如何用Python实现网页文件下载自动化及日期选择功能？

核心工具选择 #

静态请求工具（如requests）无法处理页面交互场景，推荐使用Selenium——它能完全模拟真实浏览器操作，完美支持选择框勾选、按钮点击、日期字段填充等交互需求。若嫌ChromeDriver配置麻烦，也可选用playwright（语法更简洁），但Selenium的社区资源更丰富。

分步实现代码示例 #

1. 安装依赖并初始化浏览器 #

先安装必要包：

pip install selenium webdriver-manager

借助webdriver-manager自动管理浏览器驱动，无需手动下载：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from webdriver_manager.chrome import ChromeDriverManager

# 初始化Chrome浏览器（可替换为Firefox、Edge等）
driver = webdriver.Chrome(ChromeDriverManager().install())
driver.get("你的目标页面URL")

2. 定位目标文件并勾选选择框 #

假设页面文件行用tr标签包裹，结构为「文件名td | 选择框td | 日期字段td | 最后更新td」，可按以下逻辑定位：

# 替换为你要下载的目标文件名
target_filename = "2024_q3_sales_data.csv"

# 遍历所有文件行，匹配目标文件
file_rows = driver.find_elements(By.XPATH, "//tr[contains(@class, 'file-item-row')]")  # 需根据页面实际class调整
for row in file_rows:
    current_file = row.find_element(By.XPATH, "./td[1]").text.strip()  # 假设文件名在第一个td
    if current_file == target_filename:
        # 勾选对应选择框（假设选择框在第二个td的input）
        checkbox = row.find_element(By.XPATH, "./td[2]/input[@type='checkbox']")
        if not checkbox.is_selected():
            checkbox.click()
        break

3. 验证最后更新日期并填充字段 #

从目标行提取最后更新日期，验证后填入日期选择框：

# 提取目标行的最后更新日期（假设在第四个td）
last_update = row.find_element(By.XPATH, "./td[4]").text.strip()

# 日期格式验证（示例：校验是否为YYYY-MM-DD格式）
import re
if re.match(r"\d{4}-\d{2}-\d{2}", last_update):
    # 定位日期输入字段（假设在第三个td的input）
    date_input = row.find_element(By.XPATH, "./td[3]/input[@type='date']")
    date_input.clear()
    date_input.send_keys(last_update)

4. 触发下载并清理 #

等待下载按钮可点击后执行点击，完成后关闭浏览器：

# 等待底部下载按钮加载完成并点击
download_btn = WebDriverWait(driver, 10).until(
    EC.element_to_be_clickable((By.XPATH, "//button[contains(text(), '批量下载')]"))  # 需根据按钮实际文本/属性调整
)
download_btn.click()

# （可选）添加下载文件监控逻辑，比如检查指定目录的新文件

# 关闭浏览器
driver.quit()

关键注意事项 #

• 所有元素定位的XPATH/CSS选择器必须匹配目标网站的实际HTML结构，可通过浏览器开发者工具（F12）查看元素属性。
• 若网站有登录、验证码等反爬机制，需先通过Selenium模拟登录，验证码可结合第三方工具处理。
• 日期输入字段的格式要求需与提取的日期格式一致，若不一致可使用datetime模块转换格式。
• 可通过Selenium配置浏览器下载路径，避免找不到下载文件。

内容的提问来源于stack exchange，提问作者Bruno Ramos Martins