Extracting Data From CAPTCHA-Protected Websites

使用CAPTCHA保護的網(wǎng)站上的半自動和全自動數(shù)據(jù)提取功能。全自動數(shù)據(jù)提取需要一個第三方CAPTCHA服務的賬戶，每個驗證碼的費用都要收費。半自動數(shù)據(jù)提取是免費的，但是需要您在運行數(shù)據(jù)提取項目時手工解碼CAPTCHA圖像。

使用代理服務器

有時，CAPTCHA保護網(wǎng)站的最簡單的解決方案是使用代理服務器列表。當CAPTCHA頁面在瀏覽網(wǎng)站一段時間后會隨機顯示，這一點尤其正確。如果你總是需要通過驗證碼頁面才能進入網(wǎng)站的某個部分，代理服務器將不會有幫助。

半自動數(shù)據(jù)提取

要為半自動驗證碼的處理配置數(shù)據(jù)提取項目，您需要做以下工作:

1. 添加一個選擇CAPTCHA圖像的內(nèi)容元素。然后使用Misc options選項卡來不選Save content選項。
2. 添加一個FormField元素來選擇CAPTCHA輸入字段。然后使用高級選項選項卡來選擇圖像元素作為CAPTCHA元素。
3. 添加一個提交CAPTCHA表單的FormSubmit模板。如果不總是顯示CAPTCHA表單，您可能需要設(shè)置Misc選項在可選模板（Optional template）。

當 Visual Web Ripper遇到CAPTCHA元素時，它會顯示CAPTCHA圖像并請求驗證碼碼。

image.png

Download CAPTCHA demo project

全自動數(shù)據(jù)提取

完整的自動驗證碼處理需要一個第三方驗證碼的帳戶。第三方識別服務必須提供服務.NET API，您必須創(chuàng)建一個Visual Web Ripper腳本，該腳本使用這個API來調(diào)用服務。

Visual Web Ripper 包括API和標準腳本來調(diào)用下面的驗證碼識別服務。

http://www.deathbycaptcha.com

要配置您的數(shù)據(jù)提取項目來實現(xiàn)完全自動化的CAPTCHA處理，您需要做以下工作:

1. 添加一個選擇CAPTCHA圖像的內(nèi)容元素。然后使用Misc options選項卡來取消Save content選項。
2. 添加一個FormField元素來選擇CAPTCHA輸入字段。然后使用高級選項選項卡來選擇圖像元素作為CAPTCHA元素。
3. 使用AdvancedOptions選項卡向選擇CAPTCHA輸入字段的FormField元素添加一個Decode CAPTCHA script。
4. 添加一個提交CAPTCHA表單的FormSubmit模板。如果不總是顯示CAPTCHA表單，您可能需要設(shè)置Misc選項在*Optional template *。

打碼腳本

一個解碼的CAPTCHA腳本被用來調(diào)用驗證碼識別服務。這個腳本得到CAPTCHA圖像是一個輸入?yún)?shù)，并且應該以字符串格式返回解碼的CAPTCHA值。

你可以通過在Advanced Options中點擊Decode CAPTCHA script選項按鈕，向FormField元素添加一個解碼驗證碼腳本。

image.png

在您點擊解碼驗證碼腳本按鈕后，腳本編輯器就會打開。

image.png

默認的解碼CAPTCHA腳本是設(shè)計用于處理 www.deathbycaptcha.com服務，如果您正在使用該服務，您只需要添加您的登錄名和密碼。

Visual Web Ripper 也很容易支持 bypasscaptcha.com 如果您正在使用這個CAPTCHA服務，您可以使用以下代碼。

string captcha = BypassCaptchaService.DecodeCaptcha(args.ImagePath, "key");

一個解碼驗證碼腳本可以寫入C# or VB.NET.

C# and VB.NET Scripts

一個解碼驗證碼腳本必須有一個方法，如下所示。

using  System;   
using  mshtml;   
using  VisualWebRipper;         
public   class  Script   
{   
     //See help for a definition of WrDecodeCaptchaArguments.   
     public   static  string DecodeCaptcha(WrDecodeCaptchaArguments args)   
    {   
         try   
        {   
             //Getting captcha from Decapcher.   
            string captcha = DeathByCaptchaService.DecodeCaptcha   
                (args.ImagePath, "login", "password");
                                                      
                     return  captcha;   
        }   
         catch (Exception exp)   
        {   
            args.WriteDebug(exp.Message);   
             return   "" ;   
        }   
    }   
}  

public static bool DecodeCaptcha(WrDecodeCaptchaArguments args)

腳本的方法DecodeCaptcha() 必須有這個確切的名稱和簽名，所以只更改方法體，而不是方法簽名。該方法必須返回解碼驗證碼的值。

WrProjectInitializeArguments Properties