在进行自动化测试或 Web 爬取时，CAPTCHA（Completely Automated Public Turing test to tell Computers and Humans Apart）是一个常见的挑战，旨在防止机器人自动访问某些网站。对于开发者而言，如何在合法合规的前提下处理 CAPTCHA 是一个关键问题。
CAPTCHA 的常见类型
- reCAPTCHA v2：要求用户点击"我不是机器人"或选择图片验证。
- reCAPTCHA v3：基于用户行为评分，无需用户交互。
- Cloudflare Turnstile：类似 reCAPTCHA，专注于无感验证。
- hCaptcha：类似于 reCAPTCHA，但更多用于隐私保护场景。
- 文本 CAPTCHA：用户需要输入图片中扭曲的字符。
处理 CAPTCHA 的常见方法
1. 使用第三方解决方案
市场上有多个 CAPTCHA 解决方案提供商，可以帮助自动化测试绕过验证，包括：
这些服务通常基于人工或 AI 解析 CAPTCHA，提供 API 供自动化工具调用。
2. 采用 Headless 浏览器优化策略
在 Selenium 或 Puppeteer 等自动化框架中，可以通过以下方法优化行为，降低被 CAPTCHA 拦截的概率：
- 模拟真实用户行为 ：
- 随机鼠标移动、点击和键盘输入。
- 适当调整访问间隔，避免固定频率操作。
- 使用最新的浏览器指纹技术 ：
- 伪装 User-Agent，避免被识别为机器人。
- 适当启用 Cookies 和 LocalStorage 记录。
- 降低 API 请求频率 ：
- 避免短时间内大量访问同一页面。
- 采用分布式 IP 或代理服务（如 BrightData、Smartproxy）。
3. 手动辅助与人工识别
对于关键任务，可以结合人工干预来解决 CAPTCHA：
- 远程桌面手动输入：通过 RDP/VNC 远程控制，人工完成验证。
- 团队协作：多人分工处理 CAPTCHA，以提高效率。
代码示例：Selenium 结合第三方服务
以下示例演示如何在 Selenium 中调用 2Captcha API 解决 reCAPTCHA v2：
python
from selenium import webdriver
import time
import requests
API_KEY = "your_2captcha_api_key"
SITE_KEY = "目标网站的reCAPTCHA_SITE_KEY"
PAGE_URL = "https://example.com"
def solve_captcha():
response = requests.post(
f"http://xxx.com/in.php?key={API_KEY}&method=userrecaptcha&googlekey={SITE_KEY}&pageurl={PAGE_URL}&json=1"
).json()
captcha_id = response["request"]
time.sleep(20) # 等待解析
result = requests.get(
f"http://xxx.com/res.php?key={API_KEY}&action=get&id={captcha_id}&json=1"
).json()
return result.get("request")
# Selenium 自动化
browser = webdriver.Chrome()
browser.get(PAGE_URL)
captcha_solution = solve_captcha()
if captcha_solution:
browser.execute_script(f'document.getElementById("g-recaptcha-response").innerHTML = "{captcha_solution}";')
time.sleep(2)
browser.find_element("submit_button_selector").click()
browser.quit()结论
在 Web 自动化中，CAPTCHA 是一道重要的安全屏障。合法合规的应对方法包括使用第三方 API、优化自动化策略、采用人工干预等。在实际应用时，建议遵守网站的使用政策，避免恶意爬取或滥用资源。