使用python实现一个浏览器自动化的脚本

背景

最近工作中有这样一个需求：客户反馈在浏览器操作过程中，重复流程操作太频繁，能不能让浏览器自动操作完成？

在我的认知中，浏览器就是一个用来浏览页面的工具，因此第一反应就是“不可能！绝对不可能！”。领导说，你了解过RPA吗？会后专门查阅了相关资料，在我的理解中，RPA就是一个定制化机器人（脚本流程），通过控制脚本操作显示器，来模拟用户操作的过程。

开始

一开始的时候，我在github上面找了一些开源的项目，例如：PyRPA、RPA-Python、TagUI、openrpa等，但是因为定制化比较强，后期不知道会变成怎么样，因此做的要灵活一些。但是在这些开源项目中，提供了一部分的api，但是在有些地方并不是很容易操作，感觉后面可能会不可控。

但是在我观察中发现，大多数的实现都是通过python实现的，作为一个前端，第一反应就是，为什么不用node和js结合呢，最后反应过来，使用python可以操作整个PC，但是如果你使用node或js，只能说操作浏览器更方便一些了（其实和python差不多），只是python在使用第三方库时候，会存在一定程度的延时。

因此，我决定放弃现有的RPA的项目，自己实现一个自动化的python脚本。

语言选择

关于我为什么选择的python作为语言，其实在前面已经说过了，作为一个前端开发，其实最熟悉的莫过于javascript，另加一些nodejs，那么为什么我没有用nodejs呢？node在前端开发过程中，常常扮演着一个环境的角色，虽然也可以作为一个后端语言来写一些接口或服务（依赖于第三方库），但是很少用到DOM的操作，操作浏览器的DOM，我们通常来说，都是使用js直接操作，或使用jquery等第三方工具。如果要再直接去拦截系统的一些操作，js就不太行了。

因此，采取了python，这一门热度一直很高的语言。主要思路就是，图片的对比，获取点位，模拟用户鼠标，键盘等操作。

浏览器的启动

其实这个启动浏览器，一开始我只是单纯的打开浏览器，但是后面发现，每天第一次启动的时候，都会特别慢，查阅资料也没有找到原因，好像是缓存被清空了吧，网上找了大量的相关资料，最终找到了一个方案：加载时候启动指定驱动程序（浏览器版本与驱动程序需要对应），指定版本浏览器下载，新版驱动下载，114版本前驱动下载，有一部分页面需要科学上网才能访问与下载，建议大家科学上网昂。

一个启动浏览器的demo，这里的driver我在后续就不就行重复的定义了，直接使用了，例如：

1 2 3 4 5 6 7

from selenium import webdriver from selenium.webdriver.chrome.service import Service driver = webdriver.Chrome(service=Service(r"C:\\tb2Lot\\driver\\chromedriver.exe")) driver.maximize_window() driver.execute_script("document.charset='utf-8';") driver.get("http://www.baidu.com")

这时候我们就已经可以打开浏览器，并操作浏览器调取到百度的页面了，我们想在百度的页面输入并搜索指定内容怎么办呢？这时候我们就需要获取页面的元素节点，然后进行输入了,下面我们来看一下如何在浏览器搜索吧！

在百度进行搜索的方案

首先我们先列举一下目前能够想到的两个方案：

• 从页面抓取页面元素路径，然后直接点击元素；
• 整个页面截图，再截取需要点击的小图片，获取需要点击的图片的坐标，点击坐标；

这两种方案对于简单的操作都是可行的，复杂一些的，会出现一些问题，我们先看一下两种方案分别怎么进行操作，然后再来分析一下会遇见怎样的问题吧！

页面抓取元素，直接点击：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19<