基于语音指令的Python浏览器滚动方案咨询：无需启动新浏览器

方案1：PyAutoGUI + 语音识别（跨平台，简单易实现） #

这个方案通过模拟键盘按键或系统滚动操作控制浏览器，无需和浏览器内核直接交互，适用于任何已打开的浏览器窗口。

步骤1：安装依赖

pip install pyautogui speechrecognition pyaudio

（注：Windows环境下若PyAudio安装失败，可先执行pip install pipwin && pipwin install pyaudio）

步骤2：核心代码实现

import pyautogui
import speech_recognition as sr

def listen_command():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("等待指令...")
        audio = r.listen(source)
    try:
        command = r.recognize_google(audio, language='zh-CN').lower()
        print(f"识别到指令: {command}")
        return command
    except sr.UnknownValueError:
        print("无法识别语音，请重试")
        return None
    except sr.RequestError:
        print("语音服务不可用")
        return None

def control_scroll(command):
    # 可选：自动激活浏览器窗口（以Chrome为例）
    # chrome_windows = pyautogui.getWindowsWithTitle("Chrome")
    # if chrome_windows:
    #     chrome_windows[0].activate()
    
    if "向下滚动" in command:
        # 两种滚动方式可选：模拟PageDown键或指定像素滚动
        pyautogui.press('pagedown')
        # pyautogui.scroll(-100)  # 负数对应向下滚动，数值控制幅度
    elif "向上滚动" in command:
        pyautogui.press('pageup')
        # pyautogui.scroll(100)

if __name__ == "__main__":
    while True:
        cmd = listen_command()
        if cmd:
            control_scroll(cmd)
            # 添加退出指令，识别到即终止程序
            if "退出" in cmd:
                break

方案2：Chrome远程调试接口（精准控制） #

如果需要更精细化的滚动控制（比如获取当前滚动位置、滚动到指定元素），可以通过Chrome的远程调试接口连接已打开的浏览器窗口：

步骤1：开启Chrome远程调试

右键Chrome快捷方式，在目标栏末尾添加参数 --remote-debugging-port=9222，保存后重启Chrome。

步骤2：安装依赖

pip install selenium webdriver-manager

步骤3：连接浏览器并控制滚动

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import speech_recognition as sr

def connect_chrome():
    chrome_options = Options()
    chrome_options.add_experimental_option("debuggerAddress", "127.0.0.1:9222")
    driver = webdriver.Chrome(options=chrome_options)
    return driver

def listen_command():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("等待指令...")
        audio = r.listen(source)
    try:
        command = r.recognize_google(audio, language='zh-CN').lower()
        print(f"识别到指令: {command}")
        return command
    except sr.UnknownValueError:
        print("无法识别语音，请重试")
        return None
    except sr.RequestError:
        print("语音服务不可用")
        return None

def control_scroll(driver, command):
    if "向下滚动" in command:
        # 执行JS代码滚动指定像素（500为示例，可调整）
        driver.execute_script("window.scrollBy(0, 500);")
    elif "向上滚动" in command:
        driver.execute_script("window.scrollBy(0, -500);")

if __name__ == "__main__":
    driver = connect_chrome()
    while True:
        cmd = listen_command()
        if cmd:
            control_scroll(driver, cmd)
            if "退出" in cmd:
                driver.quit()
                break

该方案优势是能直接操作浏览器DOM，精准控制滚动幅度；缺点是仅支持Chrome，且需提前开启远程调试模式。

注意事项 #

• 方案1中，若浏览器未处于激活状态，可通过pyautogui.getWindowsWithTitle()定位并激活目标窗口。
• 语音识别准确率可通过关键词匹配优化，比如仅响应包含“向上滚动”“向下滚动”的指令。
• macOS/Linux系统下，PyAutoGUI的滚动参数逻辑略有不同，macOS中pyautogui.scroll(10)为向上滚动，pyautogui.scroll(-10)为向下滚动。

内容的提问来源于stack exchange，提问作者helping hand