Os desafios CAPTCHA (Completely Automated Public Turing Test to Tell Computers and Humans Apart) são criados para impedir que bots acessem os sites. A resolução de CAPTCHA é o outro lado dessa equação: as técnicas que os scrapers usam para passar por essas verificações e continuar coletando dados.
Tipos comuns de CAPTCHA
- CAPTCHAs de imagem ou texto: caracteres distorcidos, caixas de seleção ou grades de seleção de objetos.
- reCAPTCHA: o mecanismo de risco adaptativo do Google (caixa de seleção v2, pontuação v3 e Enterprise).
- Armadilhas honeypot: campos de formulário ocultos que apenas bots preenchem.
- Desafios comportamentais: movimento do mouse, ritmo e pontuação de sessão em vez de um quebra-cabeça visível.
Como funciona a resolução de CAPTCHA
As abordagens se dividem em quatro grupos:
- OCR e visão computacional para quebra-cabeças simples de imagem ou texto.
- APIs de resolução de terceiros que retornam tokens ou respostas resolvidas para serviços como o reCAPTCHA.
- Redes de resolução humana em que pessoas concluem os desafios em tempo real.
- Emulação de navegador que evita acionar um desafio ao reproduzir impressões digitais TLS, cabeçalhos e comportamento de sessão (veja impressão digital do navegador e bypass de anti-bots).
Resolução de CAPTCHA no web scraping
Sites protegidos por Cloudflare, Akamai ou DataDome costumam combinar CAPTCHAs com verificações de reputação de IP e de impressão digital. Um solucionador sozinho raramente basta: normalmente você também precisa de proxies rotativos, sessões de navegador realistas e limitação de requisições.
Leia nossos guias sobre scraping do Indeed, bibliotecas Python para contornar anti-bots e se o web scraping é legal antes de implantar solucionadores de CAPTCHA em produção.
Considerações legais e éticas
Contornar CAPTCHAs para acessar dados protegidos por controles de acesso pode levantar questões jurídicas com base no CFAA, nos termos de serviço dos sites e em marcos regulatórios. Use a resolução de CAPTCHA apenas em páginas disponíveis publicamente, para fins legítimos e com uma base legal clara quando houver dados pessoais envolvidos. Consulte as regulamentações de privacidade sobre o GDPR e regras semelhantes.