适合谁
写爬虫的 Python、Node 工程师，以及采集服务商的数据平台团队。日常时间花在维护解析规则、轮换 proxy、盯队列深度上，验证码本来不在排期里。采集任务多数是 Scrapy 或 Playwright 集群定时跑，产出的数据第二天早上要有人用。
解决方案
爬虫遇到验证码：识别接口怎么接
爬虫被验证码打断时，通常不是代理不够，而是缺一个能稳定回传 token 的识别环节。给出 Scrapy 与 requests 的接入写法和重试策略。
要解决的问题
10 万页量级上，原本跑得很稳的爬虫开始返回 Turnstile 和 Cloudflare 5秒盾页面。瓶颈从带宽变成验证码吞吐，队列堆积，重试把 proxy 预算烧掉，定时任务错过窗口。等有人发现时，数仓里已经是残缺的一天。
- 定时采集在窗口内跑完
- 重试预算不再消耗在验证码页面上
- Turnstile、reCAPTCHA、DataDome 走同一个接口
- 识别失败不计费，跑空的批次不额外花钱
配合使用
- Scrapy
- Playwright
- Puppeteer
- httpx
- curl_cffi
- Colly
- Apify
- Airflow
[ 04 ]关于这一项的常见问题
关于这一项的常见问题
多数题型不用。传 sitekey 和页面 URL 就能拿到 token，跟表单一起提交即可。只有回传 cookie 而不是表单 token 的场景，比如 Cloudflare 5秒盾，才需要浏览器配合。
看响应体和响应头的特征：cf-turnstile 容器、带 data-sitekey 的 g-recaptcha 容器、带 DataDome cookie 的 403。每个题型页都列出了对应的识别标志。
并发按账号设置，不按题型分配，可在控制台调整。超出上限时接口把任务排队，不会直接拒绝，突发流量不会丢任务。
不扣。没有回传 token 的任务不计费，成本按成功识别次数算，不按请求次数算。