playwright-han（Playwright HAN 搜索）

Playwright 浏览器自动化技能

📋 技能概述

Playwright 是微软开发的现代化浏览器自动化库，比 Selenium 更快、更可靠。

🆚 Playwright vs Selenium

🛠️ 安装

# 安装 Python 库
pip3 install playwright --break-system-packages

# 安装浏览器
python3 -m playwright install chromium

🚀 快速开始

基础示例

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    # 启动浏览器
    browser = p.chromium.launch(headless=True)
    page = browser.new_page()
    
    # 访问网页
    page.goto('https://www.baidu.com')
    
    # 截图
    page.screenshot(path='example.png')
    
    browser.close()

搜索示例

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch(headless=True)
    page = browser.new_page()
    
    # 直接访问搜索 URL
    page.goto('https://www.baidu.com/s?wd=Python', wait_until='networkidle')
    
    # 获取搜索结果
    results = page.query_selector_all('.result h3')
    for i, r in enumerate(results[:5], 1):
        print(f"{i}. {r.inner_text()}")
    
    browser.close()

高级功能

1. 全页截图

page.screenshot(path='full.png', full_page=True)

2. 网络拦截

# 阻止图片加载
def block_images(route):
    if route.request.resource_type == "image":
        route.abort()
    else:
        route.continue_()

page.route("**/*", block_images)
page.goto("https://example.com")

3. 等待元素

# 自动等待元素可见
page.wait_for_selector('#my-element')

# 等待特定状态
page.wait_for_selector('.loaded', state='visible')

4. 表单操作

# 填写表单
page.fill('#username', 'user123')
page.fill('#password', 'pass456')
page.click('#login-btn')

# 等待跳转
page.wait_for_url('**/dashboard')

5. 多标签页

# 创建新标签
page = browser.new_page()

# 切换标签
pages = browser.pages
pages[0].bring_to_front()

📚 常用 API

页面导航

page.goto('https://example.com')
page.reload()
page.go_back()
page.go_forward()

元素操作

# 点击
page.click('#button')

# 输入
page.fill('#input', 'text')
page.type('#input', 'text', delay=100)  # 模拟键盘

# 选择
page.select_option('#select', 'value')
page.check('#checkbox')
page.uncheck('#checkbox')

获取内容

# 文本
text = page.inner_text('#element')
html = page.inner_html('#element')

# 属性
href = page.get_attribute('a', 'href')
value = page.input_value('#input')

# 数量
count = page.count('.items')

截图和 PDF

# 截图
page.screenshot(path='page.png')
page.screenshot(path='full.png', full_page=True)

# PDF (仅 Chromium)
page.pdf(path='page.pdf')

⚠️ 常见问题

问题 1: 元素不可见

解决: 使用 wait_for_selector

page.wait_for_selector('#element', state='visible')
page.click('#element')

问题 2: 页面加载慢

解决: 使用 networkidle

page.goto('https://example.com', wait_until='networkidle')

问题 3: 反爬虫

解决: 设置 User-Agent 和隐藏自动化特征

browser = p.chromium.launch(
    headless=True,
    args=['--disable-blink-features=AutomationControlled']
)
page.set_extra_http_headers({
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) ...'
})

🎯 最佳实践

1. 使用 with 语句: 自动清理资源
2. 启用 headless 模式: 节省资源
3. 使用 networkidle: 确保页面完全加载
4. 合理等待: 避免固定 sleep
5. 错误处理: 使用 try-except

📦 依赖

playwright>=1.40.0

🔗 相关资源

• Playwright 官网
• Python API 文档
• GitHub 仓库

🔄 从 Selenium 迁移

如果你之前使用 Selenium，迁移非常简单：

# Selenium 代码
from selenium import webdriver
driver = webdriver.Chrome()
driver.get('https://example.com')
element = driver.find_element(By.ID, 'my-element')

# Playwright 等价代码
from playwright.sync_api import sync_playwright
with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    page.goto('https://example.com')
    element = page.locator('#my-element')

主要差异:

• Playwright 使用 page 而不是 driver
• 自动等待，不需要 WebDriverWait
• 选择器更强大 (支持 CSS/XPath/text)
• locator 替代 find_element

版本: v1.1 创建时间: 2026-03-14 02:00 AM 更新: 2026-03-14 08:07 AM (添加迁移指南) 作者: Han's AI Assistant