第一次跑通那段 Selenium 脚本的动化时候，我盯着浏览器自己点开登录页、动化填账号密码、动化跳转后台，动化心里其实有点发毛——它比我手速快多了，动化还不会点错按钮。动化那会儿我才意识到，动化web 自动化不是动化"让机器替你点鼠标"这么简单，它更像给浏览器装了个提线木偶的动化架子，你写什么它就演什么，动化演砸了也全赖你。动化

说白了，动化web 自动化的动化本质就是程序通过某种协议去操控浏览器。主流两条路：一条是动化 WebDriver 协议，Selenium、动化Playwright、Puppeteer 都走这条，程序发指令，浏览器驱动翻译成真实操作；另一条是直接调 Chrome DevTools Protocol，更底层，也更灵活。我最早用的是 Selenium，后来切到 Playwright，最大的感受是等待机制终于不用自己写一堆 sleep 了。以前写 Selenium，页面元素没加载出来就去找，报 NoSuchElementException，只能硬等三秒，脚本跑得比蜗牛还慢。Playwright 自带自动等待，元素可交互了才动手，这点确实省心。

但工具再好，坑还是得自己踩。比如登录环节，很多网站会检测 navigator.webdriver 这个属性，Selenium 默认把它设成 true，人家一看就知道你是机器人。解决办法倒也不难，启动参数里加 --disable-blink-features=AutomationControlled，再用 execute_cdp_cmd 把 navigator.webdriver 改成 undefined。我第一次绕过这个检测的时候，感觉自己像个特工，其实代码就三行。

另一个绕不开的是验证码。图形验证码还能靠 OCR 碰碰运气，滑块验证码就麻烦了，得算缺口位置、模拟人类拖动轨迹。我试过用 OpenCV 找缺口，再写个贝塞尔曲线生成拖动路径，成功率大概七成。剩下的三成，要么换 IP，要么上打码平台。说实话，到了这一步，自动化已经不太"自动"了，更像是在跟网站的安全团队打游击。

那 web 自动化到底能干什么？我自己的用法比较土：每天定时爬公司后台的报表数据，导成 Excel 发邮件。听起来不酷，但省了我每天早上半小时的手工复制粘贴。更正经的场景是回归测试——每次发版前跑一遍核心流程，登录、下单、支付，十分钟跑完，比测试同学手点一下午靠谱。还有数据采集，比如监控竞品价格，这个就得注意频率，别把人家网站搞崩了，否则封 IP 是轻的，律师函才是重的。

写自动化脚本有个反直觉的地方：越"聪明"的代码越容易崩。我见过有人把页面元素封装成十几个类，继承来继承去，结果页面改了个 ID，整个框架全挂。后来我学乖了，脚本写得跟流水账似的，一步一操作，元素定位直接写 XPath，虽然丑，但改起来快。自动化脚本的寿命通常不长，网站一改版就得修，所以可维护性比优雅重要得多。

如果你刚入门，别急着搭框架。先装个 Playwright，写个脚本打开百度，搜"web 自动化"，把结果标题打印出来。跑通了再琢磨登录、翻页、截图这些。遇到元素定位不到，先别怀疑人生，打开开发者工具看看是不是在 iframe 里，或者页面还没加载完。大部分问题都是这两个原因。

最后说个我自己的判断：web 自动化不会让你变成黑客，它就是个工具，跟 Excel 宏差不多。但会用这个工具的人，确实能省下不少重复劳动的时间。至于那些拿自动化去抢票、刷单的，我只能说，技术本身没善恶，用的人有。

(责任编辑：热点)