计算机使用代理能否通过截图来解决 CAPTCHA？

摘要

• 截图可以为受支持的文本识别任务提供图像输入。
• 仅有小组件截图无法提供令牌任务所需的、文档中要求的站点密钥（site key）和页面 URL。
• 将求解路线与代理可用的浏览器能力相匹配。
• 在提交识别出的答案或令牌后，验证应用的实际结果。

一个代理在截图中看到 CAPTCHA，并且有权限完成一个表单。首先要决定的是其执行器能否提供挑战所需的输入。基于截图的代理和具备浏览器感知能力的执行器，看到的是同一页面，却可能拥有截然不同的可行方案。

CapSolver 对该工作流中使用的任务输入和响应字段做了文档说明。

识别截图包含的内容

文本 CAPTCHA 会呈现一张图片和一个答案输入框。如果可以获得被单独截取出来的挑战图像，则文档中记录的 image-to-text 任务 可以接受编码后的图像字节。应裁剪到挑战图像本身，并确保把与页面无关的内容排除在载荷之外。如果无法可靠地将答案输入框与图像对应起来，就请求人工输入。

复选框小组件的截图可以对挑战类型给出视觉线索。对于基于令牌的任务，所需输入取决于挑战的类型。任务类型指南 将识别类任务与令牌工作流区分开来。Google 的 reCAPTCHA 小组件指南 展示了站点所有者在哪里配置站点密钥（site key）。

选择执行器能够完成的路线

纯视觉执行器在可以截取出图像并输入返回文本时，就能处理受支持的图像挑战。具备浏览器感知能力的执行器，则可以在已获授权的页面中检查文档中记录的小组件参数，并确认相同的表单仍然处于激活状态。Playwright 的 frame 定位器 展示了具备 frame 感知能力的工具如何区分嵌入式控件与顶层页面元素。

令牌结果仍然需要按照集成所预期的提交流程来使用。在你自己运营的网站上，可以使用 Google 服务器端验证约定 来区分“返回了一个令牌”和“令牌已被接受的响应”。在被允许的第三方工作流中，则应以应用可见的“接受或拒绝”状态作为结果信号。

兑换你的 CapSolver 奖励码

立即提升你的自动化预算！
充值 CapSolver 账户时使用奖励码 CAP26，每次充值即可额外获得 5% 奖励金额——没有次数或金额上限。
现在就前往你的 CapSolver 控制面板 进行兑换。

为代理设定明确的停止条件

记录观察到的挑战类型、可用输入以及下一个被允许的动作。如果这条路线需要执行器无法获取的浏览器参数，就暂停任务并请求补充相应能力或进行人工接手。在底层输入缺口尚未弥补的情况下，应避免反复提交截图。

当任务与文档中记录的输入相匹配，且你的工作流能够验证结果时，请使用 CapSolver。

常见问题

问：我可以把整页截图作为图像挑战发送吗？
请只截取受支持的挑战图像。整页截图可能包含识别任务不需要的无关文本和数据。

问：复选框截图可以提供站点密钥吗？
应将截图视为视觉线索，并从已获授权的应用或浏览器上下文中获取文档中记录的参数。

问：什么才算任务完成？
完成意味着在验证之后，目标应用已接受该表单或操作。