate
  • https://passport.bilibili.com/x/passport-login/web/key?_=1649087831803:密码加密接口,用于获取 hash 和公钥
  • https://passport.bilibili.com/x/passport-login/web/login:登陆接口,入参包括账号、密码、tokenchallengevalidateseccode

我们分析这几个接口,可以得出两个登陆方案。

  1. 第一个方案,在Node.js 环境下请求加密接口和登陆接口,获取用户 Cookie 信息,后续用户登陆直接携带 Cookie 信息即可。这个方案的难点是需要单独处理密码加密,对新手不太友好。
  2. 第二个方案,用 Playwright 模拟用户填写账号密码登陆,随机点击验证码触发登陆,拦截验证码接口的返回参数,替换为校验成功的标识,随即触发登陆接口。

我们采用第二种方案。

不过也遇到一个坑,就是 Node.js 环境下,验证码图片加载不出来,后面发现验证码接口 https://api.geetest.com/ajax.php 同时负责拉取验证码图片和校验验证码,我们直接拦截拉取验证码图片时的请求,替换校验结果就能触发登陆了,不需要等图片验证码出来。这个细节很关键。

总结

以上就是针对自动化测试任务中,常见的自动登陆功能的一些研究。结合 Node.jsPlaywright2Captcha 这些工具的优势,实现了验证码识别。完整的代码我已经上传到了 GitHub。

仓库:https://github.com/openHacking/bypass-captcha

原文:https://lwebapp.com/zh/post/bypass-captcha

可能还有很多待优化的地方,欢迎大家指出。

声明:此脚本只作为测试和学习的案例,风险自行评估。

参考