<img src="code.png" onclick="this.src ={$maccms.path_tpl}picture/captcha.png"
验证码在我们的后台代码生成，也就是在java代码里生成。然后在页面上显示出来，当用户输入验证码后再检验用户输入的验证码是否和后台生成的验证码相同，比较的时候可以通过ajax去比较，坚决反对用个隐藏域来保存后台生成的验证码，因为这样很容易被攻击本文不是讲如何破解谷歌的reCAPTCHA（实际上我们也办不到），而是介绍在程序中借助第三方（人工）打码平台顺利通过reCAPTCHA验证。由于使用人工打码会产生费用，并且费用是和调用次数成正比的，所以本方法仅适用于reCAPTCHA出现频率比较低的场景，例如：
1）网站登录使用了reCAPTCHA。比如，有时Linkedin登录就会出现reCAPTCHA（如下图所示），验证当前客户端是否是“真人”。
2）网站对访问频率过快的客户端返回reCAPTCHA，通过验证后即可继续访问。比如Zocdoc.com这个网站。
下面进入正题。如何在程序中借助第三方（人工）打码平台通过reCAPTCHA验证？
因为reCAPTCHA表单是JS动态创建的，我们遇到的第一个难题就是如何获取到reCAPTCHA表单中的验证码图片的路径及各隐藏表单域的值。
1）一个办法就是使用类似webkit的浏览器模拟工具（例如，phantomjs）加载页面，这样就能直接获取到JS生成的HTML源码。但是实现起来比较复杂，还需要借助第三方的软件。
2）查看源码会发现如果页面禁用了JS，reCAPTCHA将使用iframe模式加载（如下示），此时验证码图片路径和各表单项都是直接可见的。
这个问题解决了。接下来我们要获取到验证码图片对应的明文。如何调用第三方打码平台进行图片验证码识别呢？
我们需要先下载验证码图片，再把图片的二进制数据上传给打码平台，然后等待平台人工打码返回明文。打码平台一般都提供了供各种常见语言调用的API，所以该过程也比较简单。
现在我们已经获取到验证码图片对应的明文，只要我们将其和其它隐藏表单域参数一起提交就能完成验证过程了。
闲话不多说，还是直接上代码比较实在（Python实现, 这是我们真实项目中用到的）：
view plaincopy to clipboardprint?
# coding: utf-8
# recaptcha.py
import sys
import os
os.chdir(os.path.dirname(os.path.realpath(sys.argv[0])))
import re
import StringIO
import deathbycaptcha
from urlparse import urljoin
from webscraping import common, xpath
DEATHBYCAPTCHA_USERNAME = '******'
DEATHBYCAPTCHA_PASSWORD = '******'
def read_captcha(image):
"""image - fileobj, the captcha to be recognized
"""
client = deathbycaptcha.SocketClient(DEATHBYCAPTCHA_USERNAME, DEATHBYCAPTCHA_PASSWORD)
try:
balance = client.get_balance()
# Put your CAPTCHA file name or file-like object, and optional
# solving timeout (in seconds) here:
common.logger.info('Submit captcha to http://deathbycaptcha.com/.')
captcha = client.decode(image)
if captcha:
# The CAPTCHA was solvedcaptcha["captcha"] item holds its
# numeric ID, and captcha["text"] item its text.
common.logger.info("CAPTCHA %s solved: %s" % (captcha["captcha"], captcha["text"]))
return captcha["text"].strip()
except deathbycaptcha.AccessDeniedException:
# Access to DBC API denied, check your credentials and/or balance
common.logger.info('Access to DBC API denied, check your credentials and/or balance')
def solve_recaptcha(html, D):
"""To solve the Google recaptcha
"""
m = re.compile(r']+src="(https?://www\.google\.com/recaptcha/api/noscript\?k=[^"]+)"', re.IGNORECASE).search(html)
if m:
common.logger.info('Need to solve the recaptcha.')
# need to solve the captcha first
iframe_url = m.groups()[0]
# load google recaptcha page
iframe_html = D.get(iframe_url, read_cache=False)
# extract recaptcha_challenge_field value for future use
recaptcha_challenge_field = xpath.get(iframe_html, '//input[@id="recaptcha_challenge_field"]/@value')
if recaptcha_challenge_field:
# extract captcha image link
captcha_image_url = xpath.get(iframe_html, '//img/@src')
if captcha_image_url:
captcha_image_url = urljoin(iframe_url, captcha_image_url)
# download captcha
captcha_bytes = D.get(captcha_image_url, read_cache=False)
if captcha_bytes:
#open('captcha.jpg', 'wb').write(captcha_bytes)
fileobj = StringIO.StringIO(captcha_bytes)
# read the captcha via deathbycaptcha
recaptcha_response_field = read_captcha(fileobj)
if recaptcha_response_field:
common.logger.info('Have got the captcha content = "%s".' % str(recaptcha_response_field))
url = 'https://www.linkedin.com/uas/captcha-submit'
post_data = {}
captcha_form = xpath.get(html, '//form[@name="captcha"]')
for input_name, input_value in re.compile(r']+type="hidden"\s+name="([^<>\"]+)"\s+value="([^<>\"]+)"').findall(captcha_form):
post_data[input_name] = input_value
post_data['recaptcha_challenge_field'] = recaptcha_challenge_field
post_data['recaptcha_response_field'] = recaptcha_response_field
return D.get(url, data=post_data, read_cache=False)
