在公开数据采集（如电商比价、SEO 排名监控）、QA 自动化回归测试以及 AI Agent 网页交互场景中，点选类验证码是最常见的交互式拦截手段之一。无论是要求“按顺序点击汉字”的语序点选，还是要求“点击图中所有指定目标”的图标/九宫格点选，一旦处理不当，自动化流水线就会卡死在校验弹窗上。
此前我们在《滑块验证码识别接口怎么接：坐标模式与Token模式选型、缩放换算与轨迹防拦截》中讨论了单轴滑动的距离计算。而点选验证码的难点在于：它不仅涉及二维平面（X/Y 轴）的多目标定位，还高度依赖“提示指令（Prompt）”与“背景大图”的语义关联，以及严格的点击先后顺序。
本文将从工程落地角度，完整拆解点选验证码识别接口的接入全流程：从图像与提示词的规范采集、接口调用、坐标空间换算，到模拟点击的防风控细节。
一、 为什么自建点选识别模型往往难以维护？
不少技术团队在初期会尝试使用开源视觉库（如基于 YOLO + 孪生网络的双阶段方案）或本地部署多模态大模型（VLM）来识别点选验证码。但在实际生产环境中，自建方案通常会遇到三个瓶颈：
- 字库与图标样本迭代极快：主流厂商（如极验 v3/v4、网易易盾、腾讯防水墙等）会定期更新艺术字体、生僻字、3D 扭曲图标以及背景干扰纹理，固定权重的开源模型每隔几周就会出现准确率断崖式下跌。
- 语义推理成本高：遇到“请点击图中可以用来喝水的物品”或复杂的成语语序还原时，传统 CV 模型无法理解语义，而本地部署多模态大模型不仅需要高昂的 GPU 显存成本，单次推理耗时也容易拖慢高并发采集队列。
- 多形态并存：同一个目标站点可能根据风控等级，动态切换通用图片点选、极验点选或旋转/滑块验证。
通过接入统一的验证码识别 API 服务，开发团队可以将底层复杂的目标检测与语义匹配交给云端接口处理，按次付费，任务失败或过期自动退回余额，从而把精力集中在核心业务逻辑上。
二、 点选验证码的两种接入路径：坐标模式 vs 协议 Token 模式
在调用点选验证码识别接口前，首先要明确目标页面使用的是哪一类防护，并选择对应的接入模式（可在 NexCaptcha 支持的验证码类型页 核对）：
- 路径 A：通用坐标识别模式（返回
[(x1, y1), (x2, y2), ...]）
适用于各类自研点选框、定制化图形点选，或希望直接通过 Playwright / Puppeteer / Selenium 模拟真实鼠标点击的场景。客户端截取验证码图片与提示信息传给接口，接口返回目标中心点坐标序列，由浏览器自动化脚本完成点击。 - 路径 B：厂商协议 Token 模式（返回加密凭证 / Token）
适用于标准的极验 v3/v4、腾讯、网易易盾、FunCaptcha/Arkose、hCaptcha 等商业验证码。对于这类组件，除了截图点选，也可以直接提取页面的初始化参数（如websiteURL、gt、challenge或captchaId等）传给接口，直接拿回校验通过后的 Token，随业务表单一起提交。（关于极验架构的详细对比，可参考《极验v3和v4区别：初始化、参数、二次校验与自动化接入的架构差异》）。
下文我们将重点拆解通用性最强、也最容易在工程细节上出错的坐标识别与模拟点击链路。
三、 核心痛点一：背景图与提示词（Prompt）怎么规范提取？
点选验证码识别失败，有一半以上的原因出在送检图片不规范。与纯字符图形验证码不同，点选验证码包含两个信息源：待点击的背景区域和告知点什么的提示区域。
在采集送检数据时，请遵循以下规范（详细编码要求可参考《图形验证码识别 API 怎么接：Base64 规范、参数配置与会话保持》）：
1. 分清“文本提示”与“图片提示”
- 文本指令提示：例如 DOM 节点中直接包含明文
请依次点击：“春”、“花”、“秋”、“月”。此时只需截取纯净的背景大图转为 Base64，并将提示文字作为文本参数传入adapter即可。 小图/图标提示：为了防止提示词被直接从 DOM 提取，很多点选验证码会将提示词也渲染成一张独立的小图片（如底部的 3~4 个小图标或艺术字切片）。此时通常有两种传参方式（具体以控制台产品目录中对应产品编码的模型说明为准）：
- 将背景大图与底部提示区域合并截取为一张完整图片送检；
- 或者按照接口字段要求，分别传入主图 Base64 与提示图 Base64。
2. 优先拿原图或对容器节点精准截图
- 避免全屏截图裁剪失真：不要截取整个浏览器视口再去估算像素裁剪。应当直接使用自动化框架定位到验证码背景图的
<img>或<canvas>元素，调用元素级截图（如 Playwright 的locator.screenshot()）。 - 剔除无关遮罩：截图前确保验证码图片已完全加载，且没有“加载中”旋转动画或鼠标悬停产生的半透明遮罩挡住目标文字。
四、 接口实战：使用 create.cgi 与 query.cgi 获取点击坐标
NexCaptcha 采用统一的异步任务架构：通过 create.cgi 创建识别任务，再通过 query.cgi 轮询结果（或使用 WebSocket 接收推送），API Key 统一放在 HTTP 请求头中鉴权。
注意：NexCaptcha 的打码接口只负责识别并返回结果，客户自己的业务请求、Session 和 Cookie 均保留在本地会话中，不经过打码服务端，保障业务环境隔离与安全。
以下是使用 Python 调用点选验证码识别接口并配合 Playwright 点击的参考代码框架：
import time
import base64
import requests
API_KEY = "YOUR_NEXCAPTCHA_API_KEY"
BASE_URL = "https://app.nexcaptcha.net/openapi"
def solve_click_captcha(image_bytes: bytes, prompt_text: str, product_code: str) -> list:
"""
提交点选验证码图片并获取坐标列表
:param image_bytes: 验证码截图二进制数据
:param prompt_text: 提示词，如 '请依次点击：山,水,风'
:param product_code: 控制台对应的点选产品编码（请以官网接口文档为准）
"""
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}
img_b64 = base64.b64encode(image_bytes).decode("utf-8")
# 1. 创建识别任务 (create.cgi)
create_payload = {
"productCode": product_code,
"adapter": {
"body": img_b64,
"comment": prompt_text # 具体字段名请参照控制台对应类型的参数模型
}
}
resp = requests.post(f"{BASE_URL}/create.cgi", headers=headers, json=create_payload, timeout=15)
resp_data = resp.json()
task_id = resp_data.get("taskId")
if not task_id:
raise RuntimeError(f"创建任务失败: {resp_data}")
# 2. 轮询识别结果 (query.cgi)
for _ in range(20):
time.sleep(1.5)
query_resp = requests.post(
f"{BASE_URL}/query.cgi",
headers=headers,
json={"taskId": task_id},
timeout=10
)
result_data = query_resp.json()
status = result_data.get("status")
if status == "success":
# 返回解析后的坐标列表，例如 [{'x': 120, 'y': 85}, {'x': 210, 'y': 160}]
return result_data.get("solution", {}).get("coordinates", [])
elif status in ("failed", "expired"):
# 任务失败或过期会自动退回余额
raise RuntimeError(f"识别未通过，状态: {status}")
raise TimeoutError("查询验证码结果超时")在正式写代码前，开发者可以直接打开 NexCaptcha 控制台，每种类型都配有在线测试台，填入 API Key 并上传一张样本图即可发起真实任务，直观确认返回的数据结构。具体的产品编码与 adapter 字段定义请查阅官方接口文档。
五、 核心痛点二：明明拿到了坐标，为什么点下去还是验证失败？
很多开发者反馈：“我把接口返回的 (x, y) 画在本地保存的截图上，位置分毫不差，但让浏览器去点却一直报错。” 这通常是由坐标空间不一致和交互风控引起的。
1. DPR（设备像素比）与 CSS 渲染尺寸缩放换算
当你在 Retina 屏幕、高分屏或设置了 deviceScaleFactor > 1 的无头浏览器中使用元素截图时，截出来的图片实际像素宽度（naturalWidth / 截图分辨率）往往是页面 CSS 布局宽度（clientWidth）的 1.5 倍或 2 倍。
而自动化测试工具（Playwright / Puppeteer / Selenium）的鼠标点击 API 使用的是页面 CSS 视口坐标系。如果直接拿基于高分截图算出的坐标去点击，必然会点偏到右下角。
标准换算公式：
// 假设 imgElement 为页面上的验证码图片 DOM 节点
const rect = imgElement.getBoundingClientRect();
// 计算 CSS 渲染尺寸与送检图片实际宽高（imgRealWidth / imgRealHeight）的比例
const scaleX = rect.width / imgRealWidth;
const scaleY = rect.height / imgRealHeight;
// 换算为相对于元素左上角的 CSS 偏移量
const clickOffsetX = apiCoord.x * scaleX;
const clickOffsetY = apiCoord.y * scaleY;
// 若使用全页面绝对坐标点击，需加上元素自身的左上角视口偏移
const pageClickX = rect.left + clickOffsetX;
const pageClickY = rect.top + clickOffsetY;2. 严格遵守点击顺序与时间间隔
对于语序点选或图标顺序点选，接口返回的坐标数组是严格按照提示词顺序排列的。在遍历数组执行点击时要注意：
- 切忌 0 毫秒瞬时连点：人类在寻找并点击第 1 个字和第 2 个字之间，通常会有
250ms ~ 600ms的视觉搜寻停顿。如果脚本在 5 毫秒内瞬间点完 4 个坐标，前端行为采集脚本会直接判定为自动化工具。 - 加入微小随机抖动：目标文字或图标通常有
30px × 30px左右的点击热区。可以在中心点坐标基础上增加±2px ~ ±4px的高斯随机偏移，避免每次点击都死板地落在绝对几何中心。 - 留意“确认”按钮：部分点选验证码在点满指定数量后会自动提交；而另一部分则需要再点击底部的“确认/提交”按钮。在点击“确认”前，建议同样预留
200ms ~ 400ms的间隔。
六、 AI Agent 与跨平台迁移的便捷方案
除了传统的爬虫与 QA 自动化脚本，如果你正在构建具备自主网页操作能力的 AI Agent（相关架构设计可参考《AI Agent 遇到验证码怎么处理：工具边界、会话一致与防死循环设计》），或者正计划从其他打码平台迁移过来，NexCaptcha 提供了两项工程提效特性：
- 托管 MCP 服务接入：NexCaptcha 提供了免本地部署的托管 MCP 服务，支持 Claude Code、Claude Desktop、Cursor、VS Code、Gemini CLI 等客户端直接配置 API Key 接入。内置查产品、查参数模型、创建任务、查任务、查余额五个标准工具，让 AI 助手在自动化调试过程中自主调用点选识别能力。
- 平滑迁移参照：如果你此前使用的是 2Captcha 或 Anti-Captcha 等平台，虽然 NexCaptcha 的外层路由为
create.cgi/query.cgi（不能仅靠替换域名迁移），但我们在接口文档的每种类型下都标注了对应的通行 task type 名称，且adapter内部参数尽量沿用了行业熟悉的字段命名。迁移时只需改写外层请求封装与 Header 鉴权，按小流量双跑验证无误后即可全量切换。
结语
接好点选验证码识别接口，核心在于做好三件事：截取清晰且包含完整提示语义的图片、正确换算送检图片像素与页面 CSS 坐标的缩放比例、以及模拟自然的按序点击节奏。
NexCaptcha 采用按次扣费机制，余额永不过期，无月租与最低消费门槛，且任务失败或过期自动退回余额（详细规则见价格说明页）。现在前往 NexCaptcha 注册页面 即可免费领取测试额度（无需绑卡），在在线测试台中快速跑通你的第一个点选验证码识别任务。如果遇到特殊定制的点选样本，也欢迎直接联系 Telegram 客服 发送样本询价支持。
