कैसे पायथन में छवि कैप्चा हल करें कैपसॉल्वर के साथ

TL;DR

• जब कोई CAPTCHA आपसे छवि से अक्षर पढ़ने के लिए कहता है, तो CapSolver के ImageToTextTask का उपयोग करें।
• छवि बाइट्स को Base64 स्ट्रिंग के रूप में भेजें, बिना कोई data-URL प्रारूप या लाइन ब्रेक के।
• ImageToTextTask सीधे अपने स्वीकृति परिणाम लौटाता है; इसे अलग परिणाम-पॉलिंग लूप की आवश्यकता नहीं होती है।
• लौटाए गए समाधान से पहचाने गए अक्षर पढ़ें, फिर उसी छवि से जुड़े फॉर्म में उन्हें दर्ज करें।
• यदि जमा करने से पहले छवि फिर से लोड हो जाती है, तो पिछला उत्तर शायद वर्तमान चुनौती से संबंधित नहीं रहेगा।

एक पायथन स्क्रिप्ट एक अनुमति फॉर्म तक पहुंच सकता है और छोटी छवि पर रुक सकता है जिसमें विकृत अक्षर या संख्याएं होती हैं। अगला चरण सीधा है: वर्तमान छवि को पकड़ें, छवि CAPTCHA समाधानकर्ता को इसके अक्षर पहचानने के लिए भेजें, और इसके संगत फॉर्म में लौटाए गए पाठ को दर्ज करें।

CapSolver इस पहचान चरण के लिए ImageToTextTask प्रदान करता है। इस गाइड में आधिकारिक पायथन SDK उदाहरण का उपयोग किया गया है और इनपुट तैयार करने, परिणाम पढ़ने और कॉल के आसपास सामान्य त्रुटियों के निदान के बारे में स्पष्टीकरण दिया गया है। अपने या अनुमति दिए गए फॉर्म पर वर्कफ़्लो का उपयोग करें; स्वीकृति प्रतिक्रिया लक्ष्य की एक्सेस नीतियों को बदल नहीं सकती है।

ImageToTextTask क्या हल करता है?

ImageToTextTask छवि में टेक्स्ट की पहचान करता है और आपके पायथन एप्लिकेशन द्वारा उपयोग किए जा सकने वाले अक्षर लौटाता है।

यह एक ऑप्टिकल चैरेक्टर रिकग्निशन कार्य है। इनपुट एक छवि है; उपयोगी परिणाम उस छवि में दिखाए गए टेक्स्ट है। यह एक फॉर्म के लिए फिट होता है जो आपसे दिखाए गए अक्षरों को एक उत्तर फील्ड में दर्ज करने के लिए कहता है।

एक reCAPTCHA चेकबॉक्स या Turnstile विजेट एक अलग एकीकरण है। ImageToTextTask के पास पूरे विजेट के स्क्रीनशॉट को भेजें और ब्राउज़र-सत्यापन टोकन की अपेक्षा न करें। जब एप्लिकेशन को टोकन की आवश्यकता होती है, तो मिलान दस्तावेज़ किए गए कार्य का उपयोग करें।

शुरू करने के लिए, फॉर्म क्या पूछ रहा है, इसकी जांच करें। यदि एक टेक्स्ट इनपुट के साथ एक अक्षर छवि दिखाई देती है, तो छवि पहचान उपयुक्त हो सकती है। यदि यह एक ग्रिड अंतरक्रिया, अदृश्य चेक या अलग चुनौती प्रारूप के लिए पूछता है, तो उस प्रारूप की पहचान करें जब आप API चुनते हैं।

छवि और पायथन पर्यावरण तैयार करें

आपके पास एक वर्तमान CAPTCHA छवि, पायथन, CapSolver पैकेज और आवश्यक सेवा तक पहुंच वाले CapSolver खाता कुंजी की आवश्यकता होती है।

अपने स्वीकृत परीक्षण या एप्लिकेशन से छवि को captcha.png के रूप में सहेजें। पूरे अक्षर क्षेत्र को दिखाएं। इसके साथ असंबंधित पृष्ठ पाठ, ब्राउज़र नियंत्रण या अन्य CAPTCHA को शामिल न करें। लक्ष्य उस छवि को भेजना है जिसे आपके वर्तमान फॉर्म प्रयास के लिए उपयोगकर्ता पढ़ेगा।

अपने पायथन पर्यावरण में आधिकारिक पैकेज स्थापित करें:

python -m pip install capsolver==1.0.7

इससे पैकेज चेक के पीछे उपयोग किए गए SDK संस्करण को निश्चित किया जाता है। पायथन की पैकेज स्थापना गाइड बताती है कि अलग-अलग परियोजनाओं के लिए अलग-अलग निर्भरताओं की आवश्यकता होने पर क्यों एक अलगाव वाला पर्यावरण उपयोगी होता है।

इस गाइड के बाद के जीवंत SDK कॉल में आपके वास्तविक खाता कुंजी और पूर्ण Base64 छवि स्ट्रिंग की आवश्यकता होती है। ये आवश्यक इनपुट हैं, जिन्हें दस्तावेज़ में दिखाए गए संक्षिप्त स्थानापन्नों द्वारा बदला नहीं जा सकता है। उदाहरण को CapSolver के आधिकारिक दस्तावेज़ से लिया गया है; यहां एक जीवंत पहचान परिणाम प्रदर्शित नहीं किया गया है।

खाता कुंजी को साझा स्क्रीनशॉट, स्रोत भंडारण और समर्थन टिकट में रखें। यदि अन्य CAPTCHA प्रकार के पास एक सार्वजनिक साइटकी है, तो वह आधिकारिक CapSolver खाता कुंजी के स्थान पर एक प्रतिस्थापन नहीं है।

छवि को Base64 में परिवर्तित करें

छवि के बाइनरी सामग्री को पूर्ण Base64 स्ट्रिंग में परिवर्तित करें और इसे टास्क के body क्षेत्र में रखें।

captcha.png के समान निर्देशिका में prepare_image.py के रूप में निम्न तैयारी स्निपेट सहेजें:

from pathlib import Path
import base64

image_bytes = Path("captcha.png").read_bytes()
image_base64 = base64.b64encode(image_bytes).decode("ascii")
Path("captcha-base64.txt").write_text(image_base64, encoding="ascii")
print("Saved Base64 image to captcha-base64.txt")

इसे python prepare_image.py के साथ चलाएं। टेक्स्ट फ़ाइल में body के लिए उपयोग करने वाला पूर्ण मान शामिल है।

स्निपेट पायथन के दस्तावेज़ी बाइनरी फ़ाइल पठन और Base64 कोडिंग का उपयोग करता है। यह स्थानीय रूप से इनपुट तैयार करता है; यह CapSolver को कॉल नहीं करता या अक्षर पहचान नहीं करता है।

अगले चरण से पहले स्रोत छवि खोलें। captcha.png नाम की फ़ाइल अभी भी गलत डेटा के साथ हो सकती है यदि पिछले डाउनलोड एक HTML त्रुटि पृष्ठ के साथ सहेजा गया हो। यह सुनिश्चित करें कि यह अपेक्षित छवि दिखाता है और इस फ़ाइल से टेक्स्ट फ़ाइल बनाई गई है।

captcha.png जैसे स्थानीय पथ को टास्क बॉडी के रूप में भेजें मत करें। छवि URL को पाठ के रूप में कोड करें। API को वास्तविक छवि बाइट्स की आवश्यकता होती है जो Base64 में प्रतिनिधित्व किए गए हैं।

आधिकारिक ImageToTextTask उदाहरण कॉल करें

capsolver.solve कॉल करें, आवश्यक स्थानापन्न के साथ दस्तावेज़ किए गए ImageToText कार्य के साथ।

निम्न SDK उदाहरण आधिकारिक ImageToTextTask दस्तावेज़ से लिया गया है। इसे solve_image.py के रूप में सहेजें। ... के स्थान पर अपने खाता कुंजी के साथ बदलें और body के संक्षिप्त स्ट्रिंग के पूरे भाग को captcha-base64.txt के सामग्री से बदलें, फिर python solve_image.py चलाएं।

import capsolver

capsolver.api_key = "..."
solution = capsolver.solve({
    "type": "ImageToTextTask",
    "module": "common",
    "body": "/9j/4AAQSkZJRgABA......"
})
print(solution)

दिखाए गए कुंजी और छवि स्ट्रिंग दस्तावेज़ के स्थानापन्न हैं। उन्हें बिना बदले चलाने से उपयोगी पहचान परिणाम उत्पन्न नहीं हो सकता है। उपरोक्त अलग तैयारी चरण वास्तविक छवि मान प्रदान करता है; आपके खाता कुंजी द्वारा खाता प्रदान किया जाता है।

टास्क के क्षेत्र छोटे, विशिष्ट उद्देश्य के हैं:

आधिकारिक दस्तावेज़ एक number मॉड्यूल के बारे में भी बताता है जो संख्यात्मक छवियों के लिए है। केवल जब छवि में संख्याएं होती हैं और दस्तावेज़ किए गए मोड आपके उपयोग के मामले के साथ मेल खाता है, तभी इसका उपयोग करें। अन्य पहचान कार्य से अतिरिक्त मॉड्यूल नाम अनुमान न लगाएं।

आपको बाद में HTTP एकीकरण पसंद हो सकता है, एक ही पहचान कार्य को createTask के माध्यम से भेजा जा सकता है। पायथन SDK एक उपयोगी तरीका है जिसका उपयोग आप खुद HTTP मांग प्रसंस्करण लिखे बिना कर सकते हैं।

CapSolver बोनस कोड के साथ लाभ उठाएं

अपने स्वचालन बजट को तुरंत बढ़ाएं!
CapSolver खाता में जमा करते समय बोनस कोड CAP26 का उपयोग करें ताकि प्रत्येक भरोसे में 5% बोनस मिले — कोई सीमा नहीं।
अपने CapSolver डैशबोर्ड में अभी इसे रीडीम करें

पर्यवेक्षण लूप जोड़े बिना पाठ पढ़ें

ImageToTextTask सीधे पहचान परिणाम लौटाता है, जिसके लिए अलग getTaskResult चक्र की आवश्यकता नहीं होती है।

HTTP प्रतिक्रिया दस्तावेज़ में पहचाने गए अक्षर solution.text के नीचे होते हैं। SDK उदाहरण समाधान ऑब्जेक्ट लौटाता है; मौजूदा पायथन छवि CAPTCHA गाइड solution.get("text") के साथ इसके पाठ को पढ़ता है।

प्रतिक्रिया के वास्तविक परिणाम की जांच करें। सफल परिणाम में आपके द्वारा जमा की गई छवि के लिए पहचाने गए अक्षर होने चाहिए। एक त्रुटि, अनुपस्थित परिणाम, या खाली मान फॉर्म में दर्ज करने के लिए उत्तर नहीं है।

एक सामान्य पर्यवेक्षण लूप जोड़ें जो reCAPTCHA टोकन ट्यूटोरियल से कॉपी किया गया है। इन कार्यों के लिए अलग प्रतिक्रिया व्यवहार हो सकता है। अतिरिक्त पर्यवेक्षण छवि परिणाम को बेहतर नहीं करता है जो पहले से ही सीधे लौटा दिया गया है।

इसके अलावा, पहचान को फॉर्म जमा करने से अलग करें। समाधान को प्रिंट करना यह सुनिश्चित करता है कि आपका स्क्रिप्ट समाधान चरण से परिणाम प्राप्त करता है। आसपास के एप्लिकेशन को अभी भी उस पाठ को सही क्षेत्र में दर्ज करना आवश्यक है और फॉर्म के प्रतिक्रिया की जांच करना है।

उसी छवि के लिए उत्तर जमा करें

केवल उस फॉर्म प्रयास के लिए मिले छवि के लिए पहचाने गए पाठ का उपयोग करें।

मान लीजिए आपके स्वीकृत फॉर्म में छवि A दिखाई देती है। आपका स्क्रिप्ट A को पकड़ता है, इसे CapSolver को भेजता है, और एक उत्तर प्राप्त करता है। यदि अनुरोध के दौरान पृष्ठ छवि B पर फिर से लोड हो जाता है, तो A के लिए उत्तर अब वर्तमान फॉर्म के लिए विश्वसनीय इनपुट नहीं है।

पृष्ठ और छवि संबंध स्पष्ट रखें। एक नई चुनौती के लिए जाने से पहले वर्तमान प्रयास पूरा करें। यदि एक फ्रेश हो जाता है, तो बदले वाली छवि को एक नए प्रयास के रूप में लें, और पिछले उत्तर को दोहराने के बजाय नए उत्तर के रूप में न लें।

समाधान द्वारा वापस किए गए अक्षर बरकरार रखें। अपने लक्ष्य फॉर्म द्वारा आवश्यकता होने पर ही अक्षरों को स्वतः छोटे अक्षर में बदलें, शुरूआती शून्य को हटाएं, या उत्तर को संख्या में बदलें। एक टेक्स्ट मान और एक संख्यात्मक मान अलग-अलग इनपुट हो सकते हैं।

जमा करने के बाद, अपेक्षित परिणाम की जांच करें। एक मालिक के खोज फॉर्म के लिए, यह अनुरोधित परिणाम पैनल हो सकता है। एक प्रश्न-उत्तर परीक्षा के लिए, यह एप्लिकेशन के विशिष्ट सफलता स्थिति हो सकती है। एक CAPTCHA लापता होना उपयोगी साक्ष्य है, लेकिन यह हमेशा पूर्ण व्यावसायिक परिणाम नहीं होता है।

सामान्य पायथन छवि CAPTCHA समस्याओं को ठीक करें

सबसे तेज़ ठीकर छवि, मांग और फॉर्म की जांच करके आता है।

API छवि इनपुट को अस्वीकृत करता है

body में Base64-कोडित छवि बाइट्स होने की जांच करें। यदि आपके छवि स्रोत ने एक जोड़ दिया है, तो data:image/...;base64, प्रारूप को हटा दें, और लाइन ब्रेक से बचें। फ़ाइल के छवि होने की पुष्टि करें, न कि एक HTML पृष्ठ या खाली डाउनलोड।

CapSolver त्रुटि संदर्भ के वास्तविक लौटे कोड के लिए उपयोग करें। एक खाता-कुंजी समस्या, असमर्थित कार्य, और अवैध छवि मांग के लिए अलग-अलग समाधान की आवश्यकता होती है। त्रुटि के बिना एक ही अस्वीकृत इनपुट न भेजें।

पाठ गलत लगता है

सीधे API को भेजी गई छवि की बिल्कुल छवि की जांच करें। छवि में कटे हुए अक्षर, पुरानी छवि, या असंबंधित पाठ की जांच करें। चयनित मॉड्यूल के अक्षर सामग्री के साथ मेल खाते हैं कि नहीं जांचें।

अपने अपने परीक्षण से एक सीमित निदान उदाहरण बनाएं, जहां संवेदनशील पृष्ठ की सामग्री शामिल नहीं है। यह अनुकूलता की जांच के लिए बेहतर होता है जब चुनौती बदल गई है।

पाठ सही लगता है लेकिन फॉर्म इसे अस्वीकृत करता है

छवि फ्रेश हो गई है कि नहीं, उत्तर सही क्षेत्र में दर्ज हुआ है कि नहीं, और एप्लिकेशन के द्वारा अलग फॉर्म-सत्यापन त्रुटि रिपोर्ट की गई है कि नहीं जांचें। आवश्यक क्षेत्र या अमान्य फॉर्म स्थिति अपेक्षित परिणाम लाने में बाधा डाल सकती है भले ही पहचाने गए अक्षर सही दिखाई दें।

एक सीमित पुनर्प्रयास नीति बनाएं। यदि एक ही विफलता दोहराई जाती है, तो विफलता के कारण की जांच करें बजाय एक नई छवि बनाने और एक और परिणाम खरीदने के।

CapSolver के साथ विश्वसनीय स्वचालन वर्कफ़्लो बनाएं

पायथन छवि CAPTCHA संभाल को छोटा रखें: वर्तमान छवि तैयार करें, ImageToTextTask जमा करें, लौटाए गए पाठ पढ़ें, और संगत फॉर्म प्रयास के साथ इसे सत्यापित करें।

CapSolver अंतर्निहित पहचान चरण का ध्यान रखता है। आपका स्क्रिप्ट एक वैध छवि प्रदान करता है और उत्तर को सही ऑपरेशन से जोड़ता है, जो वास्तविक स्वचालन वर्कफ़्लो में परिणाम के उपयोगी होने के कारण है।

एफक्यूए (FAQ)

प्रश्न: क्या ImageToTextTask के परिणाम पर्यवेक्षण की आवश्यकता होती है?

नहीं। इस कार्य सीधे छवि पहचान परिणाम लौटाता है। असिंक्रनस टोकन कार्य के लिए अपेक्षित परिणाम व्यवहार के बजाय इसके दस्तावेज़ किए गए प्रतिक्रिया व्यवहार का अनुसरण करें।

प्रश्न: क्या मैं body के रूप में छवि URL पास कर सकता हूं?

नहीं। दस्तावेज़ किए गए body इनपुट बेस64-कोडित छवि सामग्री है। परमिटेड छवि बाइट्स पहले प्राप्त करें, फिर उन्हें कोड करें।

प्रश्न: कौन सा मान पहचाने गए पाठ को रखता है?

HTTP परिणाम solution.text का उपयोग करता है। आधिकारिक पायथन SDK पैटर्न में, पाठ को लौटाए गए समाधान ऑब्जेक्ट से पढ़ें।

प्रश्न: क्या यह उदाहरण reCAPTCHA चेकबॉक्स को हल कर सकता है?

नहीं। ImageToTextTask एक पाठ-पहचान कार्य है। reCAPTCHA विजेट के लिए मिलान दस्तावेज़ किए गए reCAPTCHA एकीकरण की आवश्यकता होती है, न कि इस उदाहरण में एक स्क्रीनशॉट पास करना।

प्रश्न: एक दिखाई देने वाले सही उत्तर के बावजूद फॉर्म इसे अस्वीकृत क्यों करता है?

उत्तर पहले की छवि के साथ संबंधित हो सकता है, गलत क्षेत्र में रखा गया हो सकता है, या अन्य अमान्य फॉर्म मान के साथ हो सकता है। छवि पहचान के दोष के बजाय वर्तमान फॉर्म और इसके वास्तविक प्रतिक्रिया की जांच करें।