如何用Python+Selenium在WhatsApp Web中选择图片文件发送？

我想用Python+Selenium给WhatsApp联系人发送文本和图片，文本功能已经实现，但发送图片时卡在文件选择环节。能点击加号、选择“照片和视频”选项，但弹出系统文件选择窗口后，无法将文件路径输入到窗口中选中目标文件。我使用的是Ubuntu系统，手动通过Ctrl+V粘贴路径再回车可以选中文件，之后就能点击发送，但脚本中的输入总是发送到运行脚本的终端或Emacs窗口，而非文件选择窗口。要求必须使用Selenium完成，不能使用WhatsApp API。

现有代码 #

from selenium import webdriver
from selenium.common.exceptions import NoSuchElementException
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.firefox.service import Service
import time
import pyautogui

service = Service(log_path = "log.log")

driver = webdriver.Firefox(service = service)

driver.get("https://web.whatsapp.com")

print("Scan QR Code, And then Enter")
input()
print("Logged In")

contacts = ["John Doe", "Mary Jane"]

text = """This text works"""

file_path = "/home/xyz/Downloads/abcdef.jpeg"

for contact in contacts:

    input_box_search = driver.find_element(By.XPATH, "/html/body/div[1]/div/div/div[4]/div/div[1]/div/div/div[2]/div/div[1]")

    input_box_search.click()
    time.sleep(2)

    for i in contact:
        input_box_search.send_keys(i)
        time.sleep(0.05)

    selected_contact = driver.find_element(By.XPATH, "//span[@title='"+contact+"']")
    selected_contact.click()

    inp_xpath = "/html/body/div[1]/div/div/div[5]/div/footer/div[1]/div/span[2]/div/div[2]/div[1]/div/div[1]"
    input_box = driver.find_element(By.XPATH, inp_xpath)
    time.sleep(2)

    input_box.click()

    for i in text:
        input_box.send_keys(i)
        time.sleep(0.05)

    input_box.send_keys(Keys.ENTER)

    time.sleep(2)

    add_sign = driver.find_element(By.XPATH, "/html/body/div[1]/div/div/div[5]/div/footer/div[1]/div/span[2]/div/div[1]/div[2]/div/div")
    add_sign.click()
    time.sleep(1)

    photo_icon = driver.find_element(By.XPATH, "/html/body/div[1]/div/div/div[5]/div/footer/div[1]/div/span[2]/div/div[1]/div[2]/div/span/div/ul/div/div[2]/li/div/span")
    photo_icon.click()

    ### This one fails. So does keyboard
    pyautogui.typewrite(file_path)

    send_icon = driver.find_element(By.XPATH, "/html/body/div[1]/div/div/div[3]/div[2]/span/div/span/div/div/div[2]/div/div[2]/div[2]/div/div")
    send_icon.click()

driver.quit()

已尝试方案 #

• 查阅过Stack Overflow相关问题，包括puppeteer、JavaScript、Flutter的实现方案，但均依赖WhatsApp API，不符合需求
• 尝试过pyautogui.typewrite(file_path)和keyboard.press_and_release(file_path)，但按键输入被发送到运行脚本的终端或Emacs窗口，而非文件选择窗口

解决方案 #

方案1：确保文件选择窗口获得焦点（适配Ubuntu系统） #

点击照片图标后，等待系统弹出文件选择窗口，通过pyautogui定位并激活窗口，再输入路径：

# 替换原代码中photo_icon.click()之后的部分
photo_icon.click()
# 等待窗口加载完成
time.sleep(2)
# 定位Ubuntu文件选择窗口（标题通常为“打开”）
windows = pyautogui.getWindowsWithTitle("打开")
if windows:
    windows[0].activate()
    # 输入文件路径
    pyautogui.typewrite(file_path)
    # 按回车确认选择
    pyautogui.press('enter')
    # 等待文件加载后点击发送
    time.sleep(3)
    send_icon = driver.find_element(By.XPATH, "/html/body/div[1]/div/div/div[3]/div[2]/span/div/span/div/div/div[2]/div/div[2]/div[2]/div/div")
    send_icon.click()

方案2：直接使用Selenium文件上传API（更稳定） #

WhatsApp Web的文件选择功能本质是隐藏的<input type="file">元素，可直接定位该元素并发送文件路径，绕开系统文件选择窗口：

# 替换原代码中add_sign.click()到send_icon.click()的全部内容
# 定位隐藏的文件上传input元素
file_input = driver.find_element(By.XPATH, "//input[@accept='image/*,video/mp4,video/3gpp,video/quicktime']")
# 直接传入文件路径
file_input.send_keys(file_path)
# 等待文件加载完成
time.sleep(3)
# 点击发送按钮
send_icon = driver.find_element(By.XPATH, "/html/body/div[1]/div/div/div[3]/div[2]/span/div/span/div/div/div[2]/div/div[2]/div[2]/div/div")
send_icon.click()

内容的提问来源于stack exchange，提问作者PavoDive