Extracting Data From CAPTCHA-Protected Websites

使用CAPTCHA保护的网站上的半自动和全自动数据提取功能。全自动数据提取需要一个第三方CAPTCHA服务的账户，每个验证码的费用都要收费。半自动数据提取是免费的，但是需要您在运行数据提取项目时手工解码CAPTCHA图像。

使用代理服务器

有时，CAPTCHA保护网站的最简单的解决方案是使用代理服务器列表。当CAPTCHA页面在浏览网站一段时间后会随机显示，这一点尤其正确。如果你总是需要通过验证码页面才能进入网站的某个部分，代理服务器将不会有帮助。

半自动数据提取

要为半自动验证码的处理配置数据提取项目，您需要做以下工作:

1. 添加一个选择CAPTCHA图像的内容元素。然后使用Misc options选项卡来不选Save content选项。
2. 添加一个FormField元素来选择CAPTCHA输入字段。然后使用高级选项选项卡来选择图像元素作为CAPTCHA元素。
3. 添加一个提交CAPTCHA表单的FormSubmit模板。如果不总是显示CAPTCHA表单，您可能需要设置Misc选项在可选模板（Optional template）。

当 Visual Web Ripper遇到CAPTCHA元素时，它会显示CAPTCHA图像并请求验证码码。

image.png

Download CAPTCHA demo project

全自动数据提取

完整的自动验证码处理需要一个第三方验证码的帐户。第三方识别服务必须提供服务.NET API，您必须创建一个Visual Web Ripper脚本，该脚本使用这个API来调用服务。

Visual Web Ripper 包括API和标准脚本来调用下面的验证码识别服务。

http://www.deathbycaptcha.com

要配置您的数据提取项目来实现完全自动化的CAPTCHA处理，您需要做以下工作:

1. 添加一个选择CAPTCHA图像的内容元素。然后使用Misc options选项卡来取消Save content选项。
2. 添加一个FormField元素来选择CAPTCHA输入字段。然后使用高级选项选项卡来选择图像元素作为CAPTCHA元素。
3. 使用AdvancedOptions选项卡向选择CAPTCHA输入字段的FormField元素添加一个Decode CAPTCHA script。
4. 添加一个提交CAPTCHA表单的FormSubmit模板。如果不总是显示CAPTCHA表单，您可能需要设置Misc选项在*Optional template *。

打码脚本

一个解码的CAPTCHA脚本被用来调用验证码识别服务。这个脚本得到CAPTCHA图像是一个输入参数，并且应该以字符串格式返回解码的CAPTCHA值。

你可以通过在Advanced Options中点击Decode CAPTCHA script选项按钮，向FormField元素添加一个解码验证码脚本。

image.png

在您点击解码验证码脚本按钮后，脚本编辑器就会打开。

image.png

默认的解码CAPTCHA脚本是设计用于处理 www.deathbycaptcha.com服务，如果您正在使用该服务，您只需要添加您的登录名和密码。

Visual Web Ripper 也很容易支持 bypasscaptcha.com 如果您正在使用这个CAPTCHA服务，您可以使用以下代码。

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

一个解码验证码脚本可以写入C# or VB.NET.

C# and VB.NET Scripts

一个解码验证码脚本必须有一个方法，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)

脚本的方法DecodeCaptcha() 必须有这个确切的名称和签名，所以只更改方法体，而不是方法签名。该方法必须返回解码验证码的值。

WrProjectInitializeArguments Properties