1.3K Star开源好工具,跳过图形验证码

开源日记

发布于 2023-12-13 12:10:17

5880

发布于 2023-12-13 12:10:17

文章被收录于专栏：JVMGC

软件介绍

Hcaptcha-challenger 是一个开源的 Python 软件包，旨在破译 hCaptcha 验证码系统。hCaptcha 是一种人机验证系统，被许多网站用于保护其服务免受恶意自动化行为的侵害。然而，这种保护机制对于某些合法用户来说可能过于繁琐。
Hcaptcha-challenger 通过使用机器学习和图像处理技术，可以自动分析和识别 hCaptcha 验证码，从而帮助用户绕过人机验证步骤。

功能特点

自动破解 hCaptcha 验证码：Hcaptcha-challenger 使用先进的机器学习和图像处理技术来识别和破解 hCaptcha 验证码，从而为用户提供了一种简单而有效的解决方案。
高效准确：该软件包经过优化，可以高效地处理大量的验证码，并提供准确的破译结果。
多种识别模式：为了适应不同类型和复杂度的 hCaptcha 验证码，Hcaptcha-challenger 提供了多种识别模式，以满足不同用户的需求。
灵活的配置选项：用户可以根据自己的需求和环境，通过配置参数来调整识别模型的参数，以达到更好的破解效果。
客户端和服务器端支持：Hcaptcha-challenger 提供客户端和服务器端两种使用方式，方便用户根据自己的需求选择。

使用步骤

1.下载和安装：通过 GitHub 页面或 pip 工具下载 hcaptcha-challenger 软件包，并根据指示进行安装。

pip insatll -U pip
pip install -U hcaptcha-challenger[playwright]

2.导入和初始化：在 Python 代码中导入 hcaptcha-challenger，并进行初始化设置。

# -*- coding: utf-8 -*-
# Time       : 2023/9/2 3:30
# Author     : QIN2DIM
# GitHub     : https://github.com/QIN2DIM
# Description:
from __future__ import annotations

import asyncio
from pathlib import Path

from loguru import logger
from playwright.async_api import BrowserContext as ASyncContext, async_playwright

import hcaptcha_challenger as solver
from hcaptcha_challenger.agents import AgentT
from hcaptcha_challenger.utils import SiteKey

# Init local-side of the ModelHub
clip_available = True
solver.install(upgrade=True, clip=clip_available)

# Save dataset to current working directory
tmp_dir = Path(__file__).parent.joinpath("tmp_dir")

sitekey = SiteKey.user_easy


@logger.catch
async def hit_challenge(context: ASyncContext, times: int = 8):
    page = await context.new_page()
    agent = AgentT.from_page(page=page, tmp_dir=tmp_dir, self_supervised=clip_available)
    await page.goto(SiteKey.as_sitelink(sitekey))

    await agent.handle_checkbox()

    for pth in range(1, times):
        result = await agent.execute()
        probe = list(agent.qr.requester_restricted_answer_set.keys())
        question = agent.qr.requester_question
        print(f">> {pth} - Challenge Result: {result} - {question=} {probe=}")
        match result:
            case agent.status.CHALLENGE_BACKCALL:
                await page.wait_for_timeout(500)
                fl = page.frame_locator(agent.HOOK_CHALLENGE)
                await fl.locator("//div[@class='refresh button']").click()
            case agent.status.CHALLENGE_SUCCESS:
                return


async def bytedance():
    # playwright install chromium --with-deps
    async with async_playwright() as p:
        browser = await p.chromium.launch(headless=False)
        context = await browser.new_context(locale="en-US")
        await hit_challenge(context)


if __name__ == "__main__":
    asyncio.run(bytedance())

3.配置参数：根据所需的识别模式和其他配置选项，设置相应的参数。这可能包括选择识别模型、调整图像处理参数等。
4.提取验证码图像：通过网站或服务的 API 获取 hCaptcha 验证页面，并提取出包含验证码的图像。这通常需要提供一些特定的信息，例如页面 URL 或其他识别标识。
5.进行识别：使用 hcaptcha-challenger 提供的识别函数，对提取的图像进行识别操作。该步骤将自动处理验证码图像并尝试破解其内容。
6.获取结果：根据返回的结果，判断验证码识别是否成功。如果成功，可以继续进行后续操作，例如自动填写表单或进行其他相关任务。否则，可能需要重新尝试或调整配置参数以改进识别效果。

创作不易分享,赞,在看,三连支持一波,感谢。↓↓↓

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2023-12-11，如有侵权请联系 cloudcommunity@tencent.com 删除

图像处理