验证码处理

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

Name	Type	Description
ImagePath	String	The CAPTCHA image path.
Project	WrProject	The current Visual Web Ripper project.
DestinationDataSource	WrDataSource	Destination data source configuration.
InputDataSource	WrInputDataSource	Input data source configuration.
StartTemplate	WrTemplate	The first template in the project.
Database	WrSharedDatabase	An open database connection. * See Script Utilitiesfor more information about shared script databases.
InputParameters	WrInputParameters	Input parameters for the current project. * See Using Input Parameters for more information about input parameters.