🤖 自动化 & AI 视觉 · 实战目录
📚 30章 完整版
v1.0
1
自动化工具概览
Selenium / Playwright / Puppeteer 对比，AI视觉引入价值
2
环境搭建
Python环境、Selenium安装、ChromeDriver/GeckoDriver配置
3
第一个自动化脚本
打开/访问/关闭浏览器，WebDriver核心概念
4
元素定位基础
ID、Name、Class、Tag Name定位实战
5
元素定位进阶
CSS选择器、XPath语法详解与性能对比
6
元素操作
点击、输入、清空、提交表单，异常处理
7
浏览器控制
窗口大小、前进后退、刷新、截图、页面信息
8
等待机制
强制/隐式/显式等待，WebDriverWait最佳实践
9
多元素操作
find_elements、列表遍历、批量操作技巧
10
鼠标与键盘事件
ActionChains悬停、拖拽、右键、组合键
11
弹窗与多窗口处理
Alert/Confirm/Prompt弹窗，窗口句柄切换
12
Frame与Iframe处理
切入切出、嵌套Frame定位、实战案例
13
文件上传与下载
input/非input上传，AutoIT，下载配置
14
Cookie操作
获取/添加/删除Cookie，绕过登录
15
JavaScript执行
execute_script滚动、修改属性、高亮元素
16
数据采集实战
动态渲染页面爬取，Pandas保存数据
17
自动化测试框架
unittest/pytest集成，HTMLTestRunner/Allure报告
18
Page Object模式
设计模式、BasePage封装、Page类编写
19
AI视觉识别入门
OpenCV基础，Tesseract OCR安装使用
20
图像预处理
灰度化、二值化、降噪、边缘检测，提升OCR
21
OCR文字识别
Pytesseract提取文字，中文优化，验证码识别
22
模板匹配
OpenCV matchTemplate图像定位，点击图标
23
Selenium+OCR结合
截图OCR识别页面文字，动态元素定位
24
Selenium+OpenCV结合
截图匹配坐标，模拟点击Canvas/Flash
25
复杂验证码处理
滑块缺口识别(边缘检测+轮廓)，模拟拖拽
26
点选验证码破解
OCR识别文字坐标，Selenium点击对应位置
27
AI模型辅助
深度学习YOLO/SSD目标检测定位元素(高级)
28
性能优化
无头模式、加载策略、并行执行、资源释放
29
反爬与反检测
User-Agent伪装、代理IP、指纹规避
30
综合项目实战
自动登录电商，AI识别商品，自动下单流程