我发现了一些技巧，可以在自动化操作时减少处理 CAPTCHA 的麻烦。无论是使用 Selenium 还是其他工具，这些策略都能提高你越过这道障碍的机会。目标并不是破解系统，而是在涉及 CAPTCHA 时，让自动化变得不那么复杂、耗时。让我们深入了解这些选项。
了解 CAPTCHA 及其类型
在深入探讨绕过策略之前，有必要先了解 CAPTCHA 有多种形式：
-
基于文本的 CAPTCHA：需要识别扭曲的文字。
-
基于图片的 CAPTCHA：需要在一组图片中选择特定对象。
-
ReCAPTCHA v2 和 v3：Google 的 CAPTCHA 依赖用户行为来区分真人与机器人。
绕过 CAPTCHA 并不简单，因为网站会不断演进以检测机器人。因此，以下方法可以在某些场景中提供帮助。
简单的 CAPTCHA 解决方案
在我们深入了解如何在 Java 中用 Selenium 处理 CAPTCHA 之前，我想先介绍一些目前可用的最佳验证码破解服务。你可以在这里阅读顶级 CAPTCHA 破解服务。
如果不想读完整篇内容，这里是最终列表：
-
Bright Data 验证码破解 --- 强大的基于代理的破解工具；能够以高准确率处理复杂的 CAPTCHA。
-
BypassCaptcha --- 集成简单；支持多种语言和 reCAPTCHA 处理。
-
2captcha --- 人工驱动的服务；支持多种 CAPTCHA，且成本效益高。
-
CapSolver --- 高速破解工具，适合大量 CAPTCHA 需求，价格实惠。
-
Anticaptcha --- 响应迅速，并拥有全球人工解题人员；对 reCAPTCHA 很有效。
-
Best 验证码破解 --- 基于人工的解决方案，提供 24/7 支持；以结果可靠而闻名。
Selenium 和 Java 能处理 CAPTCHA 吗？
Selenium Java 可以处理 CAPTCHA，但具体方式取决于网站。有些网站只会在检测到可疑的机器人活动时显示 CAPTCHA 挑战，而另一些网站则会立即使用 CAPTCHA 来阻止自动化访问。
在第一种情况下，你可以通过模拟自然浏览行为来保持低调，从而避免 CAPTCHA。在第二种情况下，则需要由真人来解决 CAPTCHA。
虽然 Selenium 可以用于这两种情况，但要稳定、规模化地解决 CAPTCHA 具有挑战性。因此，更有效的做法是从一开始就尽量防止 CAPTCHA 出现。接下来我们看看在使用 Selenium 进行自动化时如何避免这些挑战。
方法 1：使用反 CAPTCHA 服务
较常见的方法之一是使用第三方反 CAPTCHA 服务，例如：
-
2Captcha
-
AntiCaptcha
-
DeathByCaptcha
这些服务使用 API 将 CAPTCHA 挑战发送给人工解题人员来完成破解。将这些服务与 Java 中的 Selenium 集成非常直接。下面是一个简单的代码片段：
// Import required libraries
import org.openqa.selenium.WebDriver;
import org.openqa.selenium.chrome.ChromeDriver;
public class BypassCaptcha {
public static void main(String\[\] args) {
System.setProperty("webdriver.chrome.driver", "path_to_chromedriver");
WebDriver driver = new ChromeDriver();
driver.get("https://www.example.com/captcha");
// Assume the CAPTCHA image is here and requires solving
// Send CAPTCHA image to a third-party CAPTCHA-solving service API
String captchaSolution = callCaptchaService(driver);
// Input solved CAPTCHA into the webpage
driver.findElement(By.id("captchaInput")).sendKeys(captchaSolution);
driver.findElement(By.id("submit")).click();
}
private static String callCaptchaService(WebDriver driver) {
// Example API call to a CAPTCHA-solving service
// Logic to send CAPTCHA image, receive solution, and return it
return "solvedCaptcha";
}
}
方法 2：使用 Undetected Chromedriver
Selenium 机器人经常会被 CAPTCHA 脚本检测到，尤其是在 Google reCAPTCHA 场景下。使用不易被检测到的 WebDriver，例如 Undetected ChromeDriver，可以绕过网站用来识别 Selenium 的部分检测机制。
集成方式如下：
-
下载 undetected ChromeDriver。
-
用它替代默认的 WebDriver。
示例：
System.setProperty("webdriver.chrome.driver", "path_to_undetected_chromedriver");
WebDriver driver = new ChromeDriver();
// Continue with your usual automation steps
这种方法之所以有效，是因为一些 CAPTCHA 会追踪用户行为（鼠标移动、输入速度），而不易被检测到的 WebDriver 会模拟更自然的用户交互。
方法 3：通过收集 Cookie 预先解决 CAPTCHA
有些网站允许每个会话只解决一次 CAPTCHA。你可以手动解决一次 CAPTCHA，保存该会话的 Cookie，并在后续 Selenium 会话中复用这些 Cookie。
具体做法如下：
Set<Cookie> cookies = driver.manage().getCookies();
// Save cookies to a file
saveCookiesToFile(cookies);
// Later, load cookies back
for(Cookie cookie : loadCookiesFromFile()) {
driver.manage().addCookie(cookie);
}
在未来的会话中，你可以使用已验证会话中的 Cookie 来绕过 CAPTCHA。
方法 4：使用具有人类式交互的浏览器自动化
有些 CAPTCHA 依赖对用户交互的分析。像 Selenium Stealth 这样的工具可以帮助模拟类似人类的行为，从而降低触发 CAPTCHA 的可能性。
这包括模拟：
-
自然的鼠标移动。
-
操作之间的随机延迟。
-
滚动和页面交互。
结论
绕过 CAPTCHA 是一个复杂且不断演变的挑战。虽然上述方法可以帮助减少基于 Selenium 的 Java 自动化中的 CAPTCHA 干扰，但必须记住，CAPTCHA 的设计目的就是防止自动化。尊重网站的政策和服务条款，对于保持负责任的做法至关重要。
有任何问题吗？期待你的评论！
对其他网页抓取指南感兴趣？
-
使用 Scrapy 进行网页抓取
-
使用 Selenium 进行网页抓取
-
JavaScript 与 Python 在网页抓取中的对比
-
使用 Python lxml 进行网页抓取
-
使用 Excel 进行网页抓取
-
-
使用 C# 进行网页抓取
如需阅读其他精彩文章，请访问我的个人主页 --- Data Journal ❤️