当前位置: 首页 > article >正文

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

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

相关文章:

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

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&#xff0c…...

PyTorch 2.8镜像开发者实践:AI绘画社区用该镜像快速上线Stable Video WebUI

PyTorch 2.8镜像开发者实践:AI绘画社区用该镜像快速上线Stable Video WebUI 1. 为什么选择PyTorch 2.8镜像 对于AI绘画社区的技术团队来说,搭建一个稳定高效的视频生成环境一直是个挑战。传统方式需要从零开始配置CUDA环境、安装各种依赖库&#xff0c…...

从Nexus私服配置到Maven本地缓存:彻底搞懂依赖更新间隔(update interval)那点事

从Nexus私服配置到Maven本地缓存:彻底搞懂依赖更新间隔(update interval)那点事 在DevOps的日常工作中,Maven依赖管理就像空气一样无处不在却又容易被忽视——直到某天构建突然失败,控制台抛出那句经典的"resolut…...

Windows优化新选择:3步让Win11Debloat解决你的系统卡顿烦恼

Windows优化新选择:3步让Win11Debloat解决你的系统卡顿烦恼 【免费下载链接】Win11Debloat A simple, lightweight PowerShell script that allows you to remove pre-installed apps, disable telemetry, as well as perform various other changes to declutter a…...

拆解 DeepSeek-R1 的“大脑重塑”术(GRPO与CoT的极致共舞)

大模型圈子里有一个心照不宣的秘密:传统的 LLM 其实都是“快思考”的奴隶。无论你问 GPT-4 还是 Claude 一个复杂的数学题,它们本质上都是在做一件事——凭借庞大的参数记忆,“脱口而出”下一个概率最大的 Token。这就像让一个没有草稿纸的学…...

vue:pinia

Pinia 一.什么是Pinia Pinia是Vue的专属的最新状态管理库,是Vuex状态管理工具的替代品 1.提供更加简单的API(去掉了mutation) 2.提供符合组合式风格的API(和vue3新语法统一) 3.去掉了modules的概念,每一个s…...

Windows系统优化新选择:为什么Winhance中文版能让你告别繁琐的手动设置

Windows系统优化新选择:为什么Winhance中文版能让你告别繁琐的手动设置 【免费下载链接】Winhance-zh_CN A Chinese version of Winhance. C# application designed to optimize and customize your Windows experience. 项目地址: https://gitcode.com/gh_mirror…...

魔兽争霸3终极优化指南:5步解锁300帧流畅体验

魔兽争霸3终极优化指南:5步解锁300帧流畅体验 【免费下载链接】WarcraftHelper Warcraft III Helper , support 1.20e, 1.24e, 1.26a, 1.27a, 1.27b 项目地址: https://gitcode.com/gh_mirrors/wa/WarcraftHelper 魔兽争霸3作为一款经典RTS游戏,在…...

3步永久保存QQ空间青春记忆:GetQzonehistory完整备份指南

3步永久保存QQ空间青春记忆:GetQzonehistory完整备份指南 【免费下载链接】GetQzonehistory 获取QQ空间发布的历史说说 项目地址: https://gitcode.com/GitHub_Trending/ge/GetQzonehistory 你是否担心那些承载着青春回忆的QQ空间说说会随着时间消失&#xf…...

【故事会】二手书店里,有人在书的空白处等你

我买二手书有个坏习惯—— 买之前一定要翻翻有没有人在里面写字。 有人写过的书,我一律不买。不是嫌脏,是觉得别扭,你读到一个好句子,想在旁边写点什么,结果发现已经有人抢先写了——而且写得还比你好。 但那本书是个例…...

TI毫米波雷达开发避坑指南:从CLI手动配置到硬编码自动化的平滑迁移实战

TI毫米波雷达开发进阶:从CLI手动配置到自动化硬编码的实战迁移 在工业自动化、智能交通和安防监控等领域,TI毫米波雷达因其出色的环境感知能力而广受欢迎。然而,许多开发者在从评估阶段转向实际产品开发时,往往会遇到一个共同的瓶…...

AI写教材必备:低查重工具助力,快速生成符合要求的教材!

教材编写与AI工具助力 教材初稿总算完成,但修订过程真是一场“折磨”!逐篇阅读全文,查找逻辑上的漏洞和知识的错误,耗费了我许多时间;调整一个章节的结构,竟然牵扯到后续多个部分,导致修改工作…...

Jupyter Lab 界面汉化指南:快速切换为简体中文环境

最近在使用 Jupyter Lab 进行机器人算法开发,可惜默认的是英文界面虽然标准,但好久没学英语了,有些单词能看懂,但是连一起就看不懂了......还是感觉中文界面在查看特定菜单选项时会更加高效。本文将介绍如何通过安装官方语言包插件…...

如何在3分钟内掌握英雄联盟智能助手:免费自动化工具完整指南

如何在3分钟内掌握英雄联盟智能助手:免费自动化工具完整指南 【免费下载链接】League-Toolkit An all-in-one toolkit for LeagueClient. Gathering power 🚀. 项目地址: https://gitcode.com/gh_mirrors/le/League-Toolkit League Akari是一款基…...

GModPatchTool深度解析:彻底解决Garry‘s Mod浏览器功能异常的完整技术方案

GModPatchTool深度解析:彻底解决Garrys Mod浏览器功能异常的完整技术方案 【免费下载链接】GModPatchTool 🇬🩹🛠 Patches for Garrys Mod. Updates/Improves CEF and Fixes common launch/performance issues (esp. on Linux/Pro…...

ros2 从零开始17 编写可组合节点

ros2 从零开始17 编写可组合节点 前言 背景 之前我们提到,同一个进程有多个节点,这些节点之间的通信是线程同步通信,基于此通信效率很高效。本节我们讨论一下可组合节点。 本节也会对比之前的普通节点和组合节点的区别。 起点 假如我们有…...

Tidyverse 2.0自动化报告不是“升级”,而是范式革命:基于17个CRAN包依赖图谱与38家上市公司落地数据实证

更多请点击: https://intelliparadigm.com 第一章:Tidyverse 2.0自动化报告的范式革命本质 Tidyverse 2.0 并非简单版本迭代,而是以“声明式报告流水线”取代“命令式脚本拼接”的范式跃迁。其核心在于将数据获取、转换、可视化与文档生成统…...

别再折腾yum了!手把手教你用tar.xz包在CentOS 7上安装MySQL 8.0(含mariadb冲突解决)

告别依赖冲突:CentOS 7下MySQL 8.0二进制部署全指南 当你在CentOS 7服务器上准备部署MySQL 8.0时,系统自带的MariaDB往往会成为第一个拦路虎。传统的yum安装方式虽然简单,但版本锁定和依赖冲突问题常常让运维人员头疼不已。本文将带你绕过这些…...

为什么92%的候选人栽在Swoole+LLM长连接超时设计上?——从TCP Keepalive到LLM Token缓冲区的17个致命盲点

更多请点击: https://intelliparadigm.com 第一章:SwooleLLM长连接方案的面试全景图 在高并发AI服务场景中,传统HTTP短连接难以承载LLM流式响应与实时交互需求。Swoole协程服务器凭借其异步非阻塞I/O与原生协程调度能力,成为构建…...

【Backend Flow工程实践 15】Placement:为什么布局优化本质上是时序、拥塞、功耗和合法性的折中?

作者:Darren H. Chen 方向:Backend Flow / 后端实现流程 / EDA 工具工程 / Placement demo:LAY-BE-15_placement 标签:Backend Flow、EDA、Placement、Timing、Congestion、Power、Legalization、Physical OptimizationPlacement …...

用Unity做2D游戏别踩坑!Ruby‘s Adventure项目实战中关于碰撞检测、图层管理与音效集成的5个避坑指南

Unity 2D游戏开发实战:Rubys Adventure项目中的5个关键避坑指南 在Unity中进行2D游戏开发时,即使是经验丰富的开发者也会遇到各种"坑"。本文将以官方教程项目Rubys Adventure为例,深入剖析开发过程中常见的5个技术难点,…...

如何快速获取金融数据:efinance Python库的终极指南

如何快速获取金融数据:efinance Python库的终极指南 【免费下载链接】efinance efinance 是一个可以快速获取基金、股票、债券、期货数据的 Python 库,回测以及量化交易的好帮手!🚀🚀🚀 项目地址: https:…...

发现 english-words:如何用 46.6 万英语词汇库构建智能语言应用

发现 english-words:如何用 46.6 万英语词汇库构建智能语言应用 【免费下载链接】english-words :memo: A text file containing 479k English words for all your dictionary/word-based projects e.g: auto-completion / autosuggestion 项目地址: https://gitc…...

达梦数据库中的保留字

1. 标识符、关键字和保留字 在 SQL 语言的规范体系中,关键字与保留字是构成 SQL 语法基础的核心词汇,是数据库识别、解析和执行 SQL 指令的关键依据。 首先回顾一下数据库中标识符、关键字、保留字的相关概念。 标识符:用户定义的用于标识对象…...

电子对抗中的“极简主义”:单bit接收机如何用1bit数据搞定10GHz瞬时带宽测频?

电子对抗中的“极简主义”:单bit接收机如何用1bit数据搞定10GHz瞬时带宽测频? 在电子对抗这个充满技术博弈的领域,系统设计往往需要在极端性能与有限资源之间寻找精妙平衡。当我们谈论10GHz瞬时带宽这样的参数时,传统接收机方案往…...

第48篇:AI模型压缩与加速技术——让模型在移动端“飞”起来(原理解析)

文章目录现象引入:为什么我的模型跑不动?提出问题:我们到底要压缩和加速什么?原理剖析:四大主流技术的“手术刀”1. 知识蒸馏:让“小学生”模仿“大学教授”2. 剪枝:给模型做“减法手术”3. 量化…...

如何高效下载B站8K超清视频:哔哩下载姬实用技巧指南

如何高效下载B站8K超清视频:哔哩下载姬实用技巧指南 【免费下载链接】downkyi 哔哩下载姬downkyi,哔哩哔哩网站视频下载工具,支持批量下载,支持8K、HDR、杜比视界,提供工具箱(音视频提取、去水印等&#xf…...

VideoAgentTrek-ScreenFilter算力优化:CPU/GPU混合推理降低显存峰值技巧

VideoAgentTrek-ScreenFilter算力优化:CPU/GPU混合推理降低显存峰值技巧 你是不是遇到过这种情况:跑一个视频目标检测模型,明明GPU显存看着还有不少,但处理长视频或者高分辨率视频时,程序突然就崩溃了,提示…...

【VS Code Dev Containers终极优化指南】:20年专家实测5大瓶颈+3倍构建提速方案

更多请点击: https://intelliparadigm.com 第一章:VS Code Dev Containers终极优化指南概览 Dev Containers 是 VS Code 实现环境可复现、团队协作零配置的关键能力。本章聚焦于性能、可靠性和开发体验三重维度的深度调优,而非基础概念介绍。…...

别再踩坑了!Vue项目里用vue-pdf-app预览PDF,这个CSS样式不设置它就不显示

Vue项目集成vue-pdf-app必知的CSS陷阱:为什么你的PDF预览不显示? 最近在Vue项目中实现PDF预览功能时,发现不少开发者都在vue-pdf-app这个组件上栽了跟头——明明按照官方文档配置得妥妥当当,预览组件却像隐形了一样完全不显示。这…...