BLS CAPTCHA：理解指令代码并解决

BLS 验证码自动识别的思路不复杂：把 3×3 网格里的 9 张图片和三位数指令代码打包提交给 CaptchaAI API，接口返回匹配的单元格编号，按编号点击并提交表单即可。下面按提取、提交、点击三步拆解，Python 和 JavaScript 示例可直接复用。

BLS 验证码的网格和指令代码怎么解读

一个典型的 BLS 验证码由两部分组成：

1. 3×3 图片网格，共 9 个格子，每个格子放一张图片。
2. 数字指令代码（例如 664、123、546），告诉求解器要选出哪些格子。

格子按从左到右、从上到下的顺序编号：

1  2  3
4  5  6
7  8  9

指令代码是一种模式匹配规则，CaptchaAI 解析后返回 1–9 的索引数组，对应要点击的格子，不用自己猜规则。人工逐个比对图片和代码很容易点错，这也是脚本里最容易卡住的环节。

准备工作

只需三样东西：

• 浏览器自动化库：Selenium 或 Puppeteer 均可；
• HTTP 客户端：Python 用 requests，Node.js 用 axios；
• API Key：先在 CaptchaAI 控制台生成一个。

国内环境可用清华源加速安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple selenium requests。

步骤 1：提取网格图片和指令代码

Python（Selenium）

import base64
from selenium import webdriver
from selenium.webdriver.common.by import By

driver = webdriver.Chrome()
driver.get("https://example.com/bls-protected-page")

# Find the grid container
grid_cells = driver.find_elements(By.CSS_SELECTOR, ".captcha-grid img")

images = []
for cell in grid_cells:
    src = cell.get_attribute("src")
    if src.startswith("data:image"):
        images.append(src)
    else:
        # Download and convert to base64
        import requests
        img_data = requests.get(src).content
        b64 = base64.b64encode(img_data).decode()
        images.append(f"data:image/png;base64,{b64}")

# Extract the instruction code
instruction_el = driver.find_element(By.CSS_SELECTOR, ".captcha-instruction")
instruction_code = instruction_el.text.strip()
# e.g., "664" or parsed from "Select all boxes with number 664"

import re
code_match = re.search(r'(\d{3,})', instruction_code)
instruction = code_match.group(1) if code_match else instruction_code

print(f"Instruction: {instruction}")
print(f"Images extracted: {len(images)}")

遍历每张图片：能拿到 data:image 直接用，拿不到就下载转 base64；指令文本用正则提取三位以上数字作为 instructions。

提示：网格图片常懒加载，抓取前先加显式等待（WebDriverWait/page.waitForSelector），避免拿到占位图。

JavaScript（Puppeteer）

思路相同，用 canvas 把每个格子转成 base64：

const puppeteer = require('puppeteer');

const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto('https://example.com/bls-protected-page');

// Extract grid images as base64
const images = await page.evaluate(() => {
  const cells = document.querySelectorAll('.captcha-grid img');
  return Array.from(cells).map(img => {
    const canvas = document.createElement('canvas');
    canvas.width = img.naturalWidth;
    canvas.height = img.naturalHeight;
    canvas.getContext('2d').drawImage(img, 0, 0);
    return canvas.toDataURL('image/png');
  });
});

// Extract instruction code
const instruction = await page.evaluate(() => {
  const el = document.querySelector('.captcha-instruction');
  const match = el.textContent.match(/(\d{3,})/);
  return match ? match[1] : el.textContent.trim();
});

console.log(`Instruction: ${instruction}, Images: ${images.length}`);

步骤 2：把网格数据提交给 CaptchaAI 识别

BLS 求解器需要三样东西：method=bls、instructions 代码，以及 image_base64_1 到 image_base64_9 这 9 张图片，缺一个都会报参数错误。

提示：9 张图片一起提交，体积比单图大；建议控制分辨率，避免请求体过大拖慢提交。

Python

import requests
import time
import json

API_KEY = "YOUR_API_KEY"

# Prepare submission data
data = {
    "key": API_KEY,
    "method": "bls",
    "instructions": instruction,
    "json": "1",
}

# Add all 9 images
files = {}
for i, img in enumerate(images):
    files[f"image_base64_{i+1}"] = (None, img)

# Submit
resp = requests.post(
    "https://ocr.captchaai.com/in.php",
    data=data,
    files=files
).json()

if resp["status"] != 1:
    raise Exception(f"Submit error: {resp['request']}")

task_id = resp["request"]
print(f"Task ID: {task_id}")

# Poll for result
for _ in range(20):
    time.sleep(5)
    result = requests.get("https://ocr.captchaai.com/res.php", params={
        "key": API_KEY, "action": "get", "id": task_id, "json": "1"
    }).json()

    if result["status"] == 1:
        solution = json.loads(result["request"])
        print(f"Selected cells: {solution}")  # e.g., [1, 4, 7, 8]
        break
    if result["request"] != "CAPCHA_NOT_READY":
        raise Exception(f"Error: {result['request']}")

拿到 task_id 后每 5 秒轮询一次 res.php，status 变成 1 时 result["request"] 就是要点击的格子编号数组。

JavaScript

const axios = require('axios');
const FormData = require('form-data');

const form = new FormData();
form.append('key', 'YOUR_API_KEY');
form.append('method', 'bls');
form.append('instructions', instruction);
form.append('json', '1');

images.forEach((img, i) => {
  form.append(`image_base64_${i + 1}`, img);
});

const submit = await axios.post('https://ocr.captchaai.com/in.php', form, {
  headers: form.getHeaders(),
});
const taskId = submit.data.request;

// Poll
let solution = null;
for (let i = 0; i < 20; i++) {
  await new Promise(r => setTimeout(r, 5000));
  const poll = await axios.get('https://ocr.captchaai.com/res.php', {
    params: { key: 'YOUR_API_KEY', action: 'get', id: taskId, json: 1 }
  });
  if (poll.data.status === 1) {
    solution = JSON.parse(poll.data.request);
    break;
  }
}
console.log('Selected cells:', solution); // e.g., [2, 4, 7]

步骤 3：点击已识别的单元格并提交表单

把索引数组里每个编号（1 起始）映射回页面格子并点击，最后提交表单。

# Selenium — click the cells returned by CaptchaAI
grid_cells = driver.find_elements(By.CSS_SELECTOR, ".captcha-grid .cell")

for cell_index in solution:
    # cell_index is 1-based
    grid_cells[cell_index - 1].click()

# Submit the form
submit_btn = driver.find_element(By.CSS_SELECTOR, ".captcha-submit")
submit_btn.click()

// Puppeteer
const cells = await page.$$('.captcha-grid .cell');
for (const idx of solution) {
  await cells[idx - 1].click();
}
await page.click('.captcha-submit');

完整工作流程代码

把前面三步封装成一个函数，方便在爬虫或测试脚本里直接调用：

def solve_bls_captcha(driver, api_key):
    """Extract, solve, and submit a BLS CAPTCHA."""
    import base64, requests, time, json, re

    # 1. Extract images
    grid_cells = driver.find_elements(By.CSS_SELECTOR, ".captcha-grid img")
    images = []
    for cell in grid_cells:
        src = cell.get_attribute("src")
        if src.startswith("data:image"):
            images.append(src)
        else:
            img_data = requests.get(src).content
            b64 = base64.b64encode(img_data).decode()
            images.append(f"data:image/png;base64,{b64}")

    # 2. Extract instruction
    el = driver.find_element(By.CSS_SELECTOR, ".captcha-instruction")
    match = re.search(r'(\d{3,})', el.text)
    instruction = match.group(1)

    # 3. Submit to CaptchaAI
    data = {"key": api_key, "method": "bls", "instructions": instruction, "json": "1"}
    files = {f"image_base64_{i+1}": (None, img) for i, img in enumerate(images)}
    resp = requests.post("https://ocr.captchaai.com/in.php", data=data, files=files).json()
    task_id = resp["request"]

    # 4. Poll
    for _ in range(20):
        time.sleep(5)
        result = requests.get("https://ocr.captchaai.com/res.php", params={
            "key": api_key, "action": "get", "id": task_id, "json": "1"
        }).json()
        if result["status"] == 1:
            solution = json.loads(result["request"])
            break

    # 5. Click cells
    clickable = driver.find_elements(By.CSS_SELECTOR, ".captcha-grid .cell")
    for idx in solution:
        clickable[idx - 1].click()

    return solution

故障排查

多数问题出在提取环节，图片和指令代码对了之后基本不用再排查。

常见问题

BLS 验证码的指令代码具体是什么意思？

指令代码（比如“664”）是一种匹配规则，告诉求解器哪些格子算“命中”。你不用自己解读——把代码和 9 张图片交给 CaptchaAI，接口直接返回匹配的格子编号。

提交任务后一直拿不到结果怎么办？

CAPCHA_NOT_READY 说明还在处理，按 5 秒间隔继续轮询即可；其他错误文本通常是图片或指令代码有问题，回头检查提取步骤。

9 张图片必须是 base64 格式吗？

是的，两种情况都要转成 base64 再传给 image_base64_1 到 image_base64_9：

• <img> 的 src 本身就是 data:image 开头——直接用；
• 否则先用服务器端请求下载原图，再编码成 base64。

BLS 验证码和九宫格图片验证码是一回事吗？

思路类似，都是 3×3 网格加选格逻辑，但 BLS 多了数字指令代码这层规则。CaptchaAI 用 method=bls 处理，识别通常在 1 秒以内。

用 CaptchaAI 自动识别 BLS 验证码

把网格图片和指令代码交给 CaptchaAI，提取、提交、点击即可全部脚本化。前往 CaptchaAI 官网 获取 API Key 即可开始。

相关指南

• 网格图片坐标映射指南
• 浏览器控制台验证码检测方法
• CaptchaAI 错误码参考