1. 项目概述与核心价值最近在整理一个老项目的图片素材库几千张PNG和JPEG文件加起来快20个G不仅占空间加载起来也慢得让人头疼。手动一张张处理那简直是灾难。我琢磨着得找个既能批量转换格式又能有效压缩的自动化方案。目标格式我锁定了AVIF这玩意儿在同等画质下体积能比JPEG小一半以上对Web性能提升是肉眼可见的。但市面上成熟的本地批量转换工具要么收费要么对AVIF支持不完善参数调整也不够灵活。于是我把目光投向了在线工具。像 ImagesTool 这样的网站提供了直观的AVIF转换和压缩界面参数可控效果也不错。但问题来了它一次只能处理一张或少量图片对于大批量任务重复性的点击、上传、下载操作足以消磨掉所有耐心。这就是自动化脚本登场的时候了。我选择了Playwright一个现代的浏览器自动化库。它不像Selenium那样“笨重”启动快API设计也更符合现代前端开发者的直觉用来模拟用户操作在线工具再合适不过。这个项目的核心就是写一个脚本让Playwright这个“数字员工”自动登录ImagesTool网站帮我把本地文件夹里的图片挨个上传、设置AVIF参数、转换、下载一气呵成。它解决的不仅是“批量”的问题更是将在线工具的手动操作流程固化、标准化实现了无人值守的自动化处理流水线。无论你是前端开发者需要优化网站资源还是摄影师、内容创作者需要处理大量图片这个思路都能帮你节省大量重复劳动时间。2. 技术选型与方案设计思路为什么是Playwright而不是更老牌的Selenium或Puppeteer这背后有几个关键的考量点。首先浏览器兼容性与一致性。Playwright由微软开发直接为Chromium、Firefox和WebKitSafari内核提供了高质量的原生支持并且能确保在不同浏览器引擎上API行为高度一致。我们操作的是一个具体的网站ImagesTool不需要考虑跨浏览器测试但Playwright启动无头Chromium的速度和资源占用表现非常出色这对于需要长时间运行、处理大量任务的脚本来说至关重要。其次强大的自动化能力与可靠性。Playwright的API设计非常人性化比如page.wait_for_selector、page.wait_for_load_state等能智能地等待页面元素加载或网络请求完成大大减少了因页面加载速度不稳定而导致脚本失败的情况。这对于操作一个可能包含异步上传、转换进度条等动态内容的在线工具网站稳定性提升不是一点半点。再者它的网络拦截与模拟功能很强我们可以轻松监听文件上传的请求和文件下载的响应这是实现自动化下载转换后文件的关键。整个方案的设计流程可以拆解为以下几个核心环节环境初始化启动一个无头浏览器打开ImagesTool网站。文件遍历与队列构建扫描本地指定目录筛选出目标格式如.jpg, .png的图片文件形成一个待处理队列。页面操作自动化对于队列中的每个文件脚本自动执行点击上传按钮 - 选择文件 - 设置转换参数选择AVIF格式、调整质量/压缩等级- 触发转换。状态监控与下载监控转换进度等待转换完成然后自动触发下载并将下载的文件保存到指定输出目录。错误处理与日志在整个过程中需要捕获可能出现的异常如网络超时、网站界面变化、文件格式不支持等并进行重试或记录日志确保流程的健壮性。这个设计的巧妙之处在于它没有去破解或调用网站未公开的API那既不道德也不稳定而是完全模拟了一个真实用户的操作路径。只要网站的前端交互逻辑不变我们的脚本就能持续工作。即使网站有小幅改版我们通常也只需要调整元素选择器核心逻辑无需大变。注意在实施此类自动化脚本前务必查阅目标网站的robots.txt文件和服务条款确保你的自动化操作不违反其规定。ImagesTool这类工具站通常对合理的个人自动化使用是允许的但应避免高频请求对其服务器造成压力。3. 核心工具链搭建与环境配置工欲善其事必先利其器。我们先来把跑通这个自动化流程所需的环境和工具链搭建好。整个过程以Python为例因为Playwright的Python绑定非常成熟生态也好。3.1 Python环境与Playwright安装首先确保你的电脑上安装了Python 3.7或更高版本。我强烈建议使用虚拟环境来管理项目依赖避免污染全局环境。# 创建项目目录并进入 mkdir avif-batch-processor cd avif-batch-processor # 创建虚拟环境这里使用venv你也可以用conda python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate激活虚拟环境后命令行提示符前通常会显示(venv)。接下来安装Playwrightpip install playwright安装完Python包后Playwright还需要下载它要控制的浏览器如Chromium。使用以下命令一次性安装所需浏览器playwright install chromium这里我们只安装Chromium就足够了因为它最轻量兼容性也足够好。安装过程会下载几百兆的浏览器二进制文件请保持网络通畅。3.2 项目目录结构设计一个清晰的目录结构能让代码维护起来更轻松。我的项目结构通常是这样安排的avif-batch-processor/ ├── src/ │ ├── main.py # 主脚本包含核心自动化逻辑 │ ├── config.py # 配置文件存放网站URL、选择器、输出路径等 │ └── utils.py # 工具函数如文件遍历、日志记录 ├── input_images/ # 存放待处理的原始图片 ├── output_avif/ # 存放处理后的AVIF图片脚本自动创建 ├── logs/ # 存放运行日志脚本自动创建 ├── requirements.txt # 项目依赖列表 └── README.md # 项目说明文档在config.py里我们可以把一些可能会变的配置项抽出来比如# config.py INPUT_DIR ./input_images OUTPUT_DIR ./output_avif LOG_DIR ./logs IMAGESTOOL_URL https://to.imagestool.com # 关键页面元素的选择器需要根据实际网站分析 UPLOAD_BUTTON_SELECTOR input[typefile] # 文件上传输入框 FORMAT_DROPDOWN_SELECTOR select[nameformat] # 格式选择下拉框 QUALITY_SLIDER_SELECTOR input[namequality] # 质量滑块 CONVERT_BUTTON_SELECTOR button:has-text(Convert) # 转换按钮 DOWNLOAD_LINK_SELECTOR a.download-link # 下载链接示例需核实3.3 分析目标网站与元素选择器这是最关键的一步决定了脚本能否“看”得见、“点”得准。我们需要手动打开ImagesTool网站使用浏览器的开发者工具F12来分析页面结构。打开网站并定位上传区域进入网站找到图片上传的区域。通常是一个“点击上传”的按钮或拖拽区域。右键点击它选择“检查”。在Elements面板中找到对应的input typefile元素。这就是我们的UPLOAD_BUTTON_SELECTOR。有时它可能被隐藏或用label包裹需要仔细查找其id或name属性。定位格式选择与参数设置上传一张图片后网站会显示转换选项。找到选择输出格式的下拉菜单select或单选按钮组以及调整压缩质量Quality的滑块input typerange或输入框。记录下它们的选择器。定位转换与下载按钮找到开始转换的按钮以及转换完成后出现的下载链接或按钮。下载链接的选择器尤其重要我们需要用它来获取文件。实操心得选择器的稳定性优先于简洁性。优先使用id、name或具有唯一性的># main.py import os import time import logging from pathlib import Path from playwright.sync_api import sync_playwright, TimeoutError as PlaywrightTimeoutError from config import INPUT_DIR, OUTPUT_DIR, LOG_DIR, IMAGESTOOL_URL, UPLOAD_BUTTON_SELECTOR, FORMAT_DROPDOWN_SELECTOR, QUALITY_SLIDER_SELECTOR, CONVERT_BUTTON_SELECTOR, DOWNLOAD_LINK_SELECTOR # 设置日志 logging.basicConfig( levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s, handlers[ logging.FileHandler(os.path.join(LOG_DIR, fprocess_{time.strftime(%Y%m%d_%H%M%S)}.log)), logging.StreamHandler() ] ) logger logging.getLogger(__name__) def ensure_directories(): 确保输入、输出和日志目录存在 Path(INPUT_DIR).mkdir(parentsTrue, exist_okTrue) Path(OUTPUT_DIR).mkdir(parentsTrue, exist_okTrue) Path(LOG_DIR).mkdir(parentsTrue, exist_okTrue) def main(): ensure_directories() input_path Path(INPUT_DIR) # 获取所有支持的图片文件这里以常见格式为例 image_files list(input_path.glob(*.jpg)) list(input_path.glob(*.jpeg)) \ list(input_path.glob(*.png)) list(input_path.glob(*.webp)) if not image_files: logger.warning(f在 {INPUT_DIR} 目录下未找到任何图片文件。) return logger.info(f找到 {len(image_files)} 个待处理图片文件。) with sync_playwright() as p: # 启动浏览器headlessFalse在调试时可设为True查看界面 browser p.chromium.launch(headlessTrue, slow_mo100) # slow_mo让操作变慢便于观察 context browser.new_context( viewport{width: 1920, height: 1080}, # 可以设置用户代理模拟更真实的浏览器 user_agentMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 ) page context.new_page() try: logger.info(f正在访问 {IMAGESTOOL_URL}) page.goto(IMAGESTOOL_URL) page.wait_for_load_state(networkidle) # 等待网络空闲 time.sleep(2) # 额外等待确保页面JS完全加载 # 核心处理循环 for idx, img_path in enumerate(image_files, 1): process_single_image(page, img_path, idx, len(image_files)) except Exception as e: logger.error(f主流程发生错误: {e}, exc_infoTrue) finally: # 所有任务完成后等待一会儿再关闭浏览器 time.sleep(3) browser.close() logger.info(所有任务处理完成浏览器已关闭。)4.2 单张图片处理流程封装将处理单张图片的逻辑封装成函数process_single_image这样结构更清晰也便于错误处理和重试。def process_single_image(page, img_path, current_index, total_count): 处理单张图片的完整流程 filename img_path.name logger.info(f[{current_index}/{total_count}] 开始处理: {filename}) try: # 1. 上传图片 logger.debug(f 正在上传文件...) # 等待上传输入框可见并可交互 page.wait_for_selector(UPLOAD_BUTTON_SELECTOR, statevisible) # 设置文件路径Playwright会模拟文件选择对话框 page.set_input_files(UPLOAD_BUTTON_SELECTOR, str(img_path)) logger.debug(f 文件上传成功。) # 等待文件上传完成网站可能会有预览图加载 page.wait_for_load_state(networkidle) time.sleep(1.5) # 给网站一些时间处理预览 # 2. 设置输出格式为AVIF logger.debug(f 正在设置输出格式...) # 有些网站是下拉框有些是按钮组。这里假设是下拉框。 page.select_option(FORMAT_DROPDOWN_SELECTOR, valueavif) # value需要根据网站实际值调整 time.sleep(0.5) # 等待格式切换可能触发的UI更新 # 3. 设置压缩质量可选 # 如果网站有质量滑块我们可以设置一个值比如750-100范围 # 先检查元素是否存在 if page.locator(QUALITY_SLIDER_SELECTOR).count() 0: logger.debug(f 正在设置压缩质量...) # 方法1直接设置value属性如果滑块是input page.eval_on_selector(QUALITY_SLIDER_SELECTOR, el el.value 75) # 方法2触发input事件让网站响应变化 page.dispatch_event(QUALITY_SLIDER_SELECTOR, input) time.sleep(0.3) # 4. 点击转换按钮 logger.debug(f 正在启动转换...) convert_btn page.locator(CONVERT_BUTTON_SELECTOR) convert_btn.click() # 5. 等待转换完成 logger.debug(f 等待转换完成...) # 策略等待下载链接出现或者等待某个表示完成的元素出现 # 这里我们等待下载链接出现最多等待30秒 page.wait_for_selector(DOWNLOAD_LINK_SELECTOR, statevisible, timeout30000) logger.debug(f 转换完成。) # 6. 处理下载 logger.debug(f 正在处理下载...) # 监听下载事件 with page.expect_download() as download_info: # 点击下载链接 page.click(DOWNLOAD_LINK_SELECTOR) download download_info.value # 建议保存的文件名可以基于原文件名修改后缀 suggested_filename download.suggested_filename # 如果网站生成的名字不好我们可以自己定义 output_filename f{img_path.stem}.avif output_path Path(OUTPUT_DIR) / output_filename # 保存文件到指定目录 download.save_as(output_path) logger.info(f[{current_index}/{total_count}] 处理成功: {filename} - {output_filename} (大小: {output_path.stat().st_size / 1024:.2f} KB)) # 7. 为下一张图片做准备刷新页面或点击“新转换”按钮 # 不同网站逻辑不同。有的可以重复使用当前页面元素有的需要刷新。 # 这里假设网站有一个“Clear”或“New Conversion”按钮 clear_btn page.locator(button:has-text(Clear), button:has-text(New)) if clear_btn.count() 0: clear_btn.click() page.wait_for_load_state(networkidle) time.sleep(1) else: # 如果没有明确的清除按钮刷新页面是最稳妥的 page.reload() page.wait_for_load_state(networkidle) time.sleep(2) except PlaywrightTimeoutError as e: logger.error(f[{current_index}/{total_count}] 处理超时: {filename}。错误: {e}) # 可以在这里加入重试逻辑或者记录失败文件稍后手动处理 # 刷新页面尝试恢复状态 page.reload() time.sleep(3) except Exception as e: logger.error(f[{current_index}/{total_count}] 处理失败: {filename}。错误: {e}, exc_infoTrue) page.reload() time.sleep(3)4.3 高级技巧网络监听与智能等待上面的基础流程在网站稳定时工作良好但为了更健壮我们可以利用Playwright更高级的功能。网络监听有时下载不是通过点击链接而是页面转换完成后自动触发一个文件下载请求。我们可以监听特定的网络响应。def setup_download_listener(page, output_dir): 设置下载监听用于处理自动触发的下载 def handle_response(response): # 检查响应头判断是否是我们要的AVIF文件 content_type response.headers.get(content-type, ) content_disposition response.headers.get(content-disposition, ) if image/avif in content_type or attachment in content_disposition: # 这是一个文件下载响应 logger.debug(f拦截到文件下载响应: {response.url}) # 这里可以手动读取响应体并保存文件但更推荐用expect_download # 对于自动下载通常expect_download事件仍会触发 pass page.on(response, handle_response)智能等待策略不要一味地用time.sleep而是结合Playwright的等待条件。# 更好的等待转换完成的方式结合多种条件 def wait_for_conversion(page): 等待图片转换完成的综合策略 # 条件1等待下载链接出现 # 条件2等待表示“转换中”的loading图标消失 # 条件3等待某个表示成功的文本出现如“Conversion completed!” try: page.wait_for_selector(DOWNLOAD_LINK_SELECTOR, statevisible, timeout45000) # 同时确保loading状态消失 loading_selector .spinner, .loading, [aria-busytrue] page.wait_for_selector(loading_selector, statehidden, timeout10000) return True except PlaywrightTimeoutError: logger.warning(等待转换完成超时尝试检查页面状态...) # 可以截图保存当前页面状态用于调试 page.screenshot(pathf./logs/timeout_{int(time.time())}.png) return False5. 参数调优、错误处理与性能考量脚本能跑起来只是第一步要让它稳定、高效地处理成百上千的图片还需要在细节上下功夫。5.1 AVIF压缩参数的选择在线工具通常提供的参数是“质量”Quality范围0-100。这个值并非线性需要一些经验高保真网页展示建议设置在75-85之间。这个区间能在肉眼几乎无法察觉画质损失的情况下获得显著的压缩比。对于摄影作品或需要精细细节的图片可以从80开始尝试。平衡体积与画质缩略图、背景图设置在60-75之间。会有轻微的画质损失但在小尺寸或快速浏览场景下完全可以接受。极限压缩低于50。画质损失会比较明显可能出现色块和模糊仅适用于对体积极度敏感且画质要求不高的场景。在脚本中我们可以通过修改config.py中的TARGET_QUALITY变量或者为不同类型的图片根据尺寸、用途动态设置不同的质量值。5.2 健壮的错误处理机制批量处理中最怕的就是一个错误导致整个流程中断。我们必须建立完善的错误处理与恢复机制。单个任务失败不影响整体process_single_image函数已经用try...except包裹任何单张图片的处理失败都会记录日志然后脚本会尝试恢复页面状态刷新继续处理下一张。失败重试对于网络超时等临时性错误可以加入重试逻辑。max_retries 2 for retry in range(max_retries 1): try: # ... 处理逻辑 ... break # 成功则跳出重试循环 except (PlaywrightTimeoutError, ConnectionError) as e: if retry max_retries: logger.warning(f第{retry1}次尝试失败进行第{retry2}次重试...) page.reload() time.sleep(5 * (retry 1)) # 重试等待时间递增 else: logger.error(f重试{max_retries}次后仍失败放弃处理该图片。) raise状态检查与恢复在关键操作前如点击按钮检查元素是否处于可交互状态is_enabled。在每张图片处理前后可以检查页面URL或关键元素确保处于正确的初始状态。详尽的日志记录日志不仅要记录成功和失败还要记录关键步骤的耗时、文件大小变化等。这有助于事后分析和优化。5.3 性能优化与资源管理处理大量图片时性能问题会凸显。浏览器实例复用我们的脚本在整个批处理过程中只启动和关闭一次浏览器这比每处理一张图片就开闭一次浏览器效率高得多。并行处理探索Playwright支持多个浏览器上下文Context甚至多个页面Page同时运行。理论上我们可以在一个浏览器实例内打开多个标签页同时处理多张图片。但是对于操作同一个在线工具网站这需要极其谨慎会话冲突多个标签页可能共享Cookie和LocalStorage导致操作互相干扰。服务器压力同时发起多个转换请求可能触发网站的限流或反爬机制。复杂度错误处理和状态同步会变得非常复杂。 因此对于公开的免费在线工具强烈建议采用串行处理并在每个任务间添加合理的延迟如time.sleep(2)以示友好避免IP被封锁。内存与缓存清理长时间运行后浏览器可能会积累内存。可以在处理一定数量比如50张图片后关闭当前页面page.close()并重新打开一个新页面context.new_page()或者直接重启浏览器上下文。处理速度预估根据我的测试受网络速度和网站处理速度影响单张图片从上传到下载完成大约需要10-20秒。处理1000张图片可能需要3-6个小时。脚本可以增加一个简单的进度提示和剩余时间预估功能。6. 常见问题排查与实战技巧在实际运行中你肯定会遇到各种各样的问题。这里我整理了一份“踩坑实录”和解决方案。6.1 元素选择器失效这是最常见的问题网站前端稍微一改版脚本就“瞎”了。症状wait_for_selector超时或者click时找不到元素。排查将launch(headlessTrue)改为headlessFalse亲眼看看脚本运行到哪一步卡住了页面是否如预期加载。在出错的地方用page.screenshot(pathdebug.png)和page.content()保存页面截图和HTML源码分析当前页面结构。检查选择器是否唯一。在浏览器控制台用document.querySelectorAll(你的选择器)验证。解决使用更稳健的选择器优先用id、name、>selectors [button.convert-btn, button:has-text(Start Conversion), xpath//form//button[typesubmit]] for selector in selectors: if page.locator(selector).count() 0: page.click(selector) break else: raise Exception(找不到转换按钮)6.2 文件上传失败症状set_input_files后页面无反应没有出现图片预览。排查有些网站的文件上传区域是复杂的组件真正的input typefile可能被隐藏或动态生成。解决尝试直接点击触发文件选择对话框的元素通常是一个div或label然后再用set_input_files。# 先点击上传区域 page.click(.upload-area) # 再设置文件此时文件输入框可能已出现 page.set_input_files(input[typefile], file_path)如果网站使用JavaScript库如Dropzone.js可能需要触发特定的事件。可以尝试在设置文件后手动触发一个change事件page.dispatch_event(input[typefile], change)。6.3 下载被拦截或文件名乱码症状expect_download没有触发或者下载的文件名是一串乱码。排查浏览器可能设置了“下载前询问每个文件的保存位置”或者网站返回的Content-Disposition头不正确。解决配置浏览器上下文自动接受下载context browser.new_context( accept_downloadsTrue, # 自动接受下载 viewport{width: 1920, height: 1080} )处理下载文件名优先使用download.suggested_filename如果它不合理如乱码或通用名就用我们自定义的文件名逻辑。监听下载事件失败如果点击后没有触发download事件可能是网站通过新窗口或直接数据流返回文件。这时需要监听网络响应并手动读取响应体保存但这更复杂。6.4 网站反自动化检测症状脚本运行几次后网站返回验证码、拒绝服务或页面行为异常。解决降低请求频率在每张图片处理之间增加随机延迟time.sleep(random.uniform(2, 5))模拟人类操作的不确定性。模拟更真实的行为在操作前随机移动鼠标page.mouse.move(x, y)或在输入前增加短暂的延迟。使用更真实的浏览器上下文设置完整的user_agent视窗大小甚至加载一些常见的浏览器扩展信息通过context.add_init_script注入。轮换IP地址高级如果处理量极大可以考虑使用代理IP池。但这通常超出了个人项目的范畴且需谨慎评估法律和道德风险。6.5 内存泄漏与进程卡死症状脚本运行一段时间后速度变慢最终卡死或无响应。排查长时间运行Playwright脚本如果页面未正确关闭或资源未释放可能导致内存累积。解决定期清理。每处理N张图片后关闭当前页面并新建一个。if current_index % 50 0: logger.info(处理50张图片清理页面释放内存...) page.close() page context.new_page() page.goto(IMAGESTOOL_URL) page.wait_for_load_state(networkidle)确保所有打开的弹出页popup都被正确关闭。最终脚本退出时确保调用browser.close()。7. 脚本扩展与进阶应用基础版本已经能解决大部分问题但我们可以让它变得更强大、更智能。7.1 集成到自动化工作流如n8n这个脚本本身是一个独立的Python程序。你可以很容易地把它集成到更大的自动化工作流中比如使用n8n、Zapier或Make。作为命令行工具将脚本改造成接受命令行参数如输入目录、输出目录、质量参数等。这样n8n的“执行命令”节点就可以调用它。# 使用argparse解析命令行参数 import argparse parser argparse.ArgumentParser(description批量转换图片为AVIF) parser.add_argument(--input, -i, default./input, help输入目录) parser.add_argument(--output, -o, default./output, help输出目录) parser.add_argument(--quality, -q, typeint, default75, helpAVIF质量 (0-100)) args parser.parse_args() # 然后在脚本中使用 args.input, args.output, args.quality作为API服务使用Flask或FastAPI将脚本包装成一个简单的HTTP API。n8n可以通过HTTP请求节点触发转换任务并接收处理结果。这对于需要从云端触发处理的场景非常有用。7.2 添加元数据保留功能AVIF格式支持保留EXIF、XMP等元数据如拍摄日期、相机型号、GPS位置。但并非所有在线转换工具都默认保留。需求分析如果你需要保留元数据首先需要确认ImagesTool是否有相关选项通常是一个“保留元数据”的复选框。在脚本中找到并勾选这个选项。备选方案如果在线工具不支持一个更专业的本地方案是使用libavif的编码器通过pyavif库或ImageMagick。这需要本地安装复杂的依赖但控制粒度更细可以确保元数据无损转换。这可以作为在线方案失效时的后备计划。7.3 结果校验与报告生成处理完成后你肯定想知道效果如何。生成处理报告在脚本最后遍历输出文件夹统计处理成功的文件数、失败的文件数、总耗时并计算平均压缩率。import pandas as pd report_data [] for img_in, img_out in processed_pairs: # 需要记录原始和输出文件的对应关系 size_in img_in.stat().st_size size_out img_out.stat().st_size compression_ratio (size_in - size_out) / size_in * 100 report_data.append({ 文件名: img_in.name, 原始大小(KB): round(size_in/1024, 2), AVIF大小(KB): round(size_out/1024, 2), 压缩率(%): round(compression_ratio, 2), 状态: 成功 }) df pd.DataFrame(report_data) df.to_csv(./logs/processing_report.csv, indexFalse) logger.info(f\n处理报告已生成:\n{df.describe()})视觉对比对于重要的图片可以写一个简单的HTML页面将原图和AVIF图并排显示方便肉眼对比画质损失。7.4 监控与通知对于长时间运行的任务你不可能一直守着终端。桌面通知使用plyer或win10toast库在任务开始、结束或出错时发送桌面通知。邮件/消息通知任务完成后通过SMTP发送邮件或调用企业微信、钉钉、Slack的Webhook将处理报告发送给你。整个项目从构思到实现最深的体会是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。这个脚本一次性编写和调试可能需要几个小时但它能为你未来节省数十甚至数百小时。更重要的是它提供了一个可复用的模式——任何有规律、重复性的在线操作都可以尝试用Playwright这样的工具将其自动化。下次当你面对一个需要重复点击的网页任务时不妨先停下来想想“能不能写个脚本让它自己跑”