Python如何不借助Selenium实现普通浏览器的控制操作？

该需求完全可实现，主流方案均基于浏览器原生能力开发，无需依赖Selenium相关组件，具体实现方式如下：

方案1：基于浏览器原生CDP（Chrome DevTools Protocol）开发 #

这是目前功能最完整、稳定性最高的无Selenium控制方案，所有Chromium内核浏览器（Chrome、Edge、Brave等）、Firefox 86及以上版本均原生支持该协议。
操作步骤：

• 给目标浏览器启动命令添加远程调试参数，例如Chrome启动时添加 --remote-debugging-port=9222，启动后浏览器会在本地9222端口暴露调试服务
• 直接通过HTTP、WebSocket请求和调试端口交互，即可实现导航页面、执行网页JS、模拟点击输入、获取页面元素、拦截请求等所有Selenium支持的操作
• 不同编程语言均有封装好的CDP客户端可以直接调用：Python可以用 pyppeteer，Go可以用 chromedp，Node.js可以用 puppeteer

方案2：调用浏览器原生自动化接口 #

部分浏览器内置了原生自动化驱动，无需Selenium的封装层即可直接调用：

• 微软Edge内置原生WebDriver2接口，启动时添加对应参数即可直接调用
• Safari开启开发菜单中的「允许远程自动化」选项后，可直接调用系统内置的Safari Driver实现控制，不需要额外引入Selenium依赖

方案3：调用系统级UI自动化接口 #

如果仅需要实现启动浏览器、打开指定页面、模拟键鼠输入等简单操作，可以直接用系统原生UI自动化能力实现：

• Windows平台可以调用 UIAutomation 接口，Python环境下可以用 pywinauto、pyautogui 库实现
• macOS平台可以通过 AppleScript 或者 AXUIElement 相关接口实现
• Linux平台可以用 xdotool 命令实现窗口控制、模拟键鼠操作

注意事项 #

如果需要控制浏览器访问复杂网页、执行页面JS、处理跨域逻辑等操作，优先选择CDP相关方案，不会受窗口位置、分辨率等环境因素影响，稳定性远高于系统UI自动化方案。

内容的提问来源于stack exchange，提问作者Newby