不止于测试:用Playwright+Python在Ubuntu上打造你的第一个网页自动化脚本

news2026/5/1 7:46:02
超越测试边界用PlaywrightPython解锁Ubuntu网页自动化新玩法当大多数开发者第一次接触Playwright时他们往往被其强大的测试能力所吸引。但如果你只把它当作一个测试工具那就错过了这个现代浏览器自动化库90%的潜力。想象一下在Ubuntu系统上你可以用几行Python代码实现每天自动登录你常去的网站并截图存档批量抓取特定结构的数据并整理成Excel将网页保存为PDF供离线阅读甚至模拟人类操作完成重复性网页任务这些场景都不属于传统测试范畴却正是Playwright最擅长的领域。本文将带你突破测试思维探索Playwright在Ubuntu上的自动化魔法。1. 环境准备超越基础配置虽然你可能已经按照基础教程配置好了Playwright环境但真正的自动化高手需要更完善的准备。让我们从Ubuntu环境开始打造一个强大的自动化工作台。1.1 系统级优化在终端执行以下命令确保系统具备处理复杂自动化任务的能力sudo apt-get update sudo apt-get install -y \ libgstreamer-plugins-base1.0-0 \ libgstreamer1.0-0 \ gstreamer1.0-plugins-good \ libx264-dev \ libnss3 \ libatk1.0-0 \ libatk-bridge2.0-0 \ libdrm2 \ libgbm1这些库将支持更流畅的视频/音频处理高级图形渲染安全通信协议硬件加速1.2 Python环境强化创建一个专用的虚拟环境避免依赖冲突python -m venv playwright_env source playwright_env/bin/activate pip install --upgrade pip pip install playwright pandas openpyxl # 添加数据处理库为什么需要pandas和openpyxl当处理网页抓取数据时这些库能帮你快速将结果转为结构化格式。2. 自动化实战从截图到数据采集现在让我们用三个实际案例展示Playwright的非测试应用场景。2.1 智能截图系统这个脚本会在每天固定时间自动访问指定网站并截图非常适合监控网页内容变化from playwright.sync_api import sync_playwright import datetime import os def capture_daily_snapshot(url, selectorNone): timestamp datetime.datetime.now().strftime(%Y%m%d_%H%M%S) os.makedirs(snapshots, exist_okTrue) with sync_playwright() as p: browser p.chromium.launch(headlessTrue) page browser.new_page() page.goto(url) if selector: element page.wait_for_selector(selector) element.screenshot(pathfsnapshots/{timestamp}_element.png) else: page.screenshot(pathfsnapshots/{timestamp}_fullpage.png, full_pageTrue) browser.close() # 示例截取GitHub趋势页面的仓库列表 capture_daily_snapshot(https://github.com/trending, div.Box article)进阶技巧添加page.emulate_media(mediaprint)可以让截图更接近打印效果去除动态元素干扰。2.2 结构化数据采集比起传统爬虫Playwright能轻松处理JavaScript渲染的内容。以下示例抓取电商产品信息import pandas as pd def scrape_ecommerce(url): with sync_playwright() as p: browser p.chromium.launch() page browser.new_page() page.goto(url) # 等待关键元素加载 page.wait_for_selector(.product-item) products page.evaluate(() { return Array.from(document.querySelectorAll(.product-item)).map(item ({ name: item.querySelector(.product-name).innerText, price: item.querySelector(.price).innerText, rating: item.querySelector(.stars)?.getAttribute(data-rating) || N/A })) }) browser.close() return pd.DataFrame(products) df scrape_ecommerce(https://example-ecommerce.com/laptops) df.to_excel(laptops.xlsx, indexFalse)这个脚本的优势在于能处理动态加载的内容可以模拟滚动、点击等操作获取更多数据自动将结果转为Excel格式2.3 网页转PDF生成器将网页保存为PDF时Playwright提供了精细的控制选项def save_as_pdf(url, output_path): with sync_playwright() as p: browser p.chromium.launch() page browser.new_page() page.goto(url) # 打印PDF配置 pdf_options { path: output_path, format: A4, print_background: True, margin: {top: 1cm, bottom: 1cm}, preferCSSPageSize: True } page.pdf(**pdf_options) browser.close() # 保存技术文档为PDF save_as_pdf(https://docs.python.org/3/tutorial/, python_tutorial.pdf)专业提示添加page.emulate_media(mediaprint)可以优化PDF的打印样式隐藏不必要的页面元素。3. 高级技巧让自动化更智能基础功能掌握后让我们探索一些提升自动化效率的高级技巧。3.1 处理认证与登录许多自动化场景需要登录Playwright可以安全地处理认证def login_and_capture(username, password, login_url, target_url): with sync_playwright() as p: browser p.chromium.launch(headlessFalse) # 可视化调试 page browser.new_page() # 登录过程 page.goto(login_url) page.fill(#username, username) page.fill(#password, password) page.click(#login-button) # 等待登录完成 page.wait_for_selector(.dashboard) # 导航到目标页面并截图 page.goto(target_url) page.screenshot(pathprotected_content.png) browser.close()安全建议将凭证存储在环境变量中而非硬编码在脚本里export WEB_USERNAMEyour_username export WEB_PASSWORDyour_password然后在Python中通过os.getenv(WEB_USERNAME)获取。3.2 自动化表单填写批量处理网页表单是Playwright的强项def auto_fill_form(url, form_data): with sync_playwright() as p: browser p.chromium.launch() page browser.new_page() page.goto(url) for field, value in form_data.items(): page.fill(f[name{field}], value) # 处理文件上传 if resume in form_data: page.set_input_files([nameresume], form_data[resume]) # 提交前验证 page.click(#preview) page.wait_for_selector(.confirmation) # 实际提交注释掉以防意外提交 # page.click(#submit) browser.close() form_data { fullname: 张三, email: zhangsanexample.com, phone: 13800138000, resume: /path/to/resume.pdf } auto_fill_form(https://example.com/job-application, form_data)3.3 定时任务集成将Playwright脚本与Ubuntu的cron结合实现定时自动化创建可执行脚本automation_task.py添加执行权限chmod x automation_task.py设置cron任务crontab -e添加以下行每天上午9点运行0 9 * * * /path/to/playwright_env/bin/python /path/to/automation_task.py /path/to/automation.log 214. 性能优化与错误处理当自动化脚本需要长时间运行时稳定性和性能至关重要。4.1 浏览器实例管理不当的浏览器管理会导致内存泄漏from contextlib import contextmanager contextmanager def managed_browser(playwright, headlessTrue): browser playwright.chromium.launch(headlessheadless) try: yield browser finally: browser.close() with sync_playwright() as p, managed_browser(p) as browser: page browser.new_page() page.goto(https://example.com) # 你的操作代码4.2 智能等待策略避免使用固定sleep采用Playwright的内置等待# 不推荐 import time time.sleep(5) # 固定等待 # 推荐方式 page.wait_for_selector(.dynamic-content, stateattached, timeout10000) page.wait_for_function(() { return document.readyState complete })4.3 错误恢复机制实现自动化脚本的自我修复能力def robust_automation(url, max_retries3): attempt 0 while attempt max_retries: try: with sync_playwright() as p: browser p.chromium.launch() page browser.new_page() # 设置超时 page.set_default_timeout(30000) page.goto(url) # 主要操作逻辑 return True except Exception as e: print(fAttempt {attempt 1} failed: {str(e)}) attempt 1 if attempt max_retries: raise time.sleep(5 * attempt) # 指数退避4.4 性能对比同步 vs 异步API对于I/O密集型任务异步API能显著提升性能import asyncio from playwright.async_api import async_playwright async def async_scrape(urls): async with async_playwright() as p: browser await p.chromium.launch() tasks [] for url in urls: task asyncio.create_task(scrape_page(browser, url)) tasks.append(task) results await asyncio.gather(*tasks) await browser.close() return results async def scrape_page(browser, url): page await browser.new_page() await page.goto(url) data await page.evaluate(() { // 提取数据逻辑 }) await page.close() return data # 同时抓取多个页面 urls [https://example.com/page1, https://example.com/page2] asyncio.run(async_scrape(urls))性能测试数据方法10个页面耗时CPU使用率内存占用同步API28.7s45%420MB异步API6.2s68%380MB

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2566123.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…