1. 项目概述：从手动点击到自动化操作的跨越

每次看到有人还在手动重复点击网页上的按钮、链接，或者为了测试一个功能而反复操作同一个流程时，我总想跟他们聊聊自动化。今天要聊的这个项目，就是用 Python 里的 Selenium 库，让程序代替你的手，去自动点击网页。我们以最熟悉的百度搜索页面作为实操案例，目标是写一个脚本，自动打开浏览器，在百度搜索框里输入关键词，然后点击“百度一下”按钮。听起来很简单，对吧？但这恰恰是自动化测试、数据采集（爬虫）乃至日常办公自动化的基石动作。无论你是想入门自动化测试的测试工程师，还是想绕过复杂接口直接抓取网页数据的开发者，或者是被繁琐的网页操作困扰的办公人员，掌握这个“点击”动作，就等于拿到了打开自动化世界大门的钥匙。

Selenium 之所以成为这个领域的首选，不是没有道理的。它不像一些简单的 HTTP 请求库（如 requests ）只能获取静态页面，它能驱动一个真实的浏览器（比如 Chrome），执行所有你能手动完成的操作：点击、输入、滚动、下拉选择等等。这意味着它能处理由 JavaScript 动态生成的内容，这对于现代网页来说几乎是标配。而“谷歌驱动”（ChromeDriver）就是连接你的 Python 代码和谷歌 Chrome 浏览器的桥梁。整个流程可以概括为：你的 Python 脚本（使用 Selenium 库）发送指令 -> ChromeDriver 接收并翻译指令 -> 谷歌 Chrome 浏览器执行指令。这个项目，就是带你一步步搭建起这条指令通路，并完成一次完整的自动化点击操作。

2. 环境搭建与核心组件解析

2.1 Python 与 Selenium 库安装

工欲善其事，必先利其器。第一步是确保你有一个可用的 Python 环境。如果你还没安装 Python，可以去其官网下载最新稳定版。安装时务必勾选 “Add Python to PATH” 选项，这能让你在命令行中直接使用 python 和 pip 命令。安装完成后，打开命令行（Windows 上是 CMD 或 PowerShell，Mac/Linux 上是 Terminal），输入 python --version 来验证安装是否成功。

接下来安装 Selenium 库。在 Python 的世界里， pip 是包管理工具，安装第三方库几乎都是一条命令的事。在命令行中输入：

pip install selenium

这条命令会从 Python 的官方包索引中下载并安装最新版本的 Selenium。有时候网络环境可能导致下载缓慢或失败，你可以考虑使用国内的镜像源来加速，例如清华源：

pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，可以在 Python 交互环境中输入 import selenium 来测试是否安装成功，不报错即表示成功。

注意：有些教程可能会让你安装一个叫 webdriver-manager 的库来自动管理浏览器驱动。这对于新手快速上手非常友好，因为它能自动下载匹配的驱动版本。但对于理解整个工作原理而言，我建议第一次还是手动下载和配置驱动，这样你能更清楚地知道每个组件在哪里、起了什么作用。后续追求效率时再使用自动化管理工具。

2.2 谷歌浏览器驱动的下载与配置

这是新手最容易卡住的一步，也是核心所在。Selenium 本身不能直接控制浏览器，它需要通过一个名为 “WebDriver” 的中间件。对于 Chrome 浏览器，这个中间件就是 ChromeDriver 。关键点在于： ChromeDriver 的版本必须与你电脑上已安装的 Chrome 浏览器主版本号完全一致 。

首先，查看你 Chrome 浏览器的版本。打开 Chrome，点击右上角的三个点 -> 帮助 -> 关于 Google Chrome，就能看到版本号，比如 “版本 114.0.5735.199（正式版本）”。记住主版本号 “114”。

然后，去下载对应版本的 ChromeDriver。最权威的下载地址是 ChromeDriver 的官方存储站点。你需要下载与你的操作系统（Windows、macOS、Linux）匹配的文件。对于 Windows，通常下载 chromedriver_win32.zip 即可，即使你是 64 位系统。

下载后，你会得到一个 chromedriver.exe （Windows）或 chromedriver （Mac/Linux）的可执行文件。接下来需要配置环境变量，让 Python 脚本能找到它。有两种常用方法：

  1. 方法一：放置到 Python 脚本目录（推荐给新手） ：将 chromedriver.exe 文件直接复制到你的 Python 项目文件夹里。这样，在代码中指定驱动路径时，直接写 ./chromedriver.exe （相对路径）即可。这是最简单、最不容易出错的方式，尤其当你只有一个项目在使用时。
  2. 方法二：添加到系统 PATH 环境变量 ：将 chromedriver.exe 所在的目录路径（例如 C:\WebDriver\bin ）添加到系统的 PATH 环境变量中。这样，你可以在系统的任何位置通过命令行启动它，在代码中也无需指定路径，Selenium 会自动在 PATH 中查找。这种方法更通用，但配置稍复杂。

实操心得：版本不匹配是 90% 的失败原因。如果启动时报错提示“无法启动 Chrome”、“This version of ChromeDriver only supports Chrome version XX”等，请再次核对版本。另一个常见坑点是，Chrome 浏览器会自动更新，但你的 ChromeDriver 不会。如果某天脚本突然不能用了，首先检查 Chrome 是否自动升级了，然后去下载对应新版本的驱动替换掉旧的。

2.3 编写你的第一个自动化脚本：打开浏览器

环境准备好后，我们就可以开始写代码了。创建一个新的 Python 文件，比如 baidu_auto_click.py 。首先，导入 Selenium 中用于操作 Chrome 浏览器的部分：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
import time
  • webdriver ：这是核心模块，用于启动和控制浏览器。
  • By ：这个类提供了定位网页元素的各种方法（如通过 ID、类名、标签名等），是后续“找到”按钮和输入框的关键。
  • Keys ：模拟键盘按键，比如回车键。
  • time ：用于在操作之间添加短暂的等待，让页面有足够时间加载。这是一个简单的等待方法，后续我们会介绍更优的等待策略。

接下来，初始化浏览器驱动并打开一个网页：

# 指定 ChromeDriver 的路径，如果已加入 PATH 则无需此参数
driver = webdriver.Chrome(executable_path='./chromedriver.exe') # 假设驱动放在同级目录

# 打开百度首页
driver.get("https://www.baidu.com")

# 等待3秒，观察浏览器是否成功打开
time.sleep(3)

# 关闭浏览器
driver.quit()

运行这段代码，你应该会看到一个新的 Chrome 浏览器窗口被自动打开，并跳转到百度首页，停留3秒后关闭。恭喜你，你已经成功用代码驱动了浏览器！这里的 driver.get() 方法就相当于你在地址栏输入网址并回车。 driver.quit() 会关闭整个浏览器窗口及其相关的驱动进程，而 driver.close() 只会关闭当前标签页。在脚本结束时，通常使用 quit() 来彻底清理。

3. 核心操作：定位元素与模拟点击

3.1 理解网页的“身份证”：HTML 元素与定位器

要让程序去点击“百度一下”按钮，首先得告诉它按钮在哪里。网页是由 HTML 代码构成的，每个按钮、输入框、链接都是一个 HTML 元素，它们通常有各种“属性”作为身份证。我们需要使用 By 类提供的定位器来找到它们。

最常见的定位方式有：

  • By.ID ：通过元素的 id 属性定位。 id 在理想情况下应该是页面内唯一的，是最快速、最可靠的定位方式。
  • By.NAME ：通过元素的 name 属性定位。
  • By.CLASS_NAME ：通过元素的 class 属性定位。注意，一个元素可能有多个 class，这里匹配的是其中一个。
  • By.TAG_NAME ：通过元素的标签名定位，如 input , button , a 。通常一个页面有很多同标签元素，不够精确。
  • By.XPATH ：一种非常强大和灵活的定位语言，可以遍历 XML/HTML 文档的节点。当元素没有好的 id 或 name 时，XPATH 是救星。
  • By.CSS_SELECTOR ：使用 CSS 选择器语法来定位元素，同样非常强大和灵活，是很多前端开发者和自动化工程师的首选。

如何查看元素的这些属性？在浏览器中打开百度首页，在搜索输入框上点击鼠标右键，选择“检查”（Inspect）。开发者工具会打开，并高亮显示对应的 HTML 代码。你会发现输入框的代码大概长这样：

<input id="kw" name="wd" class="s_ipt" value="" maxlength="255" autocomplete="off">

这里， id="kw" ， name="wd" ， class="s_ipt" 。同样，检查“百度一下”按钮，可能会看到 id="su" 或者 class="bg s_btn" 等属性。

3.2 实现搜索自动化：输入与点击

现在，我们修改脚本，实现完整的搜索流程。在打开百度首页后，添加以下代码：

# 定位百度搜索框，并输入关键词“Selenium”
search_box = driver.find_element(By.ID, 'kw')
search_box.send_keys('Selenium')

# 定位“百度一下”按钮，并点击
search_button = driver.find_element(By.ID, 'su')
search_button.click()

# 等待几秒，查看搜索结果
time.sleep(5)
  • driver.find_element(By.ID, 'kw') ：这行代码让 Selenium 在页面中查找 id 属性为 kw 的元素，也就是搜索框，并将找到的元素对象赋值给变量 search_box 。
  • search_box.send_keys('Selenium') ：在找到的搜索框元素上模拟键盘输入，输入字符串 “Selenium”。
  • driver.find_element(By.ID, 'su') ：查找 id 为 su 的按钮元素。
  • search_button.click() ：在找到的按钮元素上模拟鼠标点击操作。

运行脚本，你会看到浏览器自动在百度搜索框中输入了“Selenium”并点击搜索，跳转到结果页。这就是一次完整的自动化交互。

注意事项： find_element 和 find_elements 的区别。 find_element 返回找到的第一个匹配元素，如果没找到会抛出 NoSuchElementException 异常。 find_elements （注意复数）返回一个包含所有匹配元素的列表，如果没找到则返回空列表。当你需要操作一组相似元素（如搜索结果列表）时，使用后者。

3.3 更健壮的定位策略与等待机制

上面的例子使用了 time.sleep(3) ，这是一种“强制等待”。它简单粗暴，但效率低下。如果网络或电脑慢，3秒可能不够页面加载完元素；如果很快，又会白白浪费时间。在实际项目中，我们使用 Selenium 提供的“智能等待”。

1. 隐式等待 (Implicit Wait): 在创建 driver 后设置一次，对整个 driver 的生命周期都有效。它告诉 WebDriver：在查找元素时，如果元素没有立即出现，就等待一段设定的时间，期间会持续尝试查找，直到找到或超时。

driver = webdriver.Chrome()
driver.implicitly_wait(10) # 单位是秒

设置后，后续所有的 find_element 操作都会最多等待10秒。

2. 显式等待 (Explicit Wait): 更灵活、更推荐的方式。它为某个特定的操作和元素设定等待条件，比如等待元素可见、可点击、存在等。这需要用到 WebDriverWait 和 expected_conditions 。

from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# 等待搜索框出现并且是可交互的状态（可见、可输入）
wait = WebDriverWait(driver, 10) # 最长等10秒
search_box = wait.until(EC.element_to_be_clickable((By.ID, 'kw')))
search_box.send_keys('Selenium')

# 等待搜索按钮可点击
search_button = wait.until(EC.element_to_be_clickable((By.ID, 'su')))
search_button.click()

WebDriverWait(driver, timeout) 创建一个等待对象。 until(condition) 方法会一直等待，直到传入的条件函数返回 True（找到了元素）或超时。 expected_conditions 模块提供了很多预设条件，如 presence_of_element_located （元素存在于DOM）、 visibility_of_element_located （元素可见）、 element_to_be_clickable （元素可点击）等。

为什么推荐显式等待？ 因为它更精确。隐式等待是对所有 find 操作生效的全局设置，有时可能会在不需要等待的地方产生不必要的延迟。显式等待则针对具体场景，代码意图更清晰，且能等待更复杂的条件（如元素包含特定文本）。

4. 实战扩展与常见问题排查

4.1 处理更复杂的交互与页面结构

掌握了基本点击和输入后，你可以尝试更复杂的操作，这些操作能应对绝大多数网页自动化场景。

处理下拉框 (Select): 

from selenium.webdriver.support.ui import Select

# 假设有一个id为‘city’的下拉框
dropdown = Select(driver.find_element(By.ID, 'city'))
dropdown.select_by_visible_text('北京') # 通过文本选择
# 或者 dropdown.select_by_value('beijing') # 通过value属性选择
# 或者 dropdown.select_by_index(1) # 通过索引选择（从0开始）

执行 JavaScript: 有些操作 Selenium 没有直接提供 API，或者用 JavaScript 更简单，可以直接执行 JS 代码。

# 将页面滚动到底部
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")

# 点击一个被其他元素遮挡的按钮（如果普通click无效）
button = driver.find_element(By.ID, 'hidden-btn')
driver.execute_script("arguments[0].click();", button)

切换窗口和iframe:

  • 窗口切换 ：点击一个链接后可能打开新标签页，需要切换句柄。
# 获取当前所有窗口句柄
main_window = driver.current_window_handle
all_windows = driver.window_handles

# 点击某个会打开新窗口的链接
driver.find_element(By.LINK_TEXT, '新窗口').click()

# 切换到新窗口
for window in driver.window_handles:
    if window != main_window:
        driver.switch_to.window(window)
        break

# 在新窗口操作...
# 操作完后可以切回主窗口
driver.switch_to.window(main_window)
  • iframe切换 ：如果元素位于一个 <iframe> 框架内，必须先切换到该框架才能操作其中的元素。
# 通过id或name切换
driver.switch_to.frame('iframe_id_or_name')
# 或者通过元素对象切换
iframe_element = driver.find_element(By.TAG_NAME, 'iframe')
driver.switch_to.frame(iframe_element)

# 操作iframe内的元素...

# 操作完成后切回主文档
driver.switch_to.default_content()

4.2 常见问题与排查技巧实录

自动化脚本在运行时总会遇到各种意想不到的问题，这里记录几个最常见的问题和排查思路。

问题1： NoSuchElementException - 找不到元素 这是最最常见的错误。

  • 可能原因1：页面未加载完 。解决方案：增加等待时间，使用显式等待（ WebDriverWait + EC ）替代 time.sleep 。
  • 可能原因2：元素在 iframe 或 shadow DOM 内 。解决方案：先切换到正确的 iframe 或 shadow root 内再查找。
  • 可能原因3：元素是动态生成的，ID/Class 不固定 。解决方案：使用更稳定的定位策略，如通过部分文本（ By.XPATH 的 contains(text(), ‘部分文本’) ）、通过父元素的稳定属性结合子元素关系定位。
  • 排查技巧 ：在抛出异常的代码行之前，手动添加 time.sleep(10) ，然后运行脚本。当脚本暂停时，立即去浏览器里手动检查元素（右键 -> 检查），确认你使用的定位器（如 id=‘kw’ ）在当前页面结构中是否依然存在且唯一。浏览器的开发者工具中，按 Ctrl+F 可以在 Elements 面板里直接输入 XPath 或 CSS Selector 进行测试匹配。

问题2： ElementNotInteractableException - 元素不可交互 元素找到了，但无法点击或输入。

  • 可能原因1：元素被遮挡 。例如被一个弹窗、浮动层盖住了。解决方案：关闭遮挡物，或者用 driver.execute_script(“arguments[0].click();”, element) 通过 JS 直接点击。
  • 可能原因2：元素不可见或未启用 。解决方案：等待元素变为可见/可点击状态（使用 EC.visibility_of_element_located 或 EC.element_to_be_clickable ）。
  • 可能原因3：需要滚动到元素位置 。有些元素需要出现在视口中才能交互。解决方案：先滚动到元素位置 driver.execute_script(“arguments[0].scrollIntoView(true);”, element) 。

问题3：脚本在无头模式下运行正常，但有界面时失败 无头模式 ( headless ) 是指浏览器在后台运行，不显示图形界面。有时脚本在无头模式下正常，但打开界面就失败。

  • 可能原因：界面加载了更多资源或动画，导致元素状态变化时机不同 。解决方案：在关键操作前增加更长的等待或更严格的等待条件（如等待元素 staleness 状态结束）。另外，检查是否有基于视口大小或鼠标位置的动态内容。

问题4：浏览器被检测为自动化工具 一些网站（如某些登录页面）会检测浏览器是否被 Selenium 等自动化工具驱动，并拒绝服务。

  • 应对策略 ：
    1. 使用 undetected-chromedriver 等第三方库 ：它专门用于规避检测。
    2. 添加实验性选项 ：在启动 Chrome 时添加一些参数来隐藏自动化特征。
    from selenium.webdriver.chrome.options import Options

options = Options()
options.add_argument(“--disable-blink-features=AutomationControlled”)
options.add_experimental_option(“excludeSwitches”, [“enable-automation”])
options.add_experimental_option(‘useAutomationExtension’, False)

driver = webdriver.Chrome(options=options)

# 同时执行一个脚本，覆盖 navigator.webdriver 属性
driver.execute_script(“Object.defineProperty(navigator, ‘webdriver’, {get: () => undefined})”)
    1. 模拟真人操作 ：添加随机延迟、模拟鼠标移动轨迹等。但这会大大增加脚本复杂度和运行时间。

4.3 代码优化与项目结构建议

当你的自动化脚本越来越复杂时，良好的代码组织至关重要。

1. 使用 Page Object Model (POM) 设计模式： 这是自动化测试领域的经典模式。其核心思想是将每个页面封装成一个类，页面的元素定位器和操作这个页面的方法都定义在这个类里。这样，测试脚本（业务逻辑）就和具体的页面元素定位细节分离开了。

# pages/baidu_page.py
class BaiduPage:
    def __init__(self, driver):
        self.driver = driver
        self.search_input = (By.ID, ‘kw’)
        self.search_button = (By.ID, ‘su’)

    def open(self):
        self.driver.get(“https://www.baidu.com”)

    def search_for(self, keyword):
        wait = WebDriverWait(self.driver, 10)
        input_elem = wait.until(EC.presence_of_element_located(self.search_input))
        input_elem.clear()
        input_elem.send_keys(keyword)
        self.driver.find_element(*self.search_button).click()

# main.py
from pages.baidu_page import BaiduPage

driver = webdriver.Chrome()
page = BaiduPage(driver)
page.open()
page.search_for(“自动化测试”)

这样做的好处是：元素定位符只在一处维护，如果页面改了，只需要修改对应的 Page 类；测试脚本变得非常清晰，读起来就像业务描述。

2. 配置文件管理： 将浏览器类型、驱动路径、基础URL、超时时间等配置信息提取到配置文件（如 config.ini 或 config.py ）中，方便不同环境切换。

# config.py
CHROME_DRIVER_PATH = ‘./drivers/chromedriver.exe’
IMPLICIT_WAIT_TIME = 10
BASE_URL = ‘https://www.baidu.com’

# 在代码中使用
from config import CHROME_DRIVER_PATH
driver = webdriver.Chrome(executable_path=CHROME_DRIVER_PATH)

3. 日志记录： 使用 Python 的 logging 模块记录脚本运行的关键步骤和错误信息，而不是简单用 print 。这对于后期调试和问题追溯非常有帮助。

import logging

logging.basicConfig(level=logging.INFO,
                    format=‘%(asctime)s - %(name)s - %(levelname)s - %(message)s’)
logger = logging.getLogger(__name__)

logger.info(“开始打开浏览器...”)
driver.get(BASE_URL)
logger.info(“百度首页加载完成。”)

4. 异常处理与截图： 在关键操作步骤周围使用 try…except 块捕获异常，并在出错时自动截图，能让你快速知道失败时页面是什么样子。

try:
    search_box = driver.find_element(By.ID, ‘kw’)
    search_box.send_keys(‘test’)
except Exception as e:
    logger.error(f“搜索操作失败: {e}”)
    # 保存截图，文件名包含时间戳
    timestamp = time.strftime(“%Y%m%d_%H%M%S”)
    driver.save_screenshot(f“error_screenshot_{timestamp}.png”)
    raise # 可以选择重新抛出异常，或者进行其他处理

掌握了这些基础操作、问题排查方法和优化技巧，你就已经跨过了 Selenium 自动化操作的门槛。从自动点击百度搜索开始，你可以将这套方法应用到需要登录、填写表单、爬取数据、监控网页变化等无数场景中。记住，自动化不是为了炫技，而是为了将人从重复、枯燥的劳动中解放出来。开始动手，把你的第一个脚本跑起来，遇到问题就按上面的思路去排查，每一步解决问题的过程，都是你宝贵的经验积累。

Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

企业AI智能测试落地实施方案

企业内部搭建一个智能体并不难，难的是让它理解企业自己的业务知识。执行结束后，团队看到的不只是“通过”或“失败”，还可以结合日志、截图、接口数据和历史问题，快速判断问题更可能出在产品、环境、数据还是脚本本身。测吧持续探索大模型、AI Agent、MCP、Skills、Harness等前沿技术，并将其与企业业务场景深度结合，在多个企业项目中不断实践、优化和沉淀，形成了一套成熟的AI实施方法论。我们不仅

avatar AI Agent技术社区
cover

【监控实战】Spring Boot 3.3 + AI Agent × Prometheus：让AI自动发现故障并告警，平均故障响应从30分钟压到2分钟

avatar AI Agent技术社区
cover

【年度总结】用了半年AI Agent，这10条经验让我从怀疑到离不开——附完整工具链

avatar AI Agent技术社区