处理 CAPTCHA 事件

了解 解锁浏览器 如何捕获和处理 CAPTCHA 事件。

Oxylabs 提供两种方式来监控 CAPTCHA 解决过程。虽然目前可以使用控制台日志，但它 计划弃用。我们强烈建议在所有新项目中使用基于事件的方法，以确保长期兼容性和更可靠的自动化同步。

基于事件的方法（推荐）

此方法允许您的脚本监听直接从扩展发送的自定义消息。它比监视日志更健壮，因为它避免了控制台缓冲区限制或日志过滤带来的问题。

工作原理

扩展向浏览器的 window 对象发送消息。您可以通过添加一个 "message" 事件监听器来捕获这些消息。

oxylabs-captcha-solve-start	检测到 CAPTCHA 并开始解决。
oxylabs-captcha-solve-end	CAPTCHA 已成功解决。
oxylabs-captcha-solve-error	自动解决器未能绕过 CAPTCHA。

您可以订阅这些事件以暂停您的自动化，并仅在 CAPTCHA 成功处理后恢复。通常，CAPTCHA 解决最多需要 30 秒，取决于 CAPTCHA 的类型和复杂性，但在某些情况下可能需要更长时间，因此请为 CAPTCHA 解决预留足够时间。

示例代码

Python（Playwright）

import sys
from playwright.sync_api import sync_playwright

# 配置
EXTENSION_NAME = 'oxylabs-runtime'
CAPTCHA_SOLVE_END = 'oxylabs-captcha-solve-end'
CAPTCHA_SOLVE_ERROR = 'oxylabs-captcha-solve-error'
UB_BROWSER_URL = 'wss://<username>:<password>@ubc.oxylabs.io'
CAPTCHA_CHECK_TIMEOUT_SEC = 60
TARGET_URL = 'https://www.indeed.com/cmp/Bank-of-the-West/reviews?lang=any&fcountry=ALL&sort=date'

def run():
    with sync_playwright() as p:
        print('正在打开浏览器页面...')
        # 使用 CDP 连接到远程浏览器
        browser = p.chromium.connect_over_cdp(UB_BROWSER_URL)
        
        # 获取默认上下文并创建新页面
        ctx = browser.contexts[0]
        page = ctx.new_page()

        # 这必须在导航之前完成。
        ctx.add_init_script(f"""
            window.addEventListener("message", (event) => {{
                if (event.data && event.data.source === "{EXTENSION_NAME}") {{
                    window.__extensionStatus = event.data.type;
                }}
            }});
        """)

        print('正在打开目标网站...')
        page.goto(TARGET_URL, wait_until='domcontentloaded')

        try:
            # 等待扩展状态发生变化
            page.wait_for_function(
                """
                ([solveEnd, solveError]) => {
                    const status = window.__extensionStatus;
                    if (status === solveError) {
                        throw new Error("CAPTCHA 解决失败");
                    }
                    return status === solveEnd;
                }
                """,
                arg=[CAPTCHA_SOLVE_END, CAPTCHA_SOLVE_ERROR],
                timeout=CAPTCHA_CHECK_TIMEOUT_SEC * 1000
            )
            print('CAPTCHA 已成功解决，继续抓取...')
            
        except Exception as err:
            print(f'CAPTCHA 解决期间出错: {err}')
            browser.close()
            sys.exit(1)

        page.wait_for_selector('h1[data-testid="PageHeader-title-reviews"]')
        page.screenshot(path='page_screenshot.jpg')

        page.close()
        browser.close()
        print('完成。')

if __name__ == "__main__":
    run()

JavaScript（Playwright）

JavaScript（Puppeteer）

控制台日志方法（传统）

注意： 此方法是 仅在 Chrome 浏览器中可用 ，并将在未来版本中弃用。现有用户应计划迁移到基于事件的方法。

当检测到 CAPTCHA 并正在解决时，Oxylabs 会向控制台记录一条消息。以下消息可能会打印到控制台日志：

oxylabs-captcha-solve-start	在我们的系统检测到 CAPTCHA 并开始解决时触发。
oxylabs-captcha-solve-end	在自动解决器成功解决 CAPTCHA 时触发。
oxylabs-captcha-solve-error	在自动解决器未能解决 CAPTCHA 时触发。

您可以订阅这些事件以暂停您的自动化，并仅在 CAPTCHA 成功处理后恢复。通常 CAPTCHA 解决最多需要 30 秒，具体取决于 CAPTCHA 的类型和复杂性，但在某些情况下可能需要更长时间，因此请为 CAPTCHA 解决预留足够时间。

请查看下面的示例，了解如何处理这些事件。

Python（Playwright）

import asyncio
import time
from typing import Any

from playwright.async_api import async_playwright


# 填写用户名和密码
UB_USERNAME: str = ""
UB_PASSWORD: str = ""
UB_BROWSER_URL: str = f"wss://{UB_USERNAME}:{UB_PASSWORD}@ubc-us.oxylabs.io"


class UBScraper:
    def __init__(self) -> None:
        self.OXYLABS_CAPTCHA_START_MESSAGE: str = "oxylabs-captcha-solve-start"
        self.OXYLABS_CAPTCHA_DONE_MESSAGE: str = "oxylabs-captcha-solve-end"

        self.CAPTCHA_STARTED: bool = True
        self.CAPTCHA_SOLVED: bool = False

    async def handle_console(self, msg: Any) -> None:
        msg_args = msg.args

        for arg in msg_args:
            log_message = str(arg)
            print(log_message)

            if log_message.strip() == self.OXYLABS_CAPTCHA_START_MESSAGE:
                print("Captcha 开始解决！")
                self.CAPTCHA_STARTED = True
            if log_message.strip() == self.OXYLABS_CAPTCHA_DONE_MESSAGE:
                print("Captcha 已完成解决！")
                self.CAPTCHA_SOLVED = True

    async def wait_for_captcha_completion(self, timeout_seconds: int = 20) -> bool:
        start_time = time.time()
        check_interval = 1

        print(f"等待 captcha 完成（超时：{timeout_seconds}s）")

        while not self.CAPTCHA_SOLVED:
            elapsed = time.time() - start_time

            if elapsed > timeout_seconds:
                print(f"等待 captcha 超时：{elapsed:.1f}s")
                return False

            if int(elapsed) % 5 == 0:
                print(f"仍在等待 captcha... （{int(elapsed)}s）")

            await asyncio.sleep(check_interval)

        completion_time = time.time() - start_time
        print(f"captcha 在 {completion_time:.1f}s 后完成")
        return True

    async def scrape(self, url: str) -> None:
        async with async_playwright() as playwright:
            start = time.time()

            browser = await playwright.chromium.connect_over_cdp(
                UB_BROWSER_URL,
            )

            print(f"连接到浏览器耗时 {time.time() - start:.2f} 秒")
            context = browser.contexts[0]
            page = await context.new_page()

            page.on("console", self.handle_console)

            await page.goto(url)

            captcha_completed = await self.wait_for_captcha_completion(
                timeout_seconds=30
            )

            if not captcha_completed:
                raise Exception("解决失败")

            await page.screenshot(path="cf_captcha_check_.png")
            print("完成")

            input("回车以关闭")


if __name__ == "__main__":
    import asyncio

    # 用您选择的 URL 替换
    URL = "https://www.indeed.com/cmp/Bank-of-the-West/reviews?lang=any&fcountry=ALL&sort=date"

    asyncio.run(UBScraper().scrape(URL))

JavaScript（Playwright）

JavaScript（Puppeteer）