DrissionPage 4.1.0.17版本发布:元素操作与错误处理的全面升级
项目简介
DrissionPage是一个基于Python的网页自动化工具库,它结合了浏览器自动化与直接HTTP请求的能力,为开发者提供了灵活高效的网页操作解决方案。该项目特别适合需要同时处理浏览器交互和网络请求的复杂场景,如数据采集、自动化测试等。
版本亮点
1. 元素操作功能增强
本次更新在元素操作方面做了多项改进:
-
新增child_count属性:现在可以直接通过
child_count属性获取元素的子元素数量,无需再通过len()计算子元素列表。这一改进使得代码更加简洁直观。 -
特殊DOM功能增强:
SpecialDOM对象现在能够返回xpath查询的文本或数字结果,解决了之前只能返回元素对象的问题。这对于需要直接获取特殊DOM内文本内容的场景特别有用。 -
元素属性处理优化:
SessionElement的attrs属性现在会返回未处理的链接属性,确保开发者能够获取到原始数据。同时,ChromiumElement的attr()方法参数名从attr改为更语义化的name,提高了代码可读性。 -
iframe内元素坐标修正:修复了在
iframe内的元素屏幕坐标不正确的问题,这对于需要精确定位页面元素的自动化操作至关重要。
2. 设置管理改进
Settings类现在为每个属性都增加了对应的set_****()方法,使得配置管理更加规范和方便。例如,原先可能需要直接修改属性值的操作,现在可以通过专门的设置方法来完成,提高了代码的健壮性和可维护性。
suffixes_list_path配置项更名为更简洁的suffixes_list,这一变更使得配置项命名更加一致和直观。
3. 错误处理机制完善
本次更新对错误处理系统进行了多项改进:
-
新增异常类型:引入了
LocatorError和UnknownError两种新的异常类型,使得错误分类更加细致,便于开发者针对不同情况进行处理。 -
错误类型调整:将
WrongURLError更名为更准确的IncorrectURLError,同时对部分报错类型进行了优化调整,使错误提示更加精准。 -
国际化支持:增加了英文版的报错和提示信息,为国际化使用场景提供了更好的支持。
4. 问题修复
版本修复了多个影响稳定性的问题:
-
修复了隐私模式下
new_tab()方法的异常问题,确保在隐私浏览模式下也能正常创建新标签页。 -
解决了某些情况下执行JavaScript报错的问题,提高了脚本执行的稳定性。
-
修正了设置
suffixes_list时可能出现的问题,确保配置能够正确生效。 -
修复了
SessionPage访问Linux本地路径时的兼容性问题,增强了跨平台支持。
技术价值分析
本次更新从多个维度提升了DrissionPage的实用性和稳定性:
-
开发者体验优化:通过新增属性和方法,减少了开发者需要编写的样板代码,使常见操作更加简洁。错误处理的完善也让调试过程更加高效。
-
功能完整性增强:特别是对SpecialDOM和iframe等复杂场景的支持改进,使得库能够应对更广泛的网页结构。
-
国际化准备:英文错误信息的加入为项目走向国际化社区奠定了基础。
-
底层稳定性提升:多个关键问题的修复显著提高了库在复杂环境下的可靠性。
升级建议
对于正在使用DrissionPage的项目,建议尽快升级到4.1.0.17版本以获取这些改进。升级时需要注意:
-
如果代码中使用了
WrongURLError,需要改为IncorrectURLError。 -
suffixes_list_path配置项需要更名为suffixes_list。 -
使用
ChromiumElement的attr()方法时,参数名应从attr改为name。
这些变更大多可以通过简单的查找替换完成,不会对现有功能造成影响。
DrissionPage持续通过这样的迭代更新,正逐步成为一个功能全面、稳定可靠的网页自动化解决方案,值得开发者关注和使用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00