Manejo de eventos de CAPTCHA

Descubre cómo Headless Browser captura y gestiona eventos de CAPTCHA.

Método basado en eventos

Para monitorear el proceso de resolución del CAPTCHA, recomendamos usar el método basado en eventos. Permite que tu script escuche mensajes personalizados enviados directamente desde la extensión.

Cómo funciona

La extensión envía un mensaje al window objeto del navegador. Puedes capturarlos añadiendo un listener de evento "message".

oxylabs-captcha-solve-start	El CAPTCHA se detectó y la resolución ha comenzado.
oxylabs-captcha-solve-end	El CAPTCHA se resolvió correctamente.
oxylabs-captcha-solve-error	El auto-solver no pudo omitir el CAPTCHA.

Puedes suscribirte a estos eventos para pausar tu automatización y reanudarla solo después de que el CAPTCHA se haya gestionado correctamente. Normalmente, la resolución del CAPTCHA tarda hasta 30 segundos, según el tipo y la complejidad del CAPTCHA, pero en algunos casos puede tardar más, así que deja tiempo para que termine la resolución del CAPTCHA.

Ejemplos de código

Python (Playwright)

import sys
from playwright.sync_api import sync_playwright

# Configuration
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('Abriendo la página del navegador...')
        # Connect to the remote browser using CDP
        browser = p.chromium.connect_over_cdp(UB_BROWSER_URL)
        
        # Get the default context and create a new page
        ctx = browser.contexts[0]
        page = ctx.new_page()

        # This must be done BEFORE navigation.
        ctx.add_init_script(f"""
            window.addEventListener("message", (event) => {{
                if (event.data && event.data.source === "{EXTENSION_NAME}") {{
                    window.__extensionStatus = event.data.type;
                }}
            }});
        """)

        print('Abriendo el sitio web de destino...')
        page.goto(TARGET_URL, wait_until='domcontentloaded')

        try:
            # Wait for the extension status to change
            page.wait_for_function(
                """
                ([solveEnd, solveError]) => {
                    const status = window.__extensionStatus;
                    if (status === solveError) {
                        throw new Error("CAPTCHA solving failed");
                    }
                    return status === solveEnd;
                }
                """,
                arg=[CAPTCHA_SOLVE_END, CAPTCHA_SOLVE_ERROR],
                timeout=CAPTCHA_CHECK_TIMEOUT_SEC * 1000
            )
            print('CAPTCHA resuelto correctamente, continúa el scraping...')
            
        except Exception as err:
            print(f'Error durante la resolución del CAPTCHA: {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('Hecho.')

if __name__ == "__main__":
    run()

JavaScript (Playwright)

JavaScript (Puppeteer)