有一次，我不得不通过互联网进行一些官僚程序，由于网页很糟糕，我不得不求助于自动化，所以我不得不找到一种方法来绕过验证码，在这样做的时候，我发现了一些事情，我将在这篇文章中与你分享。
下面的建议可能看起来很明显，但如果我没有在 "企业 "应用中遇到这些错误，我就不会写这篇文章。所以我想这些建议最终可能对某人有帮助。
尽管如此，请继续阅读，因为你可能会发现这篇文章很有趣，因为它讨论了计算机视觉、逆向工程、在Java中处理大文件以及其他主题。
不要使用类似reCAPTCHA v1的验证码
从下面的图片可以看出，我打算绕过的验证码是非常普通和简单的。
要绕过的验证码样本
因此，我首先想到的是使用计算机视觉。然而，事实证明，绕过验证码要容易得多，我们将在下一节讨论这个问题。现在，让我告诉你计算机视觉如何帮助我们。
我首先想到的是这个。假设字母的厚度为3，而噪音（随机的椭圆）的厚度为1，因此，如果你删除所有厚度为1的数字，你就会删除噪音。
我想没有一个OpenCV运算符能完全做到这一点。然而，我们可以用另一种方式来考虑它。从图像中每个几何图形的厚度中减去1，这样就会留下厚度为2的字母和厚度为0的噪声。因此，从本质上讲，我们有效地消除了噪音。
这种操作在OpenCV中确实存在，它被称为侵蚀。用它来消除噪声是非常简单的。
(Opening是一个首先使用侵蚀然后再扩张的操作。我们可以只使用侵蚀操作，但这将导致字母的厚度为2。扩张运算符又会使它们的厚度为3)
当以样本验证码为输入运行该脚本时，我们得到以下输出。
原始和预处理的验证码比较
正如你所看到的，图像现在更清晰了，我们可以使用OCR，如魔方，来提取字符。
很好!我们刚刚找到一种方法，通过使用计算机视觉😝来绕过这个简单的验证码。我们可以从中吸取以下教训。
不要使用类似reCAPTCHA v1的验证码。谷歌关闭该版本是有原因的。
现在我们将看到实际上没有必要使用计算机视觉。
在后端验证验证码的响应
为了绕过验证码，我需要知道它的来源。因此，我在DevTools中打开了网络标签，发现了来自服务器的以下响应。
Captcha属性包含base64编码的验证码图像，a属性包含一个十六进制字符串，其目的目前还不清楚。
同时，我发现了一个不常见的行为：验证码的输入是被动的，如果验证码是错误的，它会立即向你显示一条信息。我以为在任何输入变化后都会发出验证验证码的请求，但当我再次查看DevTools中的Network标签时，我发现没有发出新的请求。
这让我觉得验证码在我这边被验证了，而a属性与此有关。因此，我查看了源代码（在DevTools的调试器选项卡中）并搜索了a属性。这就是我所发现的。
正如你所看到的，在第5行，从用户那里获得了验证码响应的SHA1哈希值，在第6行，它与响应中的a属性进行比较。因此，a属性实际上是正确验证码响应的SHA1哈希值。
因为SHA1是一个单向的哈希值，而且要恢复它以得到正确的验证码响应是非常困难的，所以我们除了进行暴力攻击外没有什么可以做。这在本质上是非常简单的，我们只需要尝试所有可能的组合。
为了获得所有可能的组合，我们需要知道验证码由5个小写字母数字的英文字符组成（共36个字符），并且允许重复（我在看到多个验证码后发现了这些限制）。因此，总的可能性是60,466,176（36⁵）。
这似乎是一个很大的可能性，你可能认为几乎不可能逐一尝试。但实际上，这样做很简单，而且不需要太多的时间，正如你即将看到的那样。
蛮力攻击
下面的代码生成了所有可能的验证码值并进行了暴力攻击。由于所使用的库，代码相当简单。不过，我还是添加了一些Javadoc以方便阅读。
方法 generate(Writer) 和 read(Reader)。Iterator的添加只是为了方便我。在我的例子中，从一个大小为~2.7GB的文件中读取所有60,466,176个哈希值和验证码，比即时生成它们更方便。
当然，通过流读取一个2.7GB的文件比读取整个文件并将其保存在一个列表中要有效得多（这样做可能会抛出OutOfMemoryError）。
注意一些重要的事情：虽然这是一个暴力攻击，但即使应用程序有某种速率限制，它也是无用的（分别检查CaptchaCracker和ExamplePage的第60和52行）。如果验证是在后端完成的，那就不是这样了。
因此，这里的教训是，不要在前台验证验证码，而要在后台验证，如果你这样做，要 增加速率限制以防止暴力攻击。或者干脆使用第三方，如谷歌的reCAPTCHA。
总结
我认为我在这里给出的建议是显而易见的，没有什么特别之处，但正如前面所说，如果我没有在 "企业 "应用中遇到这些故障，我就不会写这篇文章。
最后，我想补充这个奇怪而讽刺的事实：负责这个应用的企业只雇用有权利的专业人士。
说到这里，我已经没有什么了，只能感谢你阅读这篇文章，像往常一样，如果你认为有什么不对的地方或者可以改进的地方，请让我知道。我喜欢你的反馈。
附录A：用Selenium拦截验证码请求响应
该网页的工作情况如下。
- 用户被要求在一个表格中输入一些数据
- 当所有需要的字段都填好后，向后台发出请求，以获得验证码图像和SHA1哈希值（我们在上一节看到的响应）。
- 在验证码被成功解决之前，你不能进入下一个页面。
正如你所看到的，验证码图片和哈希值并不是从一开始就加载的，所以我们需要拦截异步请求的响应。为了做到这一点，我使用了以下代码。
这段代码几乎是不言自明的，但它可能有助于澄清，在第45行，执行将停止，直到第80行的对象被排队（这在收到服务器的响应后异步发生）。
我知道这与如何不在网站上添加验证码的建议几乎没有关系，但我想把它包括进来，因为它可能会帮助某人，或者只是我未来的自己。
