我想做以下事情。登录网站，单击几个特定链接，然后单击下载链接。我想将此作为 Windows 上的计划任务或 Linux 上的 cron 作业运行。我对我使用的语言并不挑剔，但如果可能的话，我希望在不将浏览器窗口放在屏幕上的情况下运行它。
【问题讨论】：
标签： automation headless-browser webautomation
以下是我所知道的无头浏览器列表：
通过模拟 DOM 支持 JavaScript 的无头浏览器通常会在某些使用更高级/晦涩的浏览器功能或具有视觉依赖性的功能（例如通过 CSS 位置等）的网站上存在问题，因此虽然纯 JavaScript这些浏览器的支持通常是完整的，实际支持的浏览器功能应该被认为只是部分的。
（注意：这篇文章的原始版本只提到了 HtmlUnit，因此提到了 cmets。如果您知道其他无头浏览器实现并具有编辑权限，请随时编辑这篇文章并添加它们。）
【讨论】：
查看twill，这是一种非常方便的脚本语言，可以准确地满足您的需求。来自examples：
setlocal username <your username>
setlocal password <your password>
go http://www.slashdot.org/
formvalue 1 unickname $username
formvalue 1 upasswd $password
submit
code 200 # make sure form submission is correct!
如果您正在寻找更大的灵活性，还有一个Python API。
【讨论】：
查看PhantomJS，这是一个基于 JavaScript 的自动化框架，可用于 Windows、Mac OS X、Linux 和其他 *ix 系统。
使用 PhantomJS，您可以执行以下操作：
console.log('Loading a web page');
var page = new WebPage();
var url = "http://www.phantomjs.org/";
page.open(url, function (status) {
// perform your task once the page is ready ...
phantom.exit();
});
或者评估一个页面的标题：
var page = require('webpage').create();
page.open(url, function (status) {
var title = page.evaluate(function () {
return document.title;
});
console.log('Page title is ' + title);
});
来自PhantomJS' Quickstart 页面的示例。您甚至可以使用render() 方法将页面呈现为PNG、JPEG 或PDF。
【讨论】：
我曾经使用 Internet Explorer ActiveX 控件（WebBrowser、MSHTML）做到这一点。您可以在不使其可见的情况下实例化它。
这可以使用任何支持 COM 的语言来完成（Delphi、VB6、VB.net、C#、C++、...）
当然，这是一个快速而肮脏的解决方案，可能不适合您的情况。
【讨论】：
PhantomJS 是一个基于 WebKit 的无头浏览器，您可以使用 JavaScript 编写脚本。
【讨论】：
除了文件的自动下载（因为那是一个对话框），带有嵌入式 web 控件的 win 表单会执行此操作。
您可以查看Watin 和Watin Recorder。它们可能会帮助 C# 代码登录到您的网站、导航到 URL，甚至可能帮助自动下载文件。
YMMV。
【讨论】：
如果链接是已知的（例如，您不必在页面上搜索它们），那么您可能可以使用wget。我相信它会跨多个提取进行状态管理。
如果你更有进取心，那么我会在Python 3.0 中深入研究新的好东西。他们重做了 HTTP 堆栈的接口，恕我直言，他们有一个very nice interface，容易受到这种类型的脚本的影响。
【讨论】：
服务器上带有 YUI 的 Node.js。观看此视频：http://www.yuiblog.com/blog/2010/09/29/video-glass-node/
这个视频中的人 Dav Glass 展示了他如何使用节点从 Digg 获取页面的示例。然后，他将 YUI 附加到他抓取的 DOM 上，并且可以完全操纵它。
【讨论】：
如果你使用 PHP - 试试http://mink.behat.org/
【讨论】：
您还可以使用 Live Http Headers（Firefox 扩展）记录发送到站点（登录 -> 链接 -> 下载链接）的标题，然后使用 fsockopen 将它们复制到 php 中。您可能需要更改的唯一内容是您从登录页面收到的 cookie 值。
【讨论】：
libCURL 可以用来创建类似的东西。
【讨论】：
你不能只使用下载管理器吗？
有更好的，但 FlashGet 具有浏览器集成，并支持身份验证。您可以登录，单击一堆链接并将它们排队并安排下载。
您可以编写一些东西，例如，充当代理，捕获特定链接并将它们排队以供以后下载，或者修改链接以转到 "http://localhost:1234/download_queuer?url=" + $link.href 并让下载排队的 Javascript 小书签 - 但您会正在重新发明下载管理器轮子，并且通过身份验证可能会更复杂..
或者，如果您希望“登录，单击链接”位也自动化 - 查看 screen-scraping.. 基本上您通过 HTTP 库加载页面，找到下载链接并下载它们..
稍微简化的示例，使用 Python：
import urllib
from BeautifulSoup import BeautifulSoup
src = urllib.urlopen("http://%s:%s@example.com" % ("username", "password"))
soup = BeautifulSoup(src)
for link_tag in soup.findAll("a"):
link = link_tag["href"]
filename = link.split("/")[-1] # get everything after last /
urllib.urlretrieve(link, filename)
在使用“用户名”和“密码”的用户名/密码进行身份验证后，它将下载 example.com 上的每个链接。当然，您可以使用BeautifulSoup's HTML 选择器找到更具体的链接（例如，您可以找到所有具有“下载”类的链接，或以http://cdn.example.com 开头的 URL）。
你几乎可以用任何语言做同样的事情..
【讨论】：
.NET 包含System.Windows.Forms.WebBrowser。您可以创建一个实例，将其发送到 URL，然后轻松解析该页面上的 html。然后你可以点击你找到的任何链接，等等。
我只使用过这个对象，所以我不是专家，但如果您已经熟悉 .NET，那么它可能值得研究。
【讨论】：