从Pywin32到Selenium：Python自动化工具选型与实战场景解析

1. Python自动化工具全景概览

第一次接触Python自动化是在2015年，当时需要批量处理上千个Excel文件。手动操作不仅效率低下，还容易出错。尝试用Pywin32写了个脚本后，原本需要3天的工作10分钟就完成了。这种"真香"体验让我彻底迷上了Python自动化。

Python生态中有四大主流自动化工具，各有专长：

• Pywin32：Windows API的直接调用者，适合深度控制Windows系统
• Pywinauto：Windows GUI自动化利器，比Pywin32更友好
• Pyautogui：跨平台的键鼠模拟专家
• Selenium：浏览器自动化的事实标准

这就像修车师傅的工具箱——你不会用扳手去拧螺丝，也不会用螺丝刀去敲钉子。选择对的工具，能让自动化事半功倍。我曾在一个电商项目中同时用到了这四种工具：Selenium采集商品数据，Pyautogui处理图片水印，Pywinauto操作ERP系统，Pywin32调用打印机接口。

2. Pywin32：Windows系统的瑞士军刀

2.1 核心能力解析

Pywin32就像Windows系统的后门钥匙。去年帮银行做RPA项目时，需要操作一个没有API的旧版CS架构系统，正是靠它解决了问题。其三大核心模块是：

• win32api：系统级操作（注册表、服务管理等）
• win32gui：窗口和控件操作
• win32con：Windows常量定义

查找窗口句柄是基础操作。有次我调试一个财务软件，用Spy++发现它的"确定"按钮其实是自定义控件，常规方法根本找不到。最终用这个代码定位到了：

python复制hwnd = win32gui.FindWindow(None, "财务系统V2.3")
button_hwnd = win32gui.FindWindowEx(hwnd, 0, "CustomButtonClass", None)

2.2 实战：银行对账自动化

某次需要自动处理500+个TXT对账单，每个文件要：

1. 用记事本打开
2. 菜单选择"另存为"
3. 修改编码为UTF-8
4. 保存到新目录

完整实现代码：

python复制import win32gui, win32con

# 打开文件
notepad = win32gui.FindWindow("Notepad", None)
win32gui.PostMessage(notepad, win32con.WM_COMMAND, 0x111, 0x0001)  # 打开文件

# 后续菜单操作...

注意：SendMessage和PostMessage的区别在于前者会等待操作完成，后者是异步的。处理慢速应用时要用SendMessage。

3. Pywinauto：Windows GUI自动化首选

3.1 比Pywin32更智能的解决方案

Pywinauto最大的优势是能识别UI元素树。去年自动化一个Delphi开发的客户端时，发现它的backend用"uia"比"win32"识别率高出40%。典型工作流：

python复制from pywinauto import Application

app = Application(backend="uia").start("notepad.exe")
dlg = app.window(title="无标题 - 记事本")
dlg.menu_select("文件->另存为")
dlg["另存为"].set_edit_text("new_file.txt")
dlg["保存(S)"].click()

3.2 企业ERP系统实战

某制造业客户需要把每日生产数据从ERP导出到Excel。系统用WPF开发，控件结构复杂。关键技巧：

1. 用Inspect.exe查看控件属性
2. 发现DataGrid的AutomationId是固定前缀+日期
3. 动态构建定位表达式：

python复制today_grid = app.window(auto_id=f"dataGrid_{datetime.today():%Y%m%d}")

4. Pyautogui：跨平台的最后防线

4.1 当其他工具失效时

遇到过最棘手的案例是个游戏登录器，没有任何标准控件。最终用Pyautogui的图像识别解决了：

python复制import pyautogui

login_btn_pos = pyautogui.locateOnScreen('login_button.png')
pyautogui.click(login_btn_pos)

为了提高识别率，我通常会：

1. 截图时包含部分背景
2. 设置confidence参数（0.8-0.9）
3. 用灰度匹配加速

4.2 自动化测试中的妙用

在UI自动化测试中，经常需要验证界面显示。这个代码可以检查弹窗是否出现：

python复制try:
    assert pyautogui.locateOnScreen('success.png') is not None
    print("测试通过")
except:
    print("测试失败")

5. Selenium：Web自动化的王者

5.1 元素定位最佳实践

做过最复杂的电商爬虫需要处理动态加载、验证码和反爬。总结出几个实用技巧：

1. 优先用CSS选择器：

python复制driver.find_element(By.CSS_SELECTOR, "#loginForm > input.username")

2. XPath备用方案：

python复制driver.find_element(By.XPATH, "//button[contains(text(),'提交')]")

3. 智能等待：

python复制WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.ID, "dynamicContent"))
)

5.2 处理常见Web陷阱

• iframe切换：先定位iframe再操作内容
• 文件上传：直接用send_keys传文件路径
• 新窗口处理：记录window_handles前后变化

6. 工具选型决策树

根据上百个项目的经验，我总结出这个选择流程：

1. 操作对象是浏览器？ → Selenium
2. 需要图像识别？ → Pyautogui
3. Windows原生程序？
   • 标准控件 → Pywinauto
   • 特殊控件 → Pywin32
4. 跨平台需求 → Pyautogui

有个物流项目同时需要操作Web系统和本地客户端，最终方案是Selenium+Pyautogui组合，通过共享cookie实现无缝衔接。

7. 避坑指南

1. 句柄变化问题：窗口最小化后句柄可能改变，解决方法是在操作前先激活窗口
2. 控件识别失败：尝试换backend（win32/uia），或者改用图像识别
3. 执行速度过快：在关键步骤后添加适当延迟
4. 多显示器问题：Pyautogui的坐标是基于主屏幕的，需要做转换

最近遇到个典型案例：某财务软件在虚拟机里运行时，Pywinauto的点击操作总是不生效。最后发现是UI缩放设置导致坐标计算错误，通过调整DPI感知设置解决了问题。