pip install scrapling

pip install "scrapling[fetchers]"
scrapling install

pip install "scrapling[all]"
scrapling install

from scrapling import Fetcher

# GETリクエスト
response = Fetcher.get("https://example.com")

# データを伴うPOSTリクエスト
response = Fetcher.post("https://example.com/api", data={"key": "value"})

# レスポンスにアクセス
print(response.status)       # HTTPステータスコード
print(response.body)         # ラウバイト
print(response.body.decode()) # デコードされたテキスト

import requests
import time

CAPSOLVER_API_KEY = "YOUR_API_KEY"

def solve_captcha(task_type, website_url, website_key, **kwargs):
    """
    CapSolver APIを使用した汎用的なキャプチャソルバー。

    引数:
        task_type: キャプチャタスクのタイプ（例: "ReCaptchaV2TaskProxyLess"）
        website_url: キャプチャが表示されているページのURL
        website_key: キャプチャのサイトキー
        **kwargs: キャプチャタイプに特有の追加パラメータ

    戻り値:
        dict: トークンとその他のデータを含む解決結果
    """
    payload = {
        "clientKey": CAPSOLVER_API_KEY,
        "task": {
            "type": task_type,
            "websiteURL": website_url,
            "websiteKey": website_key,
            **kwargs
        }
    }

    # タスクの作成
    response = requests.post(
        "https://api.capsolver.com/createTask",
        json=payload
    )
    result = response.json()

    if result.get("errorId") != 0:
        raise Exception(f"タスク作成に失敗しました: {result.get('errorDescription')}")

    task_id = result.get("taskId")
    print(f"タスク作成: {task_id}")

    # 結果のポーリング
    max_attempts = 60  # 最大2分間のポーリング
    for attempt in range(max_attempts):
        time.sleep(2)

        response = requests.post(
            "https://api.capsolver.com/getTaskResult",
            json={
                "clientKey": CAPSOLVER_API_KEY,
                "taskId": task_id
            }
        )
        result = response.json()

        if result.get("status") == "ready":
            print(f"キャプチャが{(attempt + 1) * 2}秒で解決されました")
            return result.get("solution")

        if result.get("errorId") != 0:
            raise Exception(f"エラー: {result.get('errorDescription')}")

        print(f"待機中...（試行回数 {attempt + 1}）")

    raise Exception("タイムアウト: キャプチャの解決に時間がかかりすぎました")

<div class="g-recaptcha" data-sitekey="6LcxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxABCD"></div>

<script src="https://www.google.com/recaptcha/api.js?render=6LcxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxABCD"></script>

from scrapling import Fetcher

def scrape_with_recaptcha_v2(target_url, site_key, form_url=None):
    """
    ReCaptcha v2で保護されたページをスクレイピングします。

    引数:
        target_url: キャプチャが表示されているURL
        site_key: ReCaptchaのサイトキー
        form_url: フォームを送信するURL（デフォルトはtarget_url）

    戻り値:
        キャプチャで保護されたページからのレスポンス
    """
    # CapSolverを使用してキャプチャを解決
    print("ReCaptcha v2を解決中...")
    solution = solve_captcha(
        task_type="ReCaptchaV2TaskProxyLess",
        website_url=target_url,
        website_key=site_key
    )

    captcha_token = solution["gRecaptchaResponse"]
    print(f"トークンを取得: {captcha_token[:50]}...")

    # Scraplingのクラスメソッドを使用してキャプチャトークンでフォームを送信
    submit_url = form_url or target_url
    response = Fetcher.post(
        submit_url,
        data={
            "g-recaptcha-response": captcha_token,
            # ウェブサイトが要求する他のフォームフィールドを追加してください
        }
    )

    return response

# 使用例
if __name__ == "__main__":
    url = "https://example.com/protected-page"
    site_key = "6LcxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxABCD"

    result = scrape_with_recaptcha_v2(url, site_key)
    print(f"ステータス: {result.status}")
    print(f"コンテンツ長: {len(result.body)}")  # バイトデータを取得するには .body を使用してください

solution = solve_captcha(
    task_type="ReCaptchaV2TaskProxyLess",
    website_url=target_url,
    website_key=site_key,
    isInvisible=True
)

solution = solve_captcha(
    task_type="ReCaptchaV2EnterpriseTaskProxyLess",
    website_url=target_url,
    website_key=site_key,
    enterprisePayload={
        "s": "必要に応じてペイロードのs値を指定"
    }
)

grecaptcha.execute('6LcxxxxxxxxxxxxxxxxABCD', {action: 'submit'})

from scrapling import Fetcher

def scrape_with_recaptcha_v3(target_url, site_key, page_action="submit", min_score=0.7):
    """
    ReCaptcha v3で保護されたページをスクレイピングします。

    引数:
        target_url: キャプチャが表示されているURL
        site_key: ReCaptchaのサイトキー
        page_action: アクションパラメータ（grecaptcha.executeで見つかる）
        min_score: 要求する最小スコア（0.1〜0.9）

    戻り値:
        キャプチャで保護されたページからのレスポンス
    """
    print(f"ReCaptcha v3を解決中（アクション: {page_action}）...")

    solution = solve_captcha(
        task_type="ReCaptchaV3TaskProxyLess",
        website_url=target_url,
        website_key=site_key,
        pageAction=page_action
    )

    captcha_token = solution["gRecaptchaResponse"]
    print(f"スコア付きトークンを取得: {solution.get('score', 'N/A')}")

    # Scraplingのクラスメソッドを使用してトークンでリクエストを送信
    response = Fetcher.post(
        target_url,
        data={
            "g-recaptcha-response": captcha_token,
        },
        headers={
            "User-Agent": solution.get("userAgent", "Mozilla/5.0")
        }
    )

    return response

# 使用例
if __name__ == "__main__":
    url = "https://example.com/api/data"
    site_key = "6LcxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxABCD"

    result = scrape_with_recaptcha_v3(url, site_key, page_action="getData")
    print(f"レスポンス: {result.body.decode()[:200]}")  # コンテンツを取得するには .body を使用してください

solution = solve_captcha(
    task_type="ReCaptchaV3EnterpriseTaskProxyLess",
    website_url=target_url,
    website_key=site_key,
    pageAction=page_action,
    enterprisePayload={
        "s": "オプションのsパラメータ"
    }
)

<div class="cf-turnstile" data-sitekey="0x4xxxxxxxxxxxxxxxxxxxxxxxxxx"></div>

turnstile.render('#container', {
    sitekey: '0x4xxxxxxxxxxxxxxxxxxxxxxxxxx',
    callback: function(token) { ... }
});

from scrapling import Fetcher

def scrape_with_turnstile(target_url, site_key, action=None, cdata=None):
    """
    Cloudflare Turnstileで保護されたページをスクレイピングします。

    引数:
        target_url: キャプチャが表示されているURL
        site_key: Turnstileのサイトキー（0x4...で始まる）
        action: オプションのアクションパラメータ
        cdata: オプションのcdataパラメータ

    戻り値:
        キャプチャで保護されたページからのレスポンス
    """
    print("Cloudflare Turnstileを解決中...")

    # 提供されたメタデータを構築
    metadata = {}
    if action:
        metadata["action"] = action
    if cdata:
        metadata["cdata"] = cdata

    task_params = {
        "task_type": "AntiTurnstileTaskProxyLess",
        "website_url": target_url,
        "website_key": site_key,
    }

    if metadata:
        task_params["metadata"] = metadata

    solution = solve_captcha(**task_params)

    turnstile_token = solution["token"]
    user_agent = solution.get("userAgent", "")

    print(f"Turnstileトークンを取得: {turnstile_token[:50]}...")

    # ヘッダーを設定
    headers = {}
    if user_agent:
        headers["User-Agent"] = user_agent

    # トークンを使用して送信
    response = Fetcher.post(
        target_url,
        data={
            "cf-turnstile-response": turnstile_token,
        },
        headers=headers
    )

    return response

# 使用例
if __name__ == "__main__":
    url = "https://example.com/protected-page"
    site_key = "0x4xxxxxxxxxxxxxxxxxxxxxxxxxx"

    result = scrape_with_turnstile(url, site_key)
    print(f"ステータス: {result.status}")
    print(f"コンテンツ長: {len(result.body)}")  # バイトデータを取得するには .body を使用してください

return response

result = scrape_with_turnstile(url, site_key)
print(f"成功！{len(result.body)}バイト取得しました")  # コンテンツには.bodyを使用してください

solution = solve_captcha(
    task_type="AntiTurnstileTaskProxyLess",
    website_url=target_url,
    website_key=site_key,
    metadata={
        "action": "login",
        "cdata": "session_id_or_custom_data"
    }
)

from scrapling import StealthyFetcher
import asyncio

async def scrape_with_stealth_and_recaptcha(target_url, site_key, captcha_type="v2"):
    """
    StealthyFetcherのアンチボット機能とCapSolverを組み合わせて、ReCaptchaを解決します。

    Args:
        target_url: スクレイピングするURL
        site_key: キャプチャサイトキー
        captcha_type: "v2" または "v3"

    Returns:
        キャプチャを解決した後のページのコンテンツ
    """

    # まず、CapSolverを使用してキャプチャを解決します
    print(f"ReCaptcha {captcha_type}を解決中...")

    if captcha_type == "v2":
        solution = solve_captcha(
            task_type="ReCaptchaV2TaskProxyLess",
            website_url=target_url,
            website_key=site_key
        )
        token = solution["gRecaptchaResponse"]

    elif captcha_type == "v3":
        solution = solve_captcha(
            task_type="ReCaptchaV3TaskProxyLess",
            website_url=target_url,
            website_key=site_key,
            pageAction="submit"
        )
        token = solution["gRecaptchaResponse"]

    else:
        raise ValueError(f"不明なキャプチャタイプ: {captcha_type}")

    print(f"トークンを取得しました: {token[:50]}...")

    # StealthyFetcherを使用してブラウザのような挙動をします
    fetcher = StealthyFetcher()

    # ページに移動します
    page = await fetcher.async_fetch(target_url)

    # JavaScriptを使用してReCaptchaの解決をインジェクトします
    await page.page.evaluate(f'''() => {{
        // g-recaptcha-responseフィールドを見つけて値を設定します
        let field = document.querySelector('textarea[name="g-recaptcha-response"]');
        if (!field) {{
            field = document.createElement('textarea');
            field.name = "g-recaptcha-response";
            field.style.display = "none";
            document.body.appendChild(field);
        }}
        field.value = "{token}";
    }}''')

    # 送信ボタンを見つけてクリックします
    submit_button = page.css('button[type="submit"], input[type="submit"]')
    if submit_button:
        await submit_button[0].click()
        # ナビゲーションを待機します
        await page.page.wait_for_load_state('networkidle')

    # 最終的なページコンテンツを取得します
    content = await page.page.content()

    return content

# シンクロナスなラッパーで使いやすくします
def scrape_stealth(target_url, site_key, captcha_type="v2"):
    """非同期のアンチスティールトスカッパーのシンクロナスなラッパー。"""
    return asyncio.run(
        scrape_with_stealth_and_recaptcha(target_url, site_key, captcha_type)
    )

# 例の使用方法
if __name__ == "__main__":
    url = "https://example.com/highly-protected-page"
    site_key = "6LcxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxABCD"

    content = scrape_stealth(url, site_key, captcha_type="v2")
    print(f"{len(content)}バイトのコンテンツを取得しました")

from scrapling import StealthyFetcher
import asyncio

class StealthScraper:
    """複数のページ間でセッションを維持するスクレイパー。"""

    def __init__(self, api_key):
        self.api_key = api_key
        self.fetcher = None

    async def __aenter__(self):
        self.fetcher = StealthyFetcher()
        return self

    async def __aexit__(self, *args):
        if self.fetcher:
            await self.fetcher.close()

    async def solve_and_access(self, url, site_key, captcha_type="v2"):
        """ReCaptchaを解決し、ページにアクセスします。"""
        global CAPSOLVER_API_KEY
        CAPSOLVER_API_KEY = self.api_key

        # ReCaptchaを解決します
        task_type = f"ReCaptcha{captcha_type.upper()}TaskProxyLess"
        solution = solve_captcha(
            task_type=task_type,
            website_url=url,
            website_key=site_key
        )
        token = solution["gRecaptchaResponse"]

        # ページに移動し、トークンをインジェクトします
        page = await self.fetcher.async_fetch(url)
        # ... 以降のページ操作を続けます

        return page

# 使用方法
async def main():
    async with StealthScraper("your_api_key") as scraper:
        page1 = await scraper.solve_and_access(
            "https://example.com/login",
            "site_key_here",
            "v2"
        )
        # 以降のリクエストでセッションが維持されます
        page2 = await scraper.solve_and_access(
            "https://example.com/dashboard",
            "another_site_key",
            "v3"
        )

asyncio.run(main())

import time
import random

def polite_scrape(urls, min_delay=2, max_delay=5):
    """人間のように見えるようにランダムな遅延を用いてスクレイピングします。"""
    results = []
    for url in urls:
        result = scrape_page(url)
        results.append(result)

        # リクエスト間のランダムな遅延
        delay = random.uniform(min_delay, max_delay)
        time.sleep(delay)

    return results

def robust_solve_captcha(task_type, website_url, website_key, max_retries=3, **kwargs):
    """自動リトライを用いたキャプチャの解決。"""
    for attempt in range(max_retries):
        try:
            return solve_captcha(task_type, website_url, website_key, **kwargs)
        except Exception as e:
            print(f"試行 {attempt + 1} に失敗: {e}")
            if attempt < max_retries - 1:
                time.sleep(5)  # リトライ前に待機
            else:
                raise

from urllib.robotparser import RobotFileParser

def can_scrape(url):
    """robots.txtによってスクレイピングが許可されているか確認します。"""
    rp = RobotFileParser()
    rp.set_url(f"{url}/robots.txt")
    rp.read()
    return rp.can_fetch("*", url)

# CapSolverはプロキシ対応のタスクをサポートしています
solution = solve_captcha(
    task_type="ReCaptchaV2Task",  # 注意: "ProxyLess"はなし
    website_url=target_url,
    website_key=site_key,
    proxy="http://user:pass@proxy.example.com:8080"
)

import time

class CaptchaCache:
    def __init__(self, ttl=120):  # 2分のデフォルトTTL
        self.cache = {}
        self.ttl = ttl

    def get_or_solve(self, key, solve_func):
        """キャッシュされたトークンを取得または解決します。"""
        if key in self.cache:
            token, timestamp = self.cache[key]
            if time.time() - timestamp < self.ttl:
                return token

        token = solve_func()
        self.cache[key] = (token, time.time())
        return token

import asyncio

async def async_solve_captcha(*args, **kwargs):
    loop = asyncio.get_event_loop()
    return await loop.run_in_executor(
        None,
        lambda: solve_captcha(*args, **kwargs)
    )

# 複数のReCaptchasを解決します
solution_v2 = solve_captcha("ReCaptchaV2TaskProxyLess", url, key1)
solution_v3 = solve_captcha("ReCaptchaV3TaskProxyLess", url, key2, pageAction="submit")

# Scraplingクラスのメソッドを使用してトークンを送信します
response = Fetcher.post(url, data={
    "g-recaptcha-response": solution_v2["gRecaptchaResponse"],
    "g-recaptcha-response-v3": solution_v3["gRecaptchaResponse"],
})