企业官网建设流程全解析

本篇复用上一篇sync.py的get_json()与sync.db：先查询数据库中未完成的order_id，仅把 API 无法覆盖的授权动作交给browser_flow.py，下载结果再以同一业务键回写。上一章的同步库就是本篇任务队列。只有客户拥有页面操作权限时才使用浏览器，凭据不写进源码，也不用固定休眠假装稳定。

一、把登录与业务动作拆开

下面以 Playwright 同步 API 为例。首次由客户在可见浏览器中完成登录，脚本只保存会话状态；状态文件必须加入忽略规则并限制权限。

from__future__importannotationsfrompathlibimportPathfromplaywright.sync_apiimportsync_playwright STATE=Path(".local/session.json")STATE.parent.mkdir(exist_ok=True)defauthorize()->int:try:withsync_playwright()asp:browser=p.chromium.launch(headless=False)context=browser.new_context()page=context.new_page()page.goto("https://example.test/login",wait_until="domcontentloaded")input("完成授权登录后按回车：")context.storage_state(path=str(STATE))browser.close()exceptExceptionasexc:print(f"authorize_failed type={type(exc).__name__}")return2STATE.chmod(0o600)print(f"state_saved path={STATE}")return0if__name__=="__main__":raiseSystemExit(authorize())

运行输出：

state_saved path=.local/session.json

业务脚本使用storage_state，若被重定向回登录页就停止并提示重新授权，不在日志中打印 Cookie。

二、等待业务结果而不是等待秒数

importhashlibimportsqlite3withsync_playwright()asp:browser=p.chromium.launch()context=browser.new_context(storage_state=str(STATE))page=context.new_page()withsqlite3.connect("sync.db")asdb:tasks=db.execute("select id from items where export_sha256 is null order by id").fetchall()for(order_id,)intasks:page.goto(f"https://example.test/tasks/{order_id}")withpage.expect_download()aspending:page.get_by_role("button",name="导出").click()target=Path("downloads")/f"{order_id}.pdf"target.parent.mkdir(exist_ok=True)pending.value.save_as(target)digest=hashlib.sha256(target.read_bytes()).hexdigest()db.execute("update items set export_sha256=? where id=?",(digest,order_id))print(f"order_id={order_id}sha256={digest[:12]}")browser.close()

输出示例：

order_id=A-1042 sha256=83da2f4c0a71

三、失败时保留最小证据

为每次任务生成独立目录，只在失败时保存截图、当前 URL、步骤名与脱敏日志。页面结构变化应让定位器明确失败，不要用坐标点击绕过问题。

四、为什么等待条件必须对应业务事实

固定休眠只能说明时间过去了，不能说明导出完成。页面可能在一秒内完成，也可能十秒后仍在排队；固定五秒既浪费快请求，又误判慢请求。expect_response把等待绑定到导出接口，下载场景还可绑定expect_download，最后校验状态码、文件名和内容摘要。等待对象越接近验收事实，偶发失败越少。

登录态文件相当于钥匙，而不是普通缓存。它可能包含 Cookie 和本地存储令牌，所以必须放在版本库外、限制权限、设置有效期并允许客户撤销。脚本检测到重定向登录页时应停止，不能自动尝试未知凭据。记忆点是：浏览器自动化等待证据，不等待秒数；保存钥匙，不保存密码。

五、失败证据也有最小化原则

截图、URL、步骤名、业务键和脱敏错误足以定位大多数页面变化。默认保存完整 HTML 可能带入个人信息，录制所有网络请求可能泄漏令牌，因此只有客户授权且确有需要时才扩大证据范围。证据目录按任务键隔离，并为保留期限设置清理规则。

验收时故意让会话过期、按钮改名和导出返回 500，确认三种故障分别落到授权、定位和服务端类别。成功下载的文件摘要回写sync.db，使重复运行跳过已完成业务键。下一篇将读取这张表和浏览器结果，生成确定性的日报任务。

定位器也属于业务契约。优先使用角色、可访问名称或稳定测试属性，因为它们描述“导出按钮”这一语义；易变的层级 CSS 和屏幕坐标只描述当前布局。若页面出现两个同名按钮，代码应缩小到明确区域并断言唯一性，让歧义尽早失败。自动猜第一个元素虽然能暂时运行，却可能在页面改版后操作错误订单。

下载结束后还要验证文件，而不是看到浏览器事件就宣布成功。检查文件非空、扩展名与响应类型匹配，计算摘要并以临时名落盘，最后原子改名。数据库回写放在文件确认之后；进程提前退出时，旧任务仍会重试，摘要则阻止重复文件污染。这样浏览器层继续遵守前几篇建立的“结果可追溯、失败可恢复”契约。

📌 本文把浏览器流程拆成客户授权登录、语义动作和失败证据，避免凭据泄漏与固定休眠带来的不稳定。

💬 你的网页流程更容易卡在登录过期、动态元素、下载文件还是结果确认？

👉 关注《Python 自动化接单实战》，下一篇继续把多个数据源汇总成可定时运行的报告任务。

参考来源

• Dev.to｜6 Open Source Tools That Give You the Web Back
• Hacker News｜Removing React.js and adapting htmx