【Selenium使用】超シンプルにreCHAPCHAを突破する方法

はじめに

↓のような、reCHAPCHAクリック が求められるサイトをWebクローリング・スクレイピングする際の突破方法を記します。

今回は、オークファン を例にします。

初めてWebクローリング・スクレイピングする方は、事前準備から、
慣れている方は、いよいよ突破をご拝読ください。

また、全体のコードのみ見たい方は、全体のコード から。

全体のコード

全体のコード

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

driver_path = './chromedriver-win64/chromedriver.exe'
service = Service(driver_path)
driver = webdriver.Chrome(service=service)

driver.get('https://aucfan.com/member/myaucfan')

# ページが完全に読み込まれるまで待機
driver.implicitly_wait(10)
# `wait`を作成（最大10秒待機）
wait = WebDriverWait(driver, 10) 

# reCAPTCHA「私はロボットではありません」のチェックボックスをクリック
captcha_checkbox = wait.until(
    EC.element_to_be_clickable(
        (By.CLASS_NAME, 'recaptcha-checkbox-checkmark')
        )
    )
    
captcha_checkbox.click()

事前準備

必要ライブラリをインポートします。
今回は、Selenium（ブラウザを自動化するツール）と, ChromeDriver（Google Chromeブラウザを操作）を用います。

chromedriver.exeのダウンロード

chromedriver.exeをダウンロードします。

この際、ChromeブラウザとChromeDriverのバージョンが一致していることを確認してください。
Chromeブラウザのバージョンは～で確認できます。

必要ライブラリのインポート

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

driverオブジェクトの作成

chromedriver.exeの位置をdriver_pathを用いて、相対パス で指定します。

driver_path = './chromedriver-win64/chromedriver.exe'

ChromeDriver（ブラウザを操作するための実行ファイル） のパスをServiceクラスに指定します。

service = Service(driver_path)

Chromeブラウザを起動 し、これを操作するためのdriverオブジェクトを作成します。

driver = webdriver.Chrome(service=service)

ここまで出来たら、事前準備の完成です。

いよいよ突破

• まずはアクセスしたいページを開きます。

driver.get('https://aucfan.com/member/myaucfan')

この際、しっかり検索ページが開かれるのを待つため↓コードを加えることを忘れないようにしましょう。（これをしないと、対象Webサイトに多大な負担をかけてしまい大問題に発展しかねません。)

# ページが完全に読み込まれるまで待機
driver.implicitly_wait(10) 

すると、今回の例では、↓のような画面に遷移します。

では、いよいよreCAPTCHAの突破です。

• reCHAPTCHA部分のHTML構造を分析する
  Fn+F12or F12 or 右クリック→検証をクリックし、デベロッパーページを開きます。

reCHAPTCHAのチェックボックスはclass_nameがrecaptcha-checkbox-checkmarkの<div>タグで囲まれていることがわかります。

よって↓のように記述します。

# `wait`を作成（最大10秒待機）
wait = WebDriverWait(driver, 10) 

# reCAPTCHA「私はロボットではありません」のチェックボックスをクリック
captcha_checkbox = wait.until(
    EC.element_to_be_clickable(
        (By.CLASS_NAME, 'recaptcha-checkbox-checkmark')
        )
    )

ここでは、
クリック可能なreCAPTCHAのチェックボックス要素を取得し、変数 captcha_checkbox に格納します。

※コードの説明
wait.until

• reCAPTCHAのチェックボックスがクリック可能になるまで待機します。

(By.CLASS_NAME, 'recaptcha-checkbox-checkmark'):

• 要素をclass名で指定しています。
• By.CLASS_NAME は要素の検索方法で、指定されたクラス名 recaptcha-checkbox-checkmark に一致する要素を探します。

そして、チェックボックスをクリックします。

captcha_checkbox.click()