了解如何在AI浏览器自动化中有效管理并绕过验证码挑战。本指南为稳健且可扩展的网络自动化解决方案提供实用步骤。

automation

了解如何在AI浏览器自动化中有效管理并绕过验证码挑战。本指南为稳健且可扩展的网络自动化解决方案提供实用步骤。

Skyvern 集成 CapSolver：AI 浏览器自动化中的验证码处理指南

Ethan Collins

Pattern Recognition Specialist

28-Jul-2026

TL;DR

Skyvern 负责打开网页、填写表单并推进业务流程，而 CapSolver 负责返回 CAPTCHA 令牌。
直接安装官方 capsolver SDK 并调用 capsolver.solve() 以避免自行实现 createTask 和轮询逻辑。
一旦获得令牌，将其返回到当前浏览器页面，然后让 Skyvern 提交表单并验证结果。

介绍

Skyvern 是一个基于 Playwright、视觉模型和大型语言模型（LLMs）的 AI 浏览器自动化平台。Skyvern 可以理解网页中的文本、表单和交互元素，根据自然语言指令完成页面导航、按钮点击、内容输入、文件上传、信息提取和多步骤工作流等任务。这种方法降低了因页面结构变化导致的脚本维护成本，非常适合登录、表单提交、后台操作和数据收集等场景。

当自动化工作流遇到 CAPTCHA 挑战时，可以通过提供当前页面 URL、站点密钥和 CAPTCHA 类型等参数调用官方 CapSolver Python SDK。CapSolver 完成任务后，会返回相应的验证令牌。程序随后使用 Playwright 将此令牌写入当前页面的响应字段、JavaScript 回调或业务请求中。验证通过后，Skyvern 可以继续执行原始用户授权的任务，例如提交表单、进入下一页或检查最终操作结果。

1. 安装依赖

Skyvern 当前需要 Python 3.11、3.12 或 3.13。安装 Skyvern、CapSolver SDK 和 Chromium：

Bash 复制代码

pip install "skyvern[local]"
pip install --upgrade capsolver
python -m playwright install chromium

2. CapSolver 代码

Python 复制代码

# pip install --upgrade capsolver
# export CAPSOLVER_API_KEY='...'

import capsolver

# capsolver.api_key = "..."
solution = capsolver.solve({
    "type": "ReCaptchaV2TaskProxyLess",
    "websiteURL": "https://www.google.com/recaptcha/api2/demo",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-",
})

print(solution)

成功后，返回结果主要使用：

Python 复制代码

token = solution["gRecaptchaResponse"]

参数的作用：

websiteURL 和 websiteKey 必须与当前页面的实际配置一致。

3. Skyvern 集成示例

以下是最小集成示例。Skyvern 首先打开页面并填写表单，然后通过官方 SDK 获取令牌，最后将令牌返回到页面以进行提交。

Python 复制代码

import asyncio
import capsolver
from skyvern import Skyvern


TARGET_URL = "https://www.google.com/recaptcha/api2/demo"
WEBSITE_KEY = "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-"


async def inject_token(page, token: str):
    await page.evaluate(
        """
        (token) => {
            const textarea = document.getElementById('g-recaptcha-response');
            if (textarea) {
                textarea.value = token;
            }
        }
        """,
        token,
    )


async def main():
    skyvern = Skyvern.local()
    browser = await skyvern.launch_local_browser(headless=False)
    page = await browser.get_working_page()

    try:
        await page.goto(TARGET_URL)
        solution = await asyncio.to_thread(
            capsolver.solve,
            {
                "type": "ReCaptchaV2TaskProxyLess",
                "websiteURL": TARGET_URL,
                "websiteKey": WEBSITE_KEY,
            },
        )

        token = solution["gRecaptchaResponse"]
        await inject_token(page, token)

        await page.act("Submit")
        await page.validate("Verification successful... Great!")
    finally:
        await browser.close()

4. 如何将令牌返回到页面

CapSolver 仅负责返回令牌；它不会自动提交目标网站的业务表单。不同网站处理令牌的方式各不相同，常见方法包括：

写入 g-recaptcha-response 隐藏字段；
调用页面上配置的 JavaScript 回调；
将令牌作为业务接口参数提交。

示例中的 inject_token() 尝试同时处理隐藏字段和测试回调。在实际使用中，应根据您网站的前端实现调整此代码片段。

5. 常见问题

返回了令牌，但页面仍失败

检查以下参数：

websiteURL 是否是当前页面地址？
websiteKey 是否来自当前站点？
获取令牌后页面是否刷新？
是否将令牌传递给了正确的页面回调或业务接口？

6. 使用 CapSolver API 解决 ImageToText

除了 reCAPTCHA，Skyvern 还可以与 CapSolver 配合处理标准的图像到文本 CAPTCHA。以 BotDetect CAPTCHA Demo 为例：CAPTCHA 图像元素 ID 是 demoCaptcha_CaptchaImage，结果输入框 ID 是 captchaCode，验证按钮 ID 是 validateCaptchaButton。

ImageToTextTask 需要将 CAPTCHA 图像转换为 Base64 并通过 body 参数提交。如果图像 src 是 Data URL，例如：

Plain Text 复制代码

data:image/png;base64,iVBORw0KGgoAAA...

传递给 CapSolver 时，仅保留逗号后的 Base64 内容，不包括 data:image/...;base64, 前缀。与令牌类型任务不同，ImageToTextTask 直接返回识别结果，无需额外轮询 getTaskResult。

以下是完整的 Skyvern 集成示例：

Python 复制代码

import asyncio

import capsolver
from skyvern import Skyvern


TARGET_URL = "https://captcha.com/demos/features/captcha-demo.aspx"


async def main():
    skyvern = Skyvern.local()
    browser = await skyvern.launch_local_browser(headless=False)
    page = await browser.get_working_page()

    try:
        await page.goto(TARGET_URL)
        await page.locator("#demoCaptcha_CaptchaImage").wait_for()

        # 读取 CAPTCHA 图像 Data URL。
        image_src = await page.locator(
            "#demoCaptcha_CaptchaImage"
        ).get_attribute("src")

        if not image_src or "," not in image_src:
            raise RuntimeError("未找到有效的 Base64 CAPTCHA 图像")

        # 移除 Data URL 前缀，仅保留 Base64 数据。
        base64_image = image_src.split(",", 1)[1]

        solution = await asyncio.to_thread(
            capsolver.solve,
            {
                "type": "ImageToTextTask",
                "websiteURL": TARGET_URL,
                "module": "common",
                "body": base64_image,
            },
        )

        captcha_text = solution["text"]
        print("识别结果:", captcha_text)

        await page.locator("#captchaCode").fill(captcha_text)
        await page.locator("#validateCaptchaButton").click()
        await page.wait_for_timeout(5000)
    finally:
        await browser.close()


if __name__ == "__main__":
    asyncio.run(main())

代码执行过程可总结为：

Plain Text 复制代码

Skyvern 打开 CAPTCHA 页面
  -> 定位 #demoCaptcha_CaptchaImage
  -> 提取并清理 Base64 图像数据
  -> 调用 capsolver.solve(ImageToTextTask)
  -> 读取 solution["text"]
  -> 填入 #captchaCode
  -> 点击 #validateCaptchaButton

选择合适的识别模型

module 是一个可选参数；默认使用 common。如果 CAPTCHA 仅包含数字，可以使用 number；对于某些特殊样式，也可以根据 CapSolver 文档选择相应的独立模型以提高识别准确率。

例如，当仅识别数字 CAPTCHA 时，可以将任务参数更改为：

Python 复制代码

solution = capsolver.solve({
    "type": "ImageToTextTask",
    "module": "number",
    "images": [base64_image],
})

answers = solution["answers"]

number 模型支持一次性提交多张图像，images 可以包含最多 9 个 Base64 字符串。有关其他模型名称和适用图像类型的详细信息，请参阅官方 CapSolver ImageToTextTask 文档。

7. 总结

选择适合 AI 浏览器自动化的技术方案取决于任务复杂度、页面变化频率以及目标网站的验证机制。传统的工具如 Selenium 和 Playwright 适用于结构稳定、操作路径清晰的自动化工作流。Skyvern 在此基础上引入了视觉模型和 LLM，使其更适合页面结构频繁变化、需要语义理解或涉及多步骤操作的网页任务。由于 Skyvern 基于 Playwright 控制浏览器，可以通过自然语言完成页面导航、表单填写、按钮点击和数据提取。当流程遇到 CAPTCHA 挑战时，开发者可以结合官方 CapSolver SDK 获取验证令牌，然后将结果填写回当前页面，使 Skyvern 能够继续后续操作，如表单提交、页面跳转和结果验证。通过结合 Skyvern 和 CapSolver，开发者可以构建更灵活、可维护且可扩展的浏览器自动化工作流，降低传统选择器的维护成本，同时提高复杂网页任务的执行效率和稳定性。明确授权范围、保护 API 密钥以及验证和记录自动化结果是相关项目稳定运行的重要前提。

参考资料

领取 CapSolver 奖励代码

立即提升您的自动化预算！
在充值 CapSolver 账户时使用奖励代码 CAP26，每次充值可额外获得 5% 奖励——无限制。
立即在您的 CapSolver 仪表板中领取

常见问题 (FAQ)

Q1: 如何处理 iframe 中的 CAPTCHA？
A1: 在注入令牌前，先使用 page.frame_locator('iframe_selector') 切换到 iframe 上下文。确保发送给 CapSolver 的 websiteURL 是父页面地址，而不是 iframe 地址。

Q2: 如果网站使用自定义 JavaScript 回调怎么办？
A2: 识别回调函数名（例如 onCaptchaResolved），然后通过 Playwright 执行：await page.evaluate("onCaptchaResolved(token)", token)。

Q3: 如何提高 ImageToText 识别率？
A3: 使用特定的 module 参数（如数字 CAPTCHA 使用 number），并确保提取的 Base64 图像清晰且分辨率高。

Q4: 如何处理 API 密钥安全？
A4: 千万不要硬编码 API 密钥。使用环境变量（例如 os.getenv("CAPSOLVER_API_KEY")）安全加载。

Q5: 是否应该实现重试机制？
A5: 是的，使用 tenacity 等库实现 capsolver.solve() 的指数退避重试，以处理临时网络或服务问题。

Q6: 令牌会过期吗？
A6: CAPTCHA 令牌会快速过期（例如 2 分钟）。在从 CapSolver 接收令牌后立即注入并提交。

Q7: Skyvern 能否自动处理不同类型的 CAPTCHA？
A7: 可以，您可以使用 Skyvern 的视觉能力首先识别 CAPTCHA 类型，然后动态构建适当的 CapSolver 负载（例如在 ReCaptchaV2TaskProxyLess 和 ImageToTextTask 之间切换）。

Q8: Skyvern 的视觉能力还有哪些其他用途？
A8: 它可以实现动态元素定位（无需固定 ID 找到 CAPTCHA）、视觉后提交验证（检查成功消息）以及视觉错误检测，以实现更智能的重试。

合规声明：本博客提供的信息仅供参考。CapSolver 致力于遵守所有适用的法律和法规。严禁以非法、欺诈或滥用活动使用 CapSolver 网络，任何此类行为将受到调查。我们的验证码解决方案在确保 100% 合规的同时，帮助解决公共数据爬取过程中的验证码难题。我们鼓励负责任地使用我们的服务。如需更多信息，请访问我们的服务条款和隐私政策。