Bright Data 代理接入 CaptchaAI 验证码识别教程

换了住宅 IP，验证码怎么还在弹？因为代理和识别是两层：Bright Data（原 Luminati，7200 万+住宅 IP）负责换 IP，真弹出 reCAPTCHA v2 或 Turnstile 时还是要 CaptchaAI 拿 token。跨境电商团队抓美区、欧区商品数据常用这个组合：定向换 IP，命中验证码就转交 CaptchaAI。

代理和验证码识别，谁负责什么

Your Script ──▶ Bright Data Proxy ──▶ Target Site
                                          │
                                    CAPTCHA appears
                                          │
                                    CaptchaAI API ──▶ Solved token
                                          │
                            Inject token ◀─┘

CaptchaAI 不经过你的代理，用自己的服务器识别。代理管抓取，CaptchaAI 管识别：

代理层：换 IP、做地区定向，降低触发率。
识别层：验证码弹出后，把 sitekey 和页面 URL 交给 CaptchaAI，拿回 token。

Python 集成：从抓取到自动识别验证码

Requests + Bright Data + CaptchaAI

import requests
import time

CAPTCHAAI_KEY = "YOUR_API_KEY"
CAPTCHAAI_URL = "https://ocr.captchaai.com"

# Bright Data proxy credentials
BRIGHT_DATA_PROXY = {
    "http": "http://brd-customer-CUSTOMER_ID-zone-ZONE:[email protected]:22225",
    "https": "http://brd-customer-CUSTOMER_ID-zone-ZONE:[email protected]:22225",
}


def fetch_with_proxy(url):
    """Fetch a page through Bright Data proxy."""
    resp = requests.get(
        url,
        proxies=BRIGHT_DATA_PROXY,
        headers={
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
            "AppleWebKit/537.36 (KHTML, like Gecko) "
            "Chrome/126.0.0.0 Safari/537.36"
        },
        timeout=30,
    )
    return resp


def solve_recaptcha(site_url, sitekey):
    """Solve reCAPTCHA v2 via CaptchaAI."""
    resp = requests.post(f"{CAPTCHAAI_URL}/in.php", data={
        "key": CAPTCHAAI_KEY,
        "method": "userrecaptcha",
        "googlekey": sitekey,
        "pageurl": site_url,
        "json": 1,
    })
    data = resp.json()
    if data["status"] != 1:
        raise Exception(f"Submit: {data['request']}")

    task_id = data["request"]

    for _ in range(60):
        time.sleep(5)
        resp = requests.get(f"{CAPTCHAAI_URL}/res.php", params={
            "key": CAPTCHAAI_KEY,
            "action": "get",
            "id": task_id,
            "json": 1,
        })
        data = resp.json()
        if data["request"] == "CAPCHA_NOT_READY":
            continue
        if data["status"] == 1:
            return data["request"]
        raise Exception(f"Solve: {data['request']}")

    raise TimeoutError("Solve timeout")


def solve_turnstile(site_url, sitekey):
    """Solve Cloudflare Turnstile via CaptchaAI."""
    resp = requests.post(f"{CAPTCHAAI_URL}/in.php", data={
        "key": CAPTCHAAI_KEY,
        "method": "turnstile",
        "sitekey": sitekey,
        "pageurl": site_url,
        "json": 1,
    })
    data = resp.json()
    task_id = data["request"]

    for _ in range(60):
        time.sleep(5)
        resp = requests.get(f"{CAPTCHAAI_URL}/res.php", params={
            "key": CAPTCHAAI_KEY,
            "action": "get",
            "id": task_id,
            "json": 1,
        })
        data = resp.json()
        if data["request"] != "CAPCHA_NOT_READY":
            return data["request"]

    raise TimeoutError("Solve timeout")

Selenium + Bright Data + CaptchaAI

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

BRIGHT_DATA_HOST = "brd.superproxy.io"
BRIGHT_DATA_PORT = 22225
BRIGHT_DATA_USER = "brd-customer-CUSTOMER_ID-zone-residential"
BRIGHT_DATA_PASS = "PASSWORD"


def create_driver_with_proxy():
    options = webdriver.ChromeOptions()
    options.add_argument(
        f"--proxy-server=http://{BRIGHT_DATA_HOST}:{BRIGHT_DATA_PORT}"
    )
    options.add_argument("--no-sandbox")
    options.add_argument("--window-size=1920,1080")

    driver = webdriver.Chrome(options=options)
    return driver


def scrape_with_captcha_solving(url, sitekey=None):
    driver = create_driver_with_proxy()

    try:
        driver.get(url)
        time.sleep(3)

        # Auto-detect sitekey if not provided
        if not sitekey:
            sitekey = driver.execute_script(
                "return document.querySelector('[data-sitekey]')"
                "?.getAttribute('data-sitekey')"
            )

        if sitekey:
            token = solve_recaptcha(url, sitekey)

            driver.execute_script(f"""
                document.querySelector('#g-recaptcha-response').value = '{token}';
                document.querySelectorAll('[name="g-recaptcha-response"]')
                    .forEach(el => {{ el.value = '{token}'; }});
            """)

            # Trigger callback
            driver.execute_script("""
                if (typeof ___grecaptcha_cfg !== 'undefined') {
                    const clients = ___grecaptcha_cfg.clients;
                    for (const key in clients) {
                        for (const prop in clients[key]) {
                            const val = clients[key][prop];
                            if (val && typeof val === 'object') {
                                for (const p in val) {
                                    if (typeof val[p]?.callback === 'function') {
                                        val[p].callback(arguments[0]);
                                    }
                                }
                            }
                        }
                    }
                }
            """)

        return driver.page_source

    finally:
        driver.quit()

两段代码走的是同一套流程：

拉取目标页面；
提取 sitekey；
转交 CaptchaAI 识别，拿到 token；
把 token 注入表单字段并提交。

按国家/地区定向抓取，降低验证码触发率

Bright Data 支持按国家、州、城市三级定向：

# Country targeting
proxy_us = "http://brd-customer-ID-zone-residential-country-us:[email protected]:22225"
proxy_uk = "http://brd-customer-ID-zone-residential-country-gb:[email protected]:22225"
proxy_de = "http://brd-customer-ID-zone-residential-country-de:[email protected]:22225"

# City targeting
proxy_nyc = "http://brd-customer-ID-zone-residential-country-us-city-newyork:[email protected]:22225"

# Use the geo-matched proxy for lower CAPTCHA rates
def scrape_localized(url, country="us"):
    proxy = f"http://brd-customer-ID-zone-residential-country-{country}:[email protected]:22225"
    resp = requests.get(url, proxies={"http": proxy, "https": proxy}, timeout=30)
    return resp

抓美区用美区 IP、抓欧区用欧区 IP，归属地对上号，比换更贵的代理类型划算。

会话保持：粘性会话还是轮换 IP？

# Sticky session (same IP for entire session)
proxy_sticky = (
    "http://brd-customer-ID-zone-residential"
    "-session-abc123:[email protected]:22225"
)

# Rotating (new IP each request)
proxy_rotating = (
    "http://brd-customer-ID-zone-residential:[email protected]:22225"
)

验证码流程用粘性会话，同一 IP 从加载用到提交——token 和 IP 绑定，中途换 IP 会被拒绝。纯翻页任务才适合轮换 IP。

Node.js 集成

const axios = require("axios");
const https = require("https");

const CAPTCHAAI_KEY = "YOUR_API_KEY";
const CAPTCHAAI_URL = "https://ocr.captchaai.com";

const proxyAgent = new (require("https-proxy-agent"))(
  "http://brd-customer-ID-zone-residential:[email protected]:22225"
);

async function fetchWithProxy(url) {
  return axios.get(url, {
    httpsAgent: proxyAgent,
    headers: {
      "User-Agent":
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/126.0.0.0",
    },
  });
}

async function solveCaptcha(siteUrl, sitekey) {
  const submit = await axios.post(`${CAPTCHAAI_URL}/in.php`, null, {
    params: {
      key: CAPTCHAAI_KEY,
      method: "userrecaptcha",
      googlekey: sitekey,
      pageurl: siteUrl,
      json: 1,
    },
  });

  const taskId = submit.data.request;

  for (let i = 0; i < 60; i++) {
    await new Promise((r) => setTimeout(r, 5000));

    const result = await axios.get(`${CAPTCHAAI_URL}/res.php`, {
      params: {
        key: CAPTCHAAI_KEY,
        action: "get",
        id: taskId,
        json: 1,
      },
    });

    if (result.data.request === "CAPCHA_NOT_READY") continue;
    if (result.data.status === 1) return result.data.request;
  }

  throw new Error("Timeout");
}

Node.js 版本调用逻辑跟 Python 一致：先取 sitekey，再交给 CaptchaAI 识别，拿到 token 后注入表单。

该选哪种代理类型，区域参数怎么配

先定类型，再配区域参数：

类型	IP 数量	速度	成本	触发率
数据中心	77 万+	快	低	较高
住宅	7200 万+	中等	中等	较低
ISP	70 万+	快	高	最低
移动网络	700 万+	慢	高	很低

验证码较多的站点优先选住宅或 ISP 类型；数据中心 IP 便宜快，但更容易被标记。类型定好后，区域参数照下表配置：

配置项	推荐值	原因
代理类型	住宅	触发率最低
地区定位	匹配目标站点所在地	IP 与内容地区一致
会话类型	粘性会话	token 需与 IP 匹配
IP 质量过滤	高质量	避开已标记 IP
最大并发数	100+	支持并行识别任务

常见故障怎么排查

代理返回 407

凭证错误。检查 customer ID、zone、密码。

每次请求都弹验证码

命中了数据中心 IP。切换到住宅或 ISP 区域。

token 被拒绝

识别和提交之间 IP 变了。改用粘性会话。

响应变慢

出口节点拥塞。定向访问量较小的地区。

连接被拒绝

触碰带宽上限。登录控制台查看用量。

常见问题

明明用了住宅 IP，验证码为什么还是弹出来？

住宅 IP 只降触发率，不是完全不触发。稳定做法是两层都做：代理降触发率，CaptchaAI 兜底识别。

国内团队抓国外站点，reCAPTCHA 要注意什么？

reCAPTCHA 加载 Google 托管脚本，国内网络访问不稳定，常表现为组件不渲染。先判断是网络问题还是真触发验证码，Turnstile 没有这层依赖，排查更简单。

该用粘性会话还是轮换 IP？

验证码请求用粘性会话，token 和 IP 绑定，中途换 IP 会被拒绝。只有翻页任务适合轮换 IP。

多线程并发抓取，代理会话怎么分配？

建议一个线程对应一个独立粘性会话（用不同 session 参数区分），避免多线程共用同一 IP，也方便按线程排查问题。

Bright Data + CaptchaAI：完整的代理集成指南

代理和验证码识别，谁负责什么

Python 集成：从抓取到自动识别验证码

Requests + Bright Data + CaptchaAI

Selenium + Bright Data + CaptchaAI

按国家/地区定向抓取，降低验证码触发率

会话保持：粘性会话还是轮换 IP？

Node.js 集成

该选哪种代理类型，区域参数怎么配

常见故障怎么排查

代理返回 407

每次请求都弹验证码

token 被拒绝

响应变慢

连接被拒绝

常见问题

明明用了住宅 IP，验证码为什么还是弹出来？

国内团队抓国外站点，reCAPTCHA 要注意什么？

该用粘性会话还是轮换 IP？

多线程并发抓取，代理会话怎么分配？

相关阅读

Oxylabs + CaptchaAI：数据中心代理集成

轮换自有服务器基础设施：验证码解决的最佳实践

CaptchaAI API 的代理验证方法

Smartproxy + CaptchaAI 集成：出口网关与验证码识别配置

在自有 QA 中诊断网络质量对 CAPTCHA 的影响

使用验证码解决进行学术研究网络抓取

代理和验证码识别，谁负责什么

Python 集成：从抓取到自动识别验证码

Requests + Bright Data + CaptchaAI

Selenium + Bright Data + CaptchaAI

按国家/地区定向抓取，降低验证码触发率

会话保持：粘性会话还是轮换 IP？

Node.js 集成

该选哪种代理类型，区域参数怎么配

常见故障怎么排查

代理返回 407

每次请求都弹验证码

token 被拒绝

响应变慢

连接被拒绝

常见问题

明明用了住宅 IP，验证码为什么还是弹出来？

国内团队抓国外站点，reCAPTCHA 要注意什么？

该用粘性会话还是轮换 IP？

多线程并发抓取，代理会话怎么分配？

相关阅读

相关文章

Oxylabs + CaptchaAI：数据中心代理集成

轮换自有服务器基础设施：验证码解决的最佳实践

CaptchaAI API 的代理验证方法

Smartproxy + CaptchaAI 集成：出口网关与验证码识别配置

在自有 QA 中诊断网络质量对 CAPTCHA 的影响

使用验证码解决进行学术研究网络抓取