新闻详情

新闻详情

首页 / 资讯中心 / 详情

Selenium 装驱动太麻烦?Playwright 入门指南:Python 网页自动化新标准

发布时间:2026/11/17 16:24:55来源:尧图网络
Selenium 装驱动太麻烦?Playwright 入门指南:Python 网页自动化新标准
Selenium 装驱动太麻烦Playwright 入门指南Python 网页自动化新标准一、开头痛点驱动、等待、玄学报错做过网页自动化的同学大概率被这三件事折磨过装驱动chromedriver的版本必须和本机 Chrome 严丝合缝浏览器一自动升级脚本第二天就SessionNotCreatedException。等元素页面还没渲染完就find_element报NoSuchElementException于是满屏time.sleep(3)慢且不稳。换浏览器Selenium 要分别配 Chrome、Firefox、Edge 的驱动环境一换全得重来。Playwright 把这三点一次性解决了自带浏览器一条命令下载版本永远匹配、操作自带自动等待不用手写 sleep、一套 API 通吃 Chromium / Firefox / WebKit。它由微软团队维护Python 版 API 设计得很干净写起来比 Selenium 顺手不少。二、环境准备两条命令Playwright 支持 Python 3.8。同样建议用虚拟环境隔离python-mvenv .venvsource.venv/bin/activate# Windows 用 .venv\Scripts\activate# 第一步装 Python 包pipinstallplaywright# 第二步下载浏览器内核约 100~300MB只需执行一次playwrightinstallchromium第二步是很多新手卡住的地方——它下载的是 Playwright 自带的浏览器不是你桌面上那个 Chrome所以不存在版本对不上的问题。国内下载慢可以走镜像# 使用国内镜像加速下载PLAYWRIGHT_DOWNLOAD_HOSThttps://cdn.npmmirror.com/binaries/playwright playwrightinstallchromium验证安装# check_env.pyfromplaywright.sync_apiimportsync_playwrightwithsync_playwright()asp:browserp.chromium.launch(headlessTrue)pagebrowser.new_page()page.goto(https://example.com)print(页面标题,page.title())browser.close()能打印出Example Domain就说明环境没问题。三、最小可运行示例打开页面并截图Playwright 有同步和异步两套 API日常脚本用同步版最省心# shot.pyfromplaywright.sync_apiimportsync_playwrightwithsync_playwright()asp:# headlessTrue 表示无界面运行调试时改成 False 能看到真实浏览器browserp.chromium.launch(headlessTrue)pagebrowser.new_page(viewport{width:1280,height:800})page.goto(https://www.python.org/)# full_pageTrue 会截取整页长图不只是可视区域page.screenshot(pathpython_org.png,full_pageTrue)browser.close()对比 Selenium同样的功能少了驱动配置、少了显式等待代码块从十几行压到十行以内。四、核心概念Locator、自动等待、上下文4.1 Locator定位元素的新写法Playwright 推荐用locator()拿到元素句柄所有操作都基于它# 下面几种写法等价选你顺手的page.locator(button#submit).click()page.locator(text登录).click()page.get_by_role(button,name登录).click()# 按语义角色最稳page.get_by_placeholder(请输入用户名).fill(admin)page.get_by_text(下一步).click()Locator 是惰性的写page.locator(...)时不会真的去查 DOM只有执行.click()、.fill()时才查找并且会自动等到元素可见、可点击、不被遮挡。这就是「自动等待」。4.2 自动等待和 time.sleep 说再见fromplaywright.sync_apiimportexpect# 断言元素可见默认超时 5 秒期间反复重试expect(page.get_by_text(提交成功)).to_be_visible(timeout10000)# 断言 URL 变化expect(page).to_have_url(https://example.com/dashboard)expect是 Playwright 官方的断言工具比assert page.title() ...更可靠因为它会轮询等待而不是一次性判断。需要改全局超时可以这样page.set_default_timeout(15000)# 所有操作默认最多等 15 秒4.3 上下文多开互不干扰的会话context相当于一个独立的浏览器会话独立的 Cookie、缓存比开多个 browser 省资源withsync_playwright()asp:browserp.chromium.launch()# 模拟移动端 中文环境ctxbrowser.new_context(viewport{width:390,height:844},user_agentMozilla/5.0 (iPhone; CPU iPhone OS 17_0 like Mac OS X) AppleWebKit/605.1.15,localezh-CN,)pagectx.new_page()page.goto(https://example.com)ctx.close()# 关上下文Cookie 一起清掉browser.close()五、进阶用法表单、上传、拦截5.1 填表单与键盘鼠标page.get_by_label(用户名).fill(zhangsan)page.get_by_label(密码).fill(secret123)page.get_by_label(记住我).check()page.get_by_role(combobox).select_option(beijing)page.keyboard.press(Enter)5.2 文件上传与下载# 上传直接给本地路径不用再找系统文件框page.set_input_files(input[typefile],report.xlsx)# 下载必须用 expect_download 包住触发动作withpage.expect_download()asdl:page.get_by_text(导出报表).click()downloaddl.value download.save_as(data/export.xlsx)5.3 拦截请求屏蔽图片提速抓数据时图片、字体往往没用直接拦掉能明显加速defblock_images(route):ifroute.request.resource_typein(image,font,media):route.abort()else:route.continue_()page.route(**/*,block_images)page.goto(https://news.example.com)六、实战场景自动登录并抓取列表完整代码下面这个例子把上面几点串起来带登录态抓取分页数据并保存截图# crawl_demo.pyfromplaywright.sync_apiimportsync_playwright,expect BASEhttps://example.comdefmain():withsync_playwright()asp:browserp.chromium.launch(headlessTrue)ctxbrowser.new_context(localezh-CN)pagectx.new_page()page.set_default_timeout(15000)# 1. 登录page.goto(f{BASE}/login)page.get_by_label(账号).fill(your_account)page.get_by_label(密码).fill(your_password)page.get_by_role(button,name登录).click()# 等到跳转完成不要用 sleepexpect(page).to_have_url(f{BASE}/dashboard)# 2. 抓多页列表rows[]forpage_noinrange(1,4):page.goto(f{BASE}/items?page{page_no})expect(page.locator(.item-row).first).to_be_visible()itemspage.locator(.item-row).all()foritinitems:rows.append({title:it.locator(.title).inner_text(),price:it.locator(.price).inner_text(),})print(f第{page_no}页抓到{len(items)}条)# 3. 保存登录态下次直接复用省掉重复登录ctx.storage_state(pathauth.json)print(共抓取,len(rows),条)browser.close()if__name____main__:main()下次运行时直接加载已保存的登录态ctxbrowser.new_context(storage_stateauth.json)七、和 Selenium 怎么选维度PlaywrightSelenium浏览器驱动自带一条命令安装需手动下载、版本必须匹配等待机制操作自带自动等待需自己写 WebDriverWait 或 sleep多浏览器一套 API 支持 Chromium/Firefox/WebKit每个浏览器各自适配录制脚本playwright codegen官方支持依赖第三方插件网络拦截原生page.route需借助代理生态与资料较新中文资料相对少十年积累资料最多、岗位要求常见结论新项目优先 Playwright效率和稳定性都更好老项目或需要兼容既有 Selenium 资产的继续用 Selenium两者并不互斥。八、常见坑与解决办法1playwright install卡住或超时换国内镜像见第二节。公司网络有代理时设置HTTPS_PROXY环境变量再执行。2locator.click()超时先确认是不是在 iframe 里。跨框架要先切进去framepage.frame_locator(iframe#login-frame)frame.get_by_role(button,name登录).click()3被网站识别为自动化默认 headless 会带自动化特征可以加启动参数缓解browserp.chromium.launch(headlessTrue,args[--disable-blink-featuresAutomationControlled],)4抓到的中文乱码确认new_context(localezh-CN)并且写入文件时指定编码encodingutf-8Windows 上尤其容易踩。5调试时看不到过程打开录制事后回看每一步ctx.tracing.start(screenshotsTrue,snapshotsTrue)# ... 你的操作 ...ctx.tracing.stop(pathtrace.zip)用playwright show-trace trace.zip可以在浏览器里逐步回放。九、总结与下一步Playwright 的三个核心优势自带浏览器告别驱动地狱、自动等待告别满屏 sleep、统一 API一套代码跑三种内核。如果你之前被 Selenium 的驱动和等待折腾过换过来基本是纯收益。下一步建议用playwright codegen https://你的目标站点录一遍看看官方推荐的选择器怎么写把现有脚本里的time.sleep逐步替换为expect(...)断言需要并发时改用异步 APIfrom playwright.async_api import async_playwright配合asyncio.gather。官方文档https://playwright.dev/python/docs/intro
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉