drissionpage-ai

⚠️ 本项目基于 DrissionPage（作者 g1879）二次开发，在原版基础上新增了 AI 能力。版权归原作者所有，本项目遵循原版 LICENSE（仅限个人学习与非盈利用途，商用需获得 g1879 授权）。

在 DrissionPage 之上提供自然语言驱动的浏览器自动化：

• aiLocate(target) — 用自然语言描述定位元素（视觉模型 + 截图）
• aiTap(target) / aiInput(target, text) / aiTapAt(bbox) — AI 定位后直接操作，支持模型原生坐标点击
• aiQuery(prompt) / aiAsk(prompt) — 用自然语言从页面提取结构化数据
• aiAct(prompt, options={'max_turns': 20}) — ReAct 循环智能体，自主观察截图、点击、输入，完成多步任务

安装

pip install drissionpage-ai

注意：本包与原版 DrissionPage 提供同名模块，二者不可共存，安装前请先 pip uninstall DrissionPage。

AI 模型配置

支持任意 OpenAI 兼容端点（OpenAI、DashScope、ARK 等），通过环境变量配置：

export OPENAI_API_KEY="sk-..."
export OPENAI_BASE_URL="https://api.openai.com/v1"   # 可选，使用openai兼容格式的api即可，测试火山引擎agent plan，kimi，阿里token plan均可
export OPENAI_MODEL="gpt-4o"                          # 可选，默认 gpt-4o-mini，建议使用具备视觉能力的模型,测试使用seed 2.1 tubor，kimi k3，qwen3.8max均可

可选调优变量：DP_AI_TIMEOUT（默认 90）、DP_AI_TEMPERATURE（默认 0）、DP_AI_MAX_TOKENS（默认 1200）、DP_AI_DEBUG_DIR（AI 调试截图/日志输出目录）。

快速上手

from DrissionPage import ChromiumPage

page = ChromiumPage()
page.get('https://example.com')

# 自然语言点击：AI 看截图定位并点击
page.aiAct('点击"登录"按钮，在账号输入框输入 demo_user')

# 或者分步操作
page.aiInput('账号输入框', 'demo_user')

运行 demo

仓库根目录附了几个真实场景 demo（B 站登录、DeepSeek 登录等）。模型配置通过 .env 文件提供：

cp .env.example .env
# 编辑 .env，填入 OPENAI_API_KEY / OPENAI_BASE_URL / OPENAI_MODEL
# （.env.example 注释里有 qwen / kimi / seed 三个平台的参考配置）
python bilibili_demo-qwen.py

demo 里的 prepare_*_env() 通过 demo_env.py 把 .env 加载为环境变量。.env 已被 gitignore，不会被提交；仓库里的 .env.example 是模板。

以下为 DrissionPage 原版 README

✨️ 概述

DrissionPage 是一个基于 python 的网页自动化工具。

它既能控制浏览器，也能收发数据包，还能把两者合而为一。

可兼顾浏览器自动化的便利性和 requests 的高效率。

它功能强大，内置无数人性化设计和便捷功能。

它的语法简洁而优雅，代码量少，对新手友好。

官方网站：https://DrissionPage.cn

项目地址：gitee | github | gitcode

您的星星是对我最大的支持💖

支持系统：Windows、Linux、Mac

python 版本：3.6 及以上

支持浏览器：Chromium 内核浏览器(如 Chrome 和 Edge)，electron 应用

🛠 如何使用

📖 使用文档： 点击查看

交流 QQ 群： 见使用文档

💡 理念

简洁而强大！

☀️ 特性和亮点

作者经过长期实践，踩过无数坑，总结出的经验全写到这个库里了。

🎇 强大的自研内核

本库采用全自研的内核，内置无数实用功能，对常用功能作了整合和优化，对比 selenium，有以下优点：

• 不基于 webdriver
• 无需为不同版本的浏览器下载不同的驱动
• 运行速度更快
• 可以跨 iframe 查找元素，无需切入切出
• 把 iframe 看作普通元素，逻辑更清晰
• 可同时操作多个标签页，无需切换
• 可以直接读取浏览器缓存保存图片，无需用 GUI 点击另存
• 可以对整个网页截图，包括视口外的部分
• 可处理非open状态的 shadow-root

🎇 亮点功能

除了以上优点，本库还内置了无数人性化设计。

• 极简的定位语法，查找元素更加容易
• 集成大量常用功能，代码更优雅，功能强大稳定
• 无处不在的等待和自动重试，使不稳定的网络变得易于控制，程序更稳定，编写更省心
• 提供强大的下载工具，操作浏览器时也能享受快捷可靠的下载功能
• 允许反复使用已经打开的浏览器，无需每次运行从头启动浏览器，调试方便
• 使用 ini 文件保存常用配置，自动调用，提供便捷的设置，远离繁杂的配置项
• 内置 lxml 作为解析引擎，解析速度成几个数量级提升
• 使用 POM 模式封装，可直接用于测试，便于扩展
• 高度集成的便利功能，从每个细节中体现
• 还有很多细节，这里不一一列举，欢迎实际使用中体验：D

📝 使用条款

允许任何人以个人身份使用或分发本项目源代码，但仅限于学习和合法非盈利目的。 个人或组织如未获得版权持有人授权，不得将本项目以源代码或二进制形式用于商业行为。

使用本项目需满足以下条款，如使用过程中出现违反任意一项条款的情形，授权自动失效。

• 禁止将DrissionPage应用到任何可能违反当地法律规定和道德约束的项目中
• 禁止将DrissionPage用于任何可能有损他人利益的项目中
• 禁止将DrissionPage用于攻击与骚扰行为
• 遵守Robots协议，禁止将DrissionPage用于采集法律或系统Robots协议不允许的数据

使用DrissionPage发生的一切行为均由使用人自行负责。 因使用DrissionPage进行任何行为所产生的一切纠纷及后果均与版权持有人无关， 版权持有人不承担任何使用DrissionPage带来的风险和损失。 版权持有人不对DrissionPage可能存在的缺陷导致的任何损失负任何责任。