SuperAPI AI 工具集

browser

编程与开发

查看项目

更新于 10-16 04:58

技能介绍

用途:通过 QwenPaw 内置 Browser SDK,用异步 Python 驱动真实浏览器完成网页操作。工作方式是“感知—操作—再感知验证”的循环,只陈述本轮实际观察到的事实。

主要能力:Browser.connect(identity) 连接身份(auto/user/avatar/guest);browser.open(url) 打开或复用页面;page.snapshot(query) 读取页面文本,传 query 时返回 match_count;current_surface() 返回 url、title、load_state;还可列出、切换、关闭页面,session_status() 查看会话状态。定位支持 get_by_role/get_by_text/get_by_label/get_by_placeholder/locator(CSS)/frame_locator,并对 locator 提供点击、填写、输入、按键、勾选、选择、悬停、滚动、等待、截图、bounding_box 等操作。另有 page.mouse.click(x,y)、page.keyboard.press(key) 的坐标与键盘输入,screenshot() 输出 PNG 路径。

使用方式:先 await Browser.connect(),再 browser.open(url),用 snapshot() 读取内容,选取定位器执行动作,然后再次 snapshot() 验证;会话有状态,连接一次并复用变量。定位失败时按语义定位→CSS→坐标的顺序降级,坐标前优先用 bounding_box()。

适用场景:需要真实浏览器交互的页面读取、表单填写与点击验证等任务。

限制:这是 QwenPaw 自有 SDK,非 Playwright,API 以文档所列为准;get_by_* / locator 仅覆盖 Playwright 定位器的一部分,元素须唯一,不支持 element_handle 与原始 CDP。chrome/cdp 后端的可访问名称是启发式匹配,strict 模式更易报错;is_enabled() 只看 disabled 属性;press() 仅支持固定按键集;type() 直接赋值并触发 input 事件,依赖逐键事件的编辑器可能无反应,宜优先 fill()。wait_for_load_state("networkidle") 在 CDP 类后端降级为 readyState 完成加固定 500ms 等待,不追踪在途请求。chrome 后端与用户共用身份(cookie、登录、存储),不能依赖会话级身份隔离。登录、验证码、2FA 等人类专属步骤必须调用 await browser.handoff(reason, instructions) 并停止,不得自动化;浏览器未完成时不得用其他来源数据冒充浏览器结果。