中文网站验证码识别：汉字 OCR 与极验滑块实战

国内站点的验证码基本只有三类：歪扭的汉字图片（含点选汉字）、中文算术题，以及登录页的 GeeTest（极验）v3 滑块。链路只有两条——前两类走图片/OCR，language 传 2；滑块走 method=geetest，提交 gt 与 challenge。reCAPTCHA v2 只出现在出海站点上。类型判断对了，代码是最省事的一环。

适用范围： 本文只覆盖你自有或已授权的采集与 QA 环境；采集范围请对照网络安全法、数据安全法、PIPL 和 robots 协议判断。

CaptchaAI 覆盖哪些中文验证码

正式支持 12 种类型：图片/OCR、九宫格、GeeTest v3、reCAPTCHA v2/v3 全系、Cloudflare Turnstile 与 Challenge、BLS；CaptchaFox、Friendly Captcha、Lemin 为测试版。网易易盾、腾讯防水墙、阿里云验证码不在覆盖范围内，hCaptcha 与 FunCaptcha 也不支持。GeeTest v4 目前只是“即将支持”，别拿 v3 的参数硬试。

中文网站的验证码类型怎么分

验证码类型	常见位置	识别方式
汉字图片、中文算术题	政务门户、期刊库	图片/OCR，带 `language=2`
点选汉字	风控较严的登录流程	图片/OCR 坐标模式
GeeTest（极验）v3 滑块	社区、视频站登录页	`method=geetest`
reCAPTCHA v2	出海站点	reCAPTCHA v2

场景：中文期刊库的批量导出

最典型的是中文期刊库：批量导出检索结果时，每翻几页就弹一张汉字验证码。把取图、识别、回填封装成一个函数挂进翻页循环，只在出现验证码元素时触发。并发上限看线程数：单机脚本用 BASIC（$15/月，5 线程）够用，多进程跑批一般上 ADVANCE（$90/月，50 线程）。计费按线程算，单个线程当月的识别次数不限。

Python：OCR 与极验滑块的调用流程

三个函数骨架相同：POST 到 in.php 拿任务 ID，再每 5 秒轮询 res.php，收到 CAPCHA_NOT_READY 就继续等。图片先做 base64 编码，language 必须传 2，否则引擎按拉丁字符去猜。装依赖走清华 TUNA 镜像更快。

import requests
import base64
import time

API_KEY = "YOUR_API_KEY"
SUBMIT_URL = "https://ocr.captchaai.com/in.php"
RESULT_URL = "https://ocr.captchaai.com/res.php"


def solve_chinese_image_captcha(image_path: str) -> str:
    """Solve a Chinese character image CAPTCHA."""
    with open(image_path, "rb") as f:
        image_b64 = base64.b64encode(f.read()).decode()

    resp = requests.post(SUBMIT_URL, data={
        "key": API_KEY,
        "method": "base64",
        "body": image_b64,
        "language": 2,          # 2 = Chinese characters supported
        "json": 1,
    }, timeout=30).json()

    if resp.get("status") != 1:
        raise RuntimeError(f"Submit failed: {resp.get('request')}")

    task_id = resp["request"]
    start = time.monotonic()

    while time.monotonic() - start < 120:
        time.sleep(5)
        poll = requests.get(RESULT_URL, params={
            "key": API_KEY, "action": "get",
            "id": task_id, "json": 1,
        }, timeout=15).json()

        if poll.get("request") == "CAPCHA_NOT_READY":
            continue
        if poll.get("status") == 1:
            return poll["request"]
        raise RuntimeError(f"Solve failed: {poll.get('request')}")

    raise RuntimeError("Timeout")


def solve_chinese_captcha_from_url(captcha_url: str, cookies: dict = None) -> str:
    """Download and solve a Chinese CAPTCHA from a URL."""
    session = requests.Session()
    if cookies:
        session.cookies.update(cookies)

    resp = session.get(captcha_url, timeout=15)
    image_b64 = base64.b64encode(resp.content).decode()

    submit = requests.post(SUBMIT_URL, data={
        "key": API_KEY,
        "method": "base64",
        "body": image_b64,
        "language": 2,
        "json": 1,
    }, timeout=30).json()

    if submit.get("status") != 1:
        raise RuntimeError(f"Submit: {submit.get('request')}")

    task_id = submit["request"]
    for _ in range(24):
        time.sleep(5)
        poll = requests.get(RESULT_URL, params={
            "key": API_KEY, "action": "get", "id": task_id, "json": 1,
        }, timeout=15).json()

        if poll.get("request") == "CAPCHA_NOT_READY":
            continue
        if poll.get("status") == 1:
            return poll["request"]
        raise RuntimeError(f"Solve: {poll.get('request')}")

    raise RuntimeError("Timeout")


# --- GeeTest on Chinese platforms ---

def solve_geetest_chinese(gt: str, challenge: str, pageurl: str) -> dict:
    """Solve GeeTest v3 commonly found on Baidu, Bilibili, etc."""
    resp = requests.post(SUBMIT_URL, data={
        "key": API_KEY,
        "method": "geetest",
        "gt": gt,
        "challenge": challenge,
        "pageurl": pageurl,
        "json": 1,
    }, timeout=30).json()

    if resp.get("status") != 1:
        raise RuntimeError(f"Submit: {resp.get('request')}")

    task_id = resp["request"]
    for _ in range(36):
        time.sleep(5)
        poll = requests.get(RESULT_URL, params={
            "key": API_KEY, "action": "get", "id": task_id, "json": 1,
        }, timeout=15).json()

        if poll.get("request") == "CAPCHA_NOT_READY":
            continue
        if poll.get("status") == 1:
            # GeeTest returns challenge, validate, seccode
            return poll["request"]
        raise RuntimeError(f"Solve: {poll.get('request')}")

    raise RuntimeError("Timeout")


# Usage — Chinese government portal
text = solve_chinese_image_captcha("chinese_captcha.png")
print(f"Chinese CAPTCHA text: {text}")

# GeeTest on a Chinese platform
geetest_result = solve_geetest_chinese(
    gt="b46d1900d0a894591f1561f8c35670a7",
    challenge="dynamic_challenge_string",
    pageurl="https://www.example.cn/login",
)

GeeTest 返回的不是单个 token，而是 challenge、validate、seccode 三个值，原样回填到校验请求里；其中 challenge 的有效期只有几十秒，取到后立刻提交。

Node.js：同一套提交与轮询

逻辑一致：URLSearchParams 组装表单体，fetch 提交，再定时轮询。图片任务留 24 轮，GeeTest 留 36 轮——滑块比纯 OCR 慢，轮次要给足。

const API_KEY = "YOUR_API_KEY";
const SUBMIT_URL = "https://ocr.captchaai.com/in.php";
const RESULT_URL = "https://ocr.captchaai.com/res.php";
const fs = require("fs");

async function solveChineseImageCaptcha(imagePath) {
  const imageB64 = fs.readFileSync(imagePath, "base64");

  const body = new URLSearchParams({
    key: API_KEY,
    method: "base64",
    body: imageB64,
    language: "2",
    json: "1",
  });

  const resp = await (await fetch(SUBMIT_URL, { method: "POST", body })).json();
  if (resp.status !== 1) throw new Error(`Submit: ${resp.request}`);

  const taskId = resp.request;
  for (let i = 0; i < 24; i++) {
    await new Promise((r) => setTimeout(r, 5000));
    const url = `${RESULT_URL}?key=${API_KEY}&action=get&id=${taskId}&json=1`;
    const poll = await (await fetch(url)).json();
    if (poll.request === "CAPCHA_NOT_READY") continue;
    if (poll.status === 1) return poll.request;
    throw new Error(`Solve: ${poll.request}`);
  }
  throw new Error("Timeout");
}

async function solveGeeTest(gt, challenge, pageurl) {
  const body = new URLSearchParams({
    key: API_KEY,
    method: "geetest",
    gt,
    challenge,
    pageurl,
    json: "1",
  });

  const resp = await (await fetch(SUBMIT_URL, { method: "POST", body })).json();
  if (resp.status !== 1) throw new Error(`Submit: ${resp.request}`);

  const taskId = resp.request;
  for (let i = 0; i < 36; i++) {
    await new Promise((r) => setTimeout(r, 5000));
    const url = `${RESULT_URL}?key=${API_KEY}&action=get&id=${taskId}&json=1`;
    const poll = await (await fetch(url)).json();
    if (poll.request === "CAPCHA_NOT_READY") continue;
    if (poll.status === 1) return poll.request;
    throw new Error(`Solve: ${poll.request}`);
  }
  throw new Error("Timeout");
}

// Usage
const text = await solveChineseImageCaptcha("chinese_captcha.png");
console.log(`Chinese text: ${text}`);

识别失败时的排查顺序

参数：提交时带上 language=2，否则汉字结果里会混进拉丁字母。
编码：响应与日志统一按 UTF-8 解码，结果才不会变成乱码或问号。
时效：challenge 有效期只有几十秒，取到参数后立刻提交。
会话：取图与提交表单共用一个 session，否则识别对了站点也不认。
频率：被 CDN 限流就拉开请求间隔，重试带指数退避。

常见问题

汉字验证码识别不准，先查什么？

先看提交参数带没带 language=2——没带的话引擎按拉丁字符猜，混排汉字几乎必错。再看原图，缩放过的截图会拉低成功率，尽量抓原始尺寸，再配一层有限次重试。

站点用的是 GeeTest v4（极验 4 代）怎么办？

暂不支持，官方口径是即将支持，目前可用的是 v3。区分很简单：初始化参数里有 gt 和 challenge 的是 v3，走本文流程；v4 参数结构不同，提交只会拿到错误码。

网易易盾、腾讯防水墙的验证码能识别吗？

不能，这几家国产方案不在覆盖范围内，接项目前先确认目标站点用的是哪一家。简体和繁体汉字则都能识别，language 一样传 2。

下一步

把两条链路接进采集脚本，领取 CaptchaAI API Key 即可跑第一批任务。

相关指南：

使用 CaptchaAI 解决中文网站上的验证码问题

CaptchaAI 覆盖哪些中文验证码

中文网站的验证码类型怎么分

场景：中文期刊库的批量导出

Python：OCR 与极验滑块的调用流程

Node.js：同一套提交与轮询

识别失败时的排查顺序

常见问题

汉字验证码识别不准，先查什么？

站点用的是 GeeTest v4（极验 4 代）怎么办？

网易易盾、腾讯防水墙的验证码能识别吗？

相关文章

下一步

使用验证码处理自动提交表单

CaptchaAI API 延迟优化：更快解决问题

政府门户自动化与验证码解决

保险报价比较自动化与验证码处理

验证码墙背后的医疗保健数据收集

使用验证码处理进行供应链监控