Автоматическое решение капчи: как это устроено

Капча - это не препятствие само по себе, а индикатор. Прежде чем автоматизировать её решение, стоит понять, почему она появляется.

Типы капч

Текстовые и с картинками. Классика: набрать символы, выбрать нужные изображения. Распознаются надёжно, стоят дёшево.

Поведенческие. Проверяют не то, что вы ввели, а то, как вы себя вели: движения курсора, скорость, историю взаимодействия со страницей. Часто проходятся вообще без задания - площадка просто оценивает трафик как нормальный.

Невидимые. Пользователь не видит ничего, проверка идёт в фоне. Задание появляется, только если что-то показалось подозрительным.

Собственные. Сделанные площадкой самостоятельно. Обычно проще типовых, но требуют своего решения, потому что готовые сервисы их не знают.

Практически важное: поведенческие и невидимые капчи реагируют не на ответ, а на контекст. Их нельзя «решить» в отрыве от того, как ведёт себя ваш трафик, и именно поэтому они дороже в обходе.

Сервисы распознавания

Схема одинакова у всех: вы отправляете задание, получаете решение, подставляете его.

Что различает сервисы на практике:

• Скорость ответа. От секунд до полуминуты. При большом объёме это определяет пропускную способность всей автоматизации.
• Доля успешных решений. Не бывает стопроцентной, и повторные попытки надо закладывать в логику.
• Поддержка типов. Сложные поведенческие проверки поддерживают не все.
• Стабильность. Сервис может быть недоступен, и автоматизация должна это переживать, а не падать.

Что учесть в коде: таймаут, повтор при неудаче и ограничение числа попыток. Без последнего один проблемный элемент способен израсходовать весь баланс.

Стоимость на объёме

Тарификация обычно за тысячу решений, и цена зависит от типа: простые задания дешевле, поведенческие проверки дороже в разы.

Считать надо не за штуку, а за задачу:

• Сколько капч приходится на одну полезную операцию.
• Какая доля решений неудачна и требует повтора.
• Сколько таких операций в день.

Типичный вывод при честном подсчёте: на большом объёме дешевле не решать капчу, а перестать её вызывать. Смена типа адресов или снижение скорости обходится дешевле, чем оплата решений.

Когда капча означает, что вы делаете что-то не так

Это главная мысль статьи. Частая капча - симптом, а не задача.

Что обычно стоит за ней:

Адрес из серверного диапазона. Площадка видит хостинг и включает проверку по умолчанию. Лечится сменой типа адреса - см. резидентные против датацентровых.

Аномальный отпечаток браузера. Слишком уникальное или явно автоматизированное окружение. Лечится приведением окружения к типовому - см. как работает фингерпринтинг.

Слишком быстрые действия. Человек не заполняет форму за полсекунды. Лечится паузами.

Слишком много запросов с одного адреса. Лечится ротацией для парсинга - см. ротацию.

Отсутствие обычного контекста. Нет истории, нет предыдущих страниц, запрос пришёл ниоткуда.

Практический подход: если капча появляется на каждом шаге, не автоматизируйте её решение - выясните причину. Устранение причины обычно и дешевле, и надёжнее: вы перестаёте платить за решения и заодно перестаёте выглядеть подозрительно по другим признакам.

И отдельная оговорка: уважайте правила площадки. Если сайт явно запрещает автоматический сбор, обход защиты - это не техническая, а юридическая история, и решать её надо до начала работы, а не после - см. границы закона при парсинге.

Общая картина - гид по прокси.