在 Apify 上跑的 Crawlee Actor 抓国际站点时，reCAPTCHA v2 是最常见的拦路虎——页面刚加载完，表单准备提交，验证码先弹了出来。思路很直接：Actor 检测到 sitekey 后调用 CaptchaAI 的 API 完成识别，reCAPTCHA v2 通常在 60 秒以内出结果，成功率也比较高；拿到 token 写回页面再提交表单，整个流程可以完全自动化。下面从 Input Schema、Actor 代码，到环境变量管理、代理配置和线程数选型，把这套集成方案讲清楚。
Actor 输入设计与验证码识别逻辑
Actor 的 Input Schema 要提前留出 CaptchaAI 的 API Key 字段，方便在 Apify 控制台里以密文形式保存，不用写进代码仓库：
{
"title": "CAPTCHA Scraper Input",
"type": "object",
"properties": {
"startUrls": {
"title": "Start URLs",
"type": "array",
"editor": "requestListSources"
},
"captchaaiApiKey": {
"title": "CaptchaAI API Key",
"type": "string",
"isSecret": true
},
"maxConcurrency": {
"title": "Max Concurrency",
"type": "integer",
"default": 3
}
},
"required": ["startUrls", "captchaaiApiKey"]
}
Actor 代码：检测 sitekey、识别验证码、提交 token
主流程按顺序做四件事：
- 打开目标页面；
- 检测页面里 reCAPTCHA 的 sitekey；
- 调用 CaptchaAI 识别，把 token 注入表单后提交；
- 抓取数据，写入 Apify 数据集。
下面的 CaptchaAISolver 类封装了提交任务和轮询结果的逻辑——提交后先等 15 秒，再每 5 秒轮询一次 res.php，直到拿到 token 或者超时退出：
const { Actor } = require('apify');
const { PlaywrightCrawler } = require('crawlee');
Actor.main(async () => {
const input = await Actor.getInput();
const { startUrls, captchaaiApiKey, maxConcurrency = 3 } = input;
const solver = new CaptchaAISolver(captchaaiApiKey);
const crawler = new PlaywrightCrawler({
maxConcurrency,
requestHandlerTimeoutSecs: 180,
async requestHandler({ request, page, log }) {
await page.goto(request.url, { waitUntil: 'networkidle' });
// Check for CAPTCHA
const sitekey = await page.evaluate(() => {
const el = document.querySelector('[data-sitekey]');
return el ? el.getAttribute('data-sitekey') : null;
});
if (sitekey) {
log.info(`Solving CAPTCHA on ${request.url}`);
const token = await solver.solve(sitekey, request.url);
// Inject and submit
await page.evaluate((t) => {
document.querySelector('[name="g-recaptcha-response"]').value = t;
const cb = document.querySelector('.g-recaptcha')?.getAttribute('data-callback');
if (cb && window[cb]) window[cb](t);
}, token);
await page.click('button[type="submit"]');
await page.waitForNavigation({ timeout: 15000 });
}
// Extract data
const title = await page.title();
const items = await page.$$eval('.item', els =>
els.map(el => ({
name: el.querySelector('.name')?.textContent?.trim(),
price: el.querySelector('.price')?.textContent?.trim(),
url: el.querySelector('a')?.href,
}))
);
// Push to Apify dataset
await Actor.pushData({
url: request.url,
title,
items,
scrapedAt: new Date().toISOString(),
});
log.info(`Scraped ${items.length} items from ${request.url}`);
},
});
await crawler.run(startUrls);
});
class CaptchaAISolver {
constructor(apiKey) {
this.apiKey = apiKey;
}
async solve(sitekey, pageurl) {
const params = new URLSearchParams({
key: this.apiKey,
method: 'userrecaptcha',
googlekey: sitekey,
pageurl: pageurl,
json: '1',
});
const submitResp = await fetch('https://ocr.captchaai.com/in.php', {
method: 'POST',
body: params,
});
const submitResult = await submitResp.json();
if (submitResult.status !== 1) {
throw new Error(`Submit: ${submitResult.request}`);
}
const taskId = submitResult.request;
await new Promise(r => setTimeout(r, 15000));
for (let i = 0; i < 24; i++) {
const pollResp = await fetch(
`https://ocr.captchaai.com/res.php?key=${this.apiKey}&action=get&id=${taskId}&json=1`
);
const result = await pollResp.json();
if (result.status === 1) return result.request;
if (result.request !== 'CAPCHA_NOT_READY') {
throw new Error(`Solve: ${result.request}`);
}
await new Promise(r => setTimeout(r, 5000));
}
throw new Error('Timeout');
}
}
举个例子：如果你的 Actor 用来监控海外电商站点的价格和库存——跨境选品团队很常见的用法——maxConcurrency 设成 3 意味着最多 3 个页面并发抓取，对应也就最多同时有 3 个验证码在等待识别。CaptchaAI 按线程数计费，不按每次识别收费，线程数得跟并发量对得上：
| maxConcurrency | 建议套餐 | 线程数 | 价格 |
|---|---|---|---|
| ≤ 5 | BASIC | 5 线程 | $15/月 |
| ≤ 15 | STANDARD | 15 线程 | $30/月 |
| > 15 | ADVANCE | 50 线程 | $90/月 |
线程数不够，会成为整个 Actor 的瓶颈。
在 Apify 上安全存放 API Key
CaptchaAI 的 API Key 不建议直接写死在 Actor 代码里，Apify 自带的环境变量功能可以把它当密文存放。
三步接入
- 打开 Actor 设置 → Environment variables
- 新增变量：
CAPTCHAAI_API_KEY= 你的密钥（勾选 Secret） - 代码里读取：
process.env.CAPTCHAAI_API_KEY
// Alternative: use env var instead of input
const apiKey = input.captchaaiApiKey || process.env.CAPTCHAAI_API_KEY;
这样即使 Actor 的运行日志被别人看到，密钥也不会以明文形式暴露出来。
Apify Proxy 要不要跟 CaptchaAI 一起用
两者分工不一样：Apify Proxy 负责抓取请求本身（换 IP、绕开访问频率限制），CaptchaAI 负责识别验证码，二者并不冲突。
建议：抓取请求走 Apify Proxy，CaptchaAI 识别请求直连，不用额外套代理——多数场景下这是最省钱的组合。
const crawler = new PlaywrightCrawler({
proxyConfiguration: await Actor.createProxyConfiguration({
groups: ['RESIDENTIAL'],
}),
// ... rest of config
});
常见问题
Apify 免费套餐能调用 CaptchaAI 吗？大概要多少钱？
可以。CaptchaAI 是标准的外部 API 调用，跟 Apify 用的是哪个套餐无关。你的成本 = CaptchaAI 的线程费用（BASIC 低至 $15/月，5 线程）加上 Apify 本身的计算用量费用，两笔账分开算，互不影响。
抓海外电商站点时遇到的是 reCAPTCHA v3 而不是 v2，代码要改吗？
要改一小部分。reCAPTCHA v3 没有点击框，检测环节要变——不用再找 data-sitekey 元素等按钮点击，而是从页面的 grecaptcha.execute() 调用里取 sitekey 和 action 参数；提交任务时额外带上 version: 'v3' 和 action 字段，提交、轮询逻辑不用动，拿到 token 后按目标页面自己的方式回传给后端验证即可。
CaptchaAI 还不支持 GeeTest v4，国内站点能用吗？
GeeTest v4 目前是“即将支持”状态，还不能用；已经支持的是 GeeTest（极验）v3。如果你的 Actor 抓的是用 GeeTest 做验证码的国内站点，先确认对方用的是 v3 还是 v4，再决定要不要接入这一段逻辑。
requestHandlerTimeoutSecs 要留多少才够验证码识别？
至少 180 秒。CaptchaAI 识别 reCAPTCHA v2 通常在 60 秒以内完成，但加上排队、重试和页面本身的加载时间，180 秒是比较稳的下限；如果超时次数明显偏多，再往上调整即可。
多个 Actor 并发跑，CaptchaAI 的线程数会不会不够用？
够不够用，看总并发量而不是 Actor 数量。线程数就是同时能处理的验证码数量：3 个 Actor 各开 5 并发，等于总共最多 15 个验证码同时在识别，这时候 STANDARD（$30/月，15 线程）刚好够用；并发量继续往上加，就得看 ADVANCE（$90/月，50 线程）。
相关指南
部署你自己的验证码识别 Actor —— 立即使用 CaptchaAI。
