Les sites en arabe, en farsi ou en hébreu présentent souvent des CAPTCHA image et des interfaces right-to-left qui posent des problèmes différents des pages classiques en alphabet latin. Ici, la difficulté ne vient pas seulement de l'image à lire, mais aussi de la forme contextuelle des lettres, du mélange chiffres plus texte, et de la mise en page RTL qui change la position attendue des champs et des contrôles.
Pour qu'un workflow soit fiable, il faut gérer à la fois l'OCR du captcha et le contexte d'affichage de la page. C'est exactement le type de cas où un traitement générique finit par casser plus vite qu'il ne produit de données propres.
Principaux defis sur les CAPTCHA RTL
| Défi | Détail |
|---|---|
| Formes contextuelles | Les lettres arabes changent selon leur position dans le mot |
| Lecture droite-gauche | Le texte du CAPTCHA suit une logique RTL |
| Direction mixte | Chiffres et caractères latins peuvent se mélanger à l'arabe |
| Signes diacritiques | Les points et marques changent fortement la lecture |
| Layout RTL | Les formulaires et zones CAPTCHA ne sont pas placés comme sur une page LTR |
Python : résoudre un CAPTCHA image en arabe
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_arabic_captcha(image_path: str) -> str:
"""Solve an Arabic script 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, # Non-Latin character support
"json": 1,
}, timeout=30).json()
if resp.get("status") != 1:
raise RuntimeError(f"Submit: {resp.get('request')}")
task_id = resp["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")
def solve_arabic_captcha_from_url(session: requests.Session,
captcha_url: str) -> str:
"""Download and solve an Arabic CAPTCHA from a URL."""
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")
# --- RTL-aware form submission ---
def submit_form_with_arabic_captcha(
form_url: str,
captcha_url: str,
form_data: dict,
captcha_field: str = "captcha",
) -> requests.Response:
"""Complete an Arabic website form with CAPTCHA."""
session = requests.Session()
session.headers.update({
"Accept-Language": "ar-SA,ar;q=0.9",
"Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
})
# Load the form page to establish session
session.get(form_url, timeout=15)
# Solve the CAPTCHA
captcha_text = solve_arabic_captcha_from_url(session, captcha_url)
print(f"Arabic CAPTCHA solved: {captcha_text}")
# Submit with the solved text
form_data[captcha_field] = captcha_text
response = session.post(form_url, data=form_data, timeout=30)
return response
# --- Usage ---
# Simple Arabic image CAPTCHA
text = solve_arabic_captcha("arabic_captcha.png")
print(f"Arabic text: {text}")
# Form submission on Arabic site
response = submit_form_with_arabic_captcha(
form_url="https://example.sa/registration",
captcha_url="https://example.sa/captcha/generate",
form_data={
"name": "اسم المستخدم",
"email": "user@example.com",
},
)
JavaScript : gérer un CAPTCHA arabe sur une page RTL
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 solveArabicCaptcha(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");
}
// Inject CAPTCHA token into RTL page with Playwright
async function solveAndInjectRTL(page) {
// RTL pages may position the CAPTCHA differently
const captchaImg = await page.locator("img[id*='captcha'], img[class*='captcha']");
const imgSrc = await captchaImg.getAttribute("src");
// Download the image
const buffer = await (await fetch(imgSrc)).arrayBuffer();
const imageB64 = Buffer.from(buffer).toString("base64");
// Solve
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) {
// Fill the input — RTL input handles text direction automatically
await page.locator("input[name*='captcha']").fill(poll.request);
return poll.request;
}
throw new Error(`Solve: ${poll.request}`);
}
}
// Usage
const text = await solveArabicCaptcha("arabic_captcha.png");
console.log(`Arabic text: ${text}`);
Écritures RTL prises en charge
| Script | Langues | Exemples de caracteres |
|---|---|---|
| Arabe | Arabe, ourdou, pachto | texte arabe connecte |
| Farsi / persan | Farsi | caracteres specifiques au persan |
| Hebreu | Hebreu | alphabet hebreu |
Dépannage
| Probleme | Cause probable | Correctif |
|---|---|---|
| Texte arabe affiché à l'envers | Le client rend le RTL comme du LTR | Forcez un affichage compatible RTL ou utilisez des marqueurs Unicode adaptés |
| Les diacritiques disparaissent | L'image est trop dégradée | Travaillez avec une image plus nette ou moins compressée |
| Le texte arabe plus chiffres devient illisible | Le traitement bidirectionnel est incohérent | Gérez les marqueurs directionnels de manière explicite |
| Le formulaire échoue après saisie | Problème d'encodage | Assurez-vous d'envoyer charset=UTF-8 |
| Le CAPTCHA n'est pas trouvé au bon endroit | La page RTL inverse la disposition attendue | Basez-vous sur des sélecteurs CSS ou IDs, pas sur la position visuelle |
FAQ
CaptchaAI gère-t-il l'écriture arabe connectée ?
Oui. C'est justement l'un des points critiques de l'OCR sur ces pages : la même lettre change de forme selon sa position. Le solveur Image/OCR de CaptchaAI traite ce type d'écriture connectée bien mieux qu'un OCR basique généraliste.
Faut-il un traitement différent pour le farsi et l'arabe ?
Les deux utilisent la même famille d'écriture, avec quelques caractères supplémentaires côté persan. En pratique, language=2 reste le bon paramètre pour ces cas, et CaptchaAI gère l'ensemble étendu.
Les pages RTL changent-elles vraiment la détection du CAPTCHA ?
Oui. Sur une interface RTL, les formulaires, blocs et zones de saisie sont souvent inversés par rapport à une page LTR. Il faut donc localiser les éléments par sélecteur ou identifiant, pas par hypothèse visuelle.
Prochaines étapes
Si vous ciblez des sites en arabe ou d'autres interfaces RTL, récupérez votre clé API CaptchaAI et adaptez votre pipeline OCR à ces jeux d'écriture au lieu d'utiliser un flux purement latin.
Guides associés :
- Résoudre les CAPTCHA sur les sites Web chinois
- Jeu de caractères CAPTCHA pour images multilingues
- Localisation CAPTCHA et paramètres de langue
