Cara Menangani CAPTCHA di undetected-chromedriver (Python)

undetected-chromedriver menambal Chrome supaya flag otomatisasi berhenti bocor. Itu membuat Anda bisa masuk ke halaman. Itu tidak membuat Anda melewati checkbox reCAPTCHA, karena widget bukan pemeriksaan fingerprint, melainkan syarat token. Captcha di undetected-chromedriver tetap harus dipecahkan dan jawabannya disuntikkan ke DOM.

Empat langkah: jalankan driver yang sudah ditambal, baca sitekey dari halaman, pecahkan secara lokal, taruh token di tempat yang diharapkan halaman. Berikut semuanya dalam Python.

Apa yang dilakukan dan tidak dilakukan undetected-chromedriver

Perbedaan ini penting karena saran umum untuk scraper yang diblokir adalah “tambahkan stealth”. Jika sebuah widget tampil di layar, sebanyak apa pun stealth tidak akan menghilangkannya. Anda butuh token.

Apa yang Anda butuhkan

• Chrome terpasang, dan CapSkip berjalan di 127.0.0.1:8080. Halaman panduan penyiapan membahas aplikasinya.
• Python 3.10 atau lebih baru.
• Tiga paket.

# the patched driver, selenium itself, and the local solver
pip install undetected-chromedriver selenium capskip

Langkah 1: jalankan driver yang sudah ditambal

Impor sebagai uc dan bangun browser dengan cara yang sama seperti Selenium biasa. Options berasal dari uc.ChromeOptions(), bukan milik Selenium, karena library menambalnya dalam prosesnya:

# pip install undetected-chromedriver
import undetected_chromedriver as uc

options = uc.ChromeOptions()
options.add_argument("--window-size=1280,800")

# use_subprocess keeps the patched binary alive long enough
# to shut down cleanly on Windows.
driver = uc.Chrome(options=options, use_subprocess=True)

driver.get("https://example.com/login")

Jangan menumpuk plugin stealth lain di atasnya. Dua patcher yang berebut properti yang sama adalah sinyal deteksi tersendiri, dan itu alasan umum kenapa setup yang tadinya bekerja tiba-tiba berhenti.

Langkah 2: baca sitekey dari halaman

sitekey adalah atribut publik pada elemen widget. Bacalah dari DOM langsung alih-alih menuliskannya secara hardcode, karena banyak situs merotasi key per lingkungan:

from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# The widget is injected by script, so wait for it.
widget = WebDriverWait(driver, 20).until(
    EC.presence_of_element_located((By.CSS_SELECTOR, "[data-sitekey]"))
)

sitekey = widget.get_attribute("data-sitekey")
page_url = driver.current_url

print(sitekey)

Gunakan driver.current_url alih-alih URL yang Anda minta. Jika situs mengalihkan Anda ke jalur tantangan, pemecah harus diberi tahu halaman yang benar-benar Anda datangi.

Langkah 3: pecahkan secara lokal

CapSkip berjalan di komputer Anda sendiri, jadi pemecahannya adalah panggilan ke localhost. Tanpa akun, tanpa tagihan per pemecahan, tidak ada yang keluar dari mesin Anda selain sitekey dan URL halaman:

# pip install capskip
from capskip import CapSkip

solver = CapSkip(
    host="127.0.0.1",
    port=8080,
    recaptchaTimeout=300,   # seconds, also covers Turnstile
)

result = solver.recaptcha(sitekey=sitekey, url=page_url)

token = result["code"]   # the g-recaptcha-response value

Varian adalah opsi, bukan metode yang berbeda. Tambahkan invisible=1 untuk widget v2 tak terlihat, version="v3" dengan action untuk v3, dan enterprise=1 untuk produk Enterprise.

Langkah 4: suntikkan token dan picu callback

Token harus masuk ke textarea tersembunyi g-recaptcha-response . Itu saja sudah cukup untuk submit formulir biasa, karena field tersebut ikut terkirim bersama sisa formulir:

driver.execute_script(
    "document.getElementById('g-recaptcha-response')"
    ".innerHTML = arguments[0];",
    token,
)

driver.find_element(By.CSS_SELECTOR, "button[type='submit']").click()

Aplikasi single-page berbeda. Aplikasi seperti itu tidak pernah membaca textarea, melainkan menunggu callback milik widget untuk menyerahkan token. Nama fungsinya dideklarasikan pada elemen, jadi Anda bisa memanggilnya langsung:

callback = widget.get_attribute("data-callback")

if callback:
    # Call the page's own handler with the token, exactly as
    # the widget would have done.
    driver.execute_script(f"{callback}(arguments[0]);", token)

Jika tidak terjadi apa-apa setelah injeksi dan tidak ada data-callback, berarti halaman memasang callback lewat JavaScript, bukan lewat markup. Halaman pemecah callback reCAPTCHA v2 membahas cara menemukannya dalam kasus itu.

Turnstile di driver yang sama

Cloudflare Turnstile bekerja dengan cara yang sama, hanya dua nama yang berubah. Field responsnya adalah cf-turnstile-response, dan berupa input, bukan textarea:

result = solver.turnstile(sitekey=sitekey, url=page_url)

driver.execute_script(
    "document.querySelector('[name=cf-turnstile-response]')"
    ".value = arguments[0];",
    result["code"],
)

Itu mencakup widget yang tertanam di dalam formulir. Tantangan interstitial satu halaman penuh memerlukan dua nilai tambahan dan user agent yang dipakai saat pemecahan, yang dijelaskan halaman pemecah Turnstile tersebut.

Contoh lengkap yang berfungsi

# pip install undetected-chromedriver selenium capskip
import undetected_chromedriver as uc
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from capskip import (
    CapSkip, NetworkException, ApiException, TimeoutException,
)

URL = "https://example.com/login"

solver = CapSkip(host="127.0.0.1", port=8080)
driver = uc.Chrome(options=uc.ChromeOptions(), use_subprocess=True)

try:
    driver.get(URL)

    widget = WebDriverWait(driver, 20).until(
        EC.presence_of_element_located((By.CSS_SELECTOR, "[data-sitekey]"))
    )
    sitekey = widget.get_attribute("data-sitekey")

    result = solver.recaptcha(sitekey=sitekey, url=driver.current_url)

    driver.execute_script(
        "document.getElementById('g-recaptcha-response')"
        ".innerHTML = arguments[0];",
        result["code"],
    )

    callback = widget.get_attribute("data-callback")
    if callback:
        driver.execute_script(f"{callback}(arguments[0]);", result["code"])
    else:
        driver.find_element(By.CSS_SELECTOR, "button[type='submit']").click()

except NetworkException:
    print("CapSkip is not running on 127.0.0.1:8080")
except (ApiException, TimeoutException) as err:
    print(f"solve failed: {err}")
finally:
    driver.quit()   # always, or the patched binary lingers

Pecahkan dan kirim dalam satu proses. Token reCAPTCHA diterima kira-kira dua menit, jadi skrip yang memecahkan, lalu mengerjakan hal lain selama tiga puluh detik, lalu mengirim, masih aman. Skrip yang mengantrekan token untuk dipakai nanti tidak.

Kesalahan umum

Setiap kode error dan parameter tercantum di dokumentasi API.

Pertanyaan yang sering diajukan

Ringkasan

Biarkan undetected-chromedriver menangani fingerprint, dan tangani sendiri widget-nya. Tunggu [data-sitekey], pecahkan lewat localhost, tulis token ke dalam g-recaptcha-response, lalu panggil data-callback jika halaman mendeklarasikannya. Tutup driver di dalam blok finally agar binary yang ditambal tidak tertinggal.

Cakupan Selenium yang lebih luas ada di halaman pemecah CAPTCHA Selenium , daftar metode lengkapnya ada di halaman pemecah CAPTCHA Python , dan pemecahan CAPTCHA untuk web scraping membahas cara menjalankannya dalam skala besar. CapSkip adalah pemecah captcha lokal, jadi setiap pemecahan di atas terjadi di komputer Anda sendiri.