用 WorkBuddy+ Playwright 实现自动化下载中国国际贸易单一窗口出口报关单

本文其实承接了之前的文章（用WorkBuddy 实现一键提取出口报关单），实现了从网站批量下载报关单到提取报关单明细的全流程，完全不需要你再一个个自己点击下载哦。

本文内容较长，只需要代码的可以直接划到末尾~~

提前说在前面，代码内容设置的是直接从【我的应用】这里点击进入，所以要不像我一样这么设置，要么修改代码中的点击元素位置才能跑。除此之外，还需要修改代码中的口令卡密码及PDF下载路径。

在外贸财务工作中，每月至少需要处理几十至上百张出口报关单，原因主要为：

每张报关单包含商品名称、数量、金额、币制等信息，需要与财务系统中的发票逐笔匹配。

根据企业内控及审计要求，出口报关单留存备查，传统做法是：

• 逐张登录”中国国际贸易单一窗口” → 输入查询条件 → 点击查询
• 在结果列表中逐条点击”一键打印” → “预览打印” → 浏览器打印对话框 → 选择保存路径
• 按报关单号命名文件 → 存入归档文件夹

每月重复数十上百次，非常枯燥，并且极易遗漏或重复，因此这篇文章旨在自动化登录网页，批量提取报关单。

整个自动化脚本从打开浏览器到 PDF 保存，分为三大阶段：

┌─────────────────────────────────────────────────────────────┐
│              阶段一：登录（整个运行过程仅执行一次）              │
├─────────────────────────────────────────────────────────────┤
│ ① 打开 https://www.singlewindow.cn                         │
│ ② 点击「登录」→ 切换「卡介质登录」→ 输入卡口令 → 登录          │
│ ③ 点击「业务应用」→「口岸执法申报」→「货物申报」                │
│ ④ 关闭提示弹窗 → 进入「综合查询」→「报关数据查询」             │├─────────────────────────────────────────────────────────────┤
│              阶段二：查询（每批次循环）                        │
├─────────────────────────────────────────────────────────────┤
│ ⑤ 填写 3 个下拉框：企业类别 / 进出口标志 / 是否结关            │
│ ⑥ 填写日期范围（按 7 天一批）                                │
│ ⑦ 点击「查询」按钮                                          │
│ ⑧ 滚动表格容器加载全部结果行                                  │
│ ⑨ 解析表格，提取所有 18 位海关编号                            │
├─────────────────────────────────────────────────────────────┤
│              阶段三：打印（逐条循环）                          │
├─────────────────────────────────────────────────────────────┤
│ ⑩ 逐条：勾选目标行 → 一键打印 → 预览打印                      │
│      → Ctrl+P 打印 → 保存 PDF → 关闭弹窗 → 处理下一条          │
└─────────────────────────────────────────────────────────────┘

登录只执行一次，然后按 7 天为一个批次遍历全月，主要是考虑系统时间跨度最大为7天。

模拟手动填写查询内容，默认设置导出出口报关单，如需导出进口报关单，QUERY_IMPORT_EXPORT_FLAG 可以改为 = “I-进口”

QUERY_ENTERPRISE_TYPE   = "C-报关收发货人"     # 企业类别
QUERY_IMPORT_EXPORT_FLAG = "E-出口"            # 进出口标志
QUERY_IS_CLOSED          = "1-是"              # 是否结关
DOWNLOAD_DIR      = r"填写路径"                #需要改为自己下载路径
MAX_DATE_RANGE_DAYS = 7

codegen 事件监听器 → 在主页面
单一窗口交互元素 → 在 iframe01 内
事件无法穿透 iframe 边界 → codegen 什么都录不到

// autocomplete 监听的是 keydown 事件
$input.on('keydown', function() {
    var value = this.value;          // 获取当前输入值
    $.ajax({ url: '/search', data: { q: value } })  // 用这个值发起AJAX
        .done(function(data) {
             renderDropdown(data);    // 渲染下拉列表
         });
});

而 Playwright 的 fill() 内部实现是：

// fill() 直接设置 value，不触发 keydown
element.value = "C-报关收发货人";
element.dispatchEvent(new Event('input'));
element.dispatchEvent(new Event('change'));

它跳过了 keydown / keyup 事件链，jQuery Autocomplete 的监听回调根本没有被触发。所以：

• 下拉列表没有弹出
• AJAX 搜索没有发起
• 组件内部的”已选择”状态没有更新

根因二：hidden input 的值没有变化（更隐蔽）

单一窗口的 autocomplete 使用了双 input 模式：

<!-- 可见输入框：对用户展示 -->
<input id="etpsCategory1Name" type="text" autocomplete="off">

<!-- 隐藏 input：后端读取的是这个字段的值！ -->
<input id="etpsCategory1" name="etpsCategory1" type="hidden" value="">

fill() 只改变了可见输入框 #etpsCategory1Name 的 value，隐藏 input #etpsCategory1 的值仍然是空字符串。当点击查询时，服务器提交表单读取的是 #etpsCategory1，始终为空，自然查不到数据。

这解释了日志中的矛盾：日志显示”企业类别=报关收发货人”（可见 input 有值），但查询结果始终是 0 条（隐藏 input 为空）。

我尝试了以下方案，全部失败：

核心思路：必须模拟”值被清空 → 键盘输入 → 弹出下拉 → 匹配选项”的完整人工操作流程。

关键改动两处：

同时删除以下不必要的冗余操作：

• 删除 Escape 关闭下拉的逻辑：autocomplete 选中选项后下拉自动消失，无需手动管理
•  删除 is_visible 检查：下拉选项可能被 pointer-events: none 等 CSS 限制，is_visible 检查会误判，改用 force=True 直接点击

最终代码：

# ✅ 正确流程：click(全选，考虑到点击窗口就是默认全选) → Backspace → type(前缀) → iframe 内搜选项 → force click
inp.click()page_obj.wait_for_timeout(200)
inp.press("Control+a")          # 确保全选
page_obj.wait_for_timeout(200)inp.press("Backspace")         # 删除 → 触发 keydown → autocomplete 激活
page_obj.wait_for_timeout(400)

inp.type("C-", delay=80)       # type() 走完整键盘事件链 → AJAX 请求 → 下拉渲染
page_obj.wait_for_timeout(1000)

# 在 iframe 内搜索 li.autocompleter-item
clicked = _click_autocompleter_item(frame_loc, "C-报关收发货人")
if not clicked:
    clicked = _click_autocompleter_item(page_obj, "C-报关收发货人")  # 双域兜底

现象

执行 click() → press("Backspace") → type("C-") 后，下拉列表仍然只显示 A 开头的选项（如”A-报关申报单位”），目标”C-报关收发货人”被隐藏。

原因

F12 检查输入框发现：

<input id="etpsCategory1Name" value="A-报关申报单位" ...>

click() 后 value 仍然是完整文本 A-报关申报单位，Backspace 只删了最后一个字符变为 A-报关申报单。下拉列表基于这个残留值做过滤，自然找不到 C 开头的选项。

浏览器的 click() 行为在不同上下文中不同：

• 被 tab/JS 提前聚焦过的输入框：click() = 光标定位（不会全选）
• 首次加载的输入框：click() 可能全选，也可能不全选

单一窗口的输入框在页面加载后通过 JS 预设了默认值，”A-报关申报单位”，click() 只是把光标放过去，不会全选。

强制 Ctrl+A 全选后再 Backspace，确保彻底清空：

inp.click()
page_obj.wait_for_timeout(200)
inp.press("Control+a")       # 强制全选已有内容
page_obj.wait_for_timeout(200)
inp.press("Backspace")       # 一键删除
page_obj.wait_for_timeout(400)

现象

执行 query_frame.locator("div.fixed-table-body table tbody tr") 时报错

Error: strict mode violation: locator("div.fixed-table-body table tbody tr")
resolved to 9 elements

原因

F12 检查页面 DOM，发现查询结果区域实际上有 9 个 Tab 页签：

Tab: 报关单 | 回执 | 转关回执 | 商品信息 | 集装箱 | 随附单证 | 运输工具 | 保费 | 杂费

每个 Tab 都有一个独立完整的<div class="fixed-table-body"> 和 <table> 结构。当前只激活”报关单”Tab，其余 8 个的 DOM 以 display: none 隐藏——但 DOM 本身是存在的。

Playwright 的 locator() 在 DOM 层级匹配，不管 CSS 是否可见。div.fixed-table-body table tbody tr 在 9 个表格中都存在，匹配到 9 个元素。

Playwright 默认开启 Strict Mode——当 locator 返回多个元素时，直接抛异常，防止”你以为在操作第 1 个但实际可能操作了第 9 个”的隐蔽 bug。

这就是前面说的”hidden 模式”——不是 Playwright 的一种运行模式，而是页面通过 display: none 隐藏了 8 组重复 DOM 结构，在 Strict Mode 下触发了多元素匹配异常。

解决方法

用 .first 限定只取第一个容器（当前激活的”报关单”Tab），然后在该容器内定位表格：

# ✅ 正确：.first 只加在容器上
rows = query_frame.locator("div.fixed-table-body").first.locator("table tbody tr")
row_count = rows.count()

现象

解决了 Strict Mode 后，明明查询结果有 8 条报关单，但脚本只提取了 1 条海关编号。

原因

某次修复中把 .first 写错了位置：

# ❌ 错误：.first 放在了整行选择器的末尾
rows = query_frame.locator("div.fixed-table-body table tbody tr").first
row_count = rows.count()    # 永远 = 1

Playwright 的 .first 会裁剪 Locator 匹配的元素集合，只保留第一个。当 .first 放在整个选择器链末尾时：

locator("... tr").first
→ 匹配到所有表格中的所有 tr 行
→ .first 裁剪为只保留第 1 行
→ 结果是一个只包含 1 个元素的 Locator
→ .count() 永远返回 1

.first 只加在容器上，不加在行选择器上：

# ✅ 正确：.first 限定容器，再在该容器内定位全部行
#         三层选择器结构
#         第一层（容器限定）   第二层（表格）  第三层（行）
rows = query_frame.locator("div.fixed-table-body").first.locator("table tbody tr")
#                              ↑ .first 在这里          ↑ tr 不加 .first
row_count = rows.count()    # 返回真实行数，如 8

这个错误横跨三个函数（scroll_to_load_all、extract_custom_numbers、find_row_by_custom_number），全部需要统一修复。

问题 1 的最终完整代码

def select_dropdown(frame_loc, page_obj, input_id: str, option_text: str):
    """
    下拉框选择 — 完整流程：
    ① Ctrl+A 全选 → Backspace 清空 → 触发 keydown 事件链
    ② type() 输入前缀 → 触发 AJAX → 弹出过滤后的下拉列表
    ③ 在 iframe 内搜索 li.autocompleter-item → force click
    ④ 外层 page 兜底搜索（双域保险）
    """
    inp = frame_loc.locator(f"#{input_id}")
    inp.wait_for(state="visible", timeout=10000)

    # ① Ctrl+A 强制全选 → Backspace 彻底清空
    inp.click()    page_obj.wait_for_timeout(200)
    inp.press("Control+a")
    page_obj.wait_for_timeout(200)
    inp.press("Backspace")
    page_obj.wait_for_timeout(400)

    # ② type() 带 delay，触发完整键盘事件链
    prefix = option_text.split("-")[0] + "-"    # 如 "C-"
    inp.type(prefix, delay=80)
    page_obj.wait_for_timeout(1000)

    # ③ 优先在 iframe 内搜索（下拉渲染在 iframe01 中）
    clicked = _click_autocompleter_item(frame_loc, option_text)
    if not clicked:
        clicked = _click_autocompleter_item(page_obj, option_text)  # 双域兜底


def _click_autocompleter_item(scope, option_text):
    """在指定范围内搜索 autocomplete 下拉选项 → force click"""
    selectors = [
        "li.autocompleter-item",
        "ul.autocompleter-list li",
        "ul.ui-autocomplete li",
    ]

    for sel in selectors:
        items = scope.locator(sel)
        count = items.count()
        if count == 0:
            continue

        # 打印所有选项（INFO 级别日志）
        visible_texts = []
        for i in range(min(count, 20)):
            try:
                text = items.nth(i).text_content(timeout=200).strip()
                if text: visible_texts.append(text)
            except Exception: pass
        log.info(f"  下拉选项({count}): {', '.join(visible_texts[:8])}")

        # 遍历匹配目标选项
        for i in range(count):
            item = items.nth(i)
            text = (item.text_content(timeout=200) or "").strip()
            label = item.get_attribute("data-label", timeout=200) or ""
            if text == option_text or label == option_text or option_text in text:
                log.info(f"  点击: [{text}] (force=True)")
                item.click(force=True)   # 跳过 pointer-events 限制
                return True
    return False

关键设计决策：

我想让脚本能自动遍历整个月份的报关单。由于单一窗口单次查询数据量有限（实践中超过 7 天容易超时），需要将月份切分为多个 7 天批次，每个批次独立查询并打印。

登录 + 导航仅一次，每批只改日期重新查询。

但这里有个技术问题：在逐条打印过程中，页面会频繁弹出和关闭弹窗，DOM 结构会持续变化。传统的静态元素引用会在这过程中失效。

解决方法

核心设计：使用 Playwright 的 FrameLocator（不是静态引用），每次调用时自动重新解析 iframe 的 DOM 位置，弹窗开关不影响定位。

登录（一次）→ 导航到查询页面（一次）→ 获取 FrameLocator（一次）
                                           ↓
批次1: 改日期 → 查询 → 逐个打印 → 关闭弹窗
批次2: 改日期 → 查询 → 逐个打印 → 关闭弹窗
批次3: 
......
↓
全月统计

批次生成算法：

def generate_batches_for_month(run_date=None):
    """
    将指定月份切分为 7 天一批的列表，最后一批准许不满 7 天
    例：2026年7月 → [(7/1,7/7), (7/8,7/14), (7/15,7/21), (7/22,7/28), (7/29,7/31)]
    """

    if run_date is None:
        run_date = datetime.date.today()

    year, month = run_date.year, run_date.month
    last_day = calendar.monthrange(year, month)[1]

    batches = []
    day = 1    while day <= last_day:
        start = datetime.date(year, month, day)
        end_day = min(day + MAX_DATE_RANGE_DAYS - 1, last_day)
        end = datetime.date(year, month, end_day)
        batches.append((start, end))
        day = end_day + 1

    return batches

边界处理（min 自动覆盖所有情况）：

• 大月（31 天）：5 批（7+7+7+7+3）
• 小月（30 天）：5 批（7+7+7+7+2）
• 平年 2 月（28 天）：4 批（7+7+7+7）
•  闰年 2 月（29 天）：5 批（7+7+7+7+1）

完整的月度循环主函数：

def run(playwright, run_date=None):
    batches = generate_batches_for_month(run_date)

    # ====== 登录 + 导航（仅一次）======
    context = playwright.chromium.launch_persistent_context(
        user_data_dir=user_data_dir,
        headless=False,
        accept_downloads=True,
    )
    page = context.new_page()
    do_login(page)
    goods_page = do_navigate_to_query(page)
    query_frame = do_enter_query_page(goods_page)  # FrameLocator，自动重新解析

    total_success = 0
    total_fail = 0

    # ====== 固定下拉框（仅执行一次，所有批次共用）======
    do_fill_dropdowns(query_frame, goods_page)

    # ====== 逐批次循环 ======
    for batch_idx, (start_date, end_date) in enumerate(batches):
        log.info(f"[批次 {batch_idx+1}/{len(batches)}] {start_date} ~ {end_date}")

        # 每批次只需重填日期范围，下拉框保持上次的值
        do_fill_dates(query_frame, goods_page, start_date, end_date)
        custom_numbers = do_query_and_extract(query_frame, goods_page)

        if not custom_numbers:
            continue

        for idx, custom_num in enumerate(custom_numbers):
            try:
                if do_print_single(query_frame, goods_page, context,
                                   custom_num, idx, len(custom_numbers)):
                    total_success += 1
                else:
                    total_fail += 1
            except Exception as e:
                log.error(f"异常: {e}")
                total_fail += 1
                goods_page.keyboard.press("Escape")

    log.info(f"全月完成: 成功 {total_success} / 失败 {total_fail}")

为什么 FrameLocator 不会失效？ FrameLocator 不是静态引用，每次 query_frame.locator(...) 调用时，Playwright 都会重新查找 iframe[name='iframe01']。即使中间的弹窗开关、DOM 增删，只要 iframe 仍然存在（name=iframe01），就能正确定位。

每条报关单的打印流程是：在结果表格中找到目标行 → 勾选 → 点击”一键打印” → 在弹出的预览窗口中点击”预览打印” → 在新打开的 PDF 预览标签页中保存 PDF → 关闭弹窗 → 处理下一条。

勾选目标行 → 一键打印 → 预览打印 → 新标签页捕获 → 保存 PDF → 关闭弹窗 → 下一条

这个流程中有四个关键难题：

难题 1：如何正确匹配行？不能假设行的位置（data-index 等属性不可靠），因为查询结果每次顺序可能不同。

难题 2：如何在动态弹窗 iframe 中定位”预览打印”按钮？点击”一键打印”后，layui 框架动态创建弹窗，”预览打印”按钮（#previewBtn）在弹窗 iframe 内，而 iframe 的 name 后缀每次变化，定位困难。

难题 3：如何捕获新打开的 PDF 预览标签页？点击”预览打印”后，Chrome 会在新标签页中打开 PDF 内容。

难题 4：如何保存 PDF？Chrome 的 PDF 预览器有内置的”打印”按钮，点击后会弹出 Windows “另存为”对话框，Playwright 的 CDP 合成事件无法操作系统级对话框。

放弃 data-index 等固定属性，改用遍历表格每一行的每一个单元格，用文本匹配 18 位海关编号：

def find_row_by_custom_number(query_frame, custom_num):
    """遍历所有行，在所有 td 中匹配 18 位海关编号"""
    rows = query_frame.locator("div.fixed-table-body").first.locator("table tbody tr")

    for i in range(rows.count()):
        row = rows.nth(i)
        tds = row.locator("td")
        for j in range(tds.count()):
            td_text = tds.nth(j).text_content().strip()
            if td_text == custom_num:    # 精确匹配
                return row
    return None

选择 text_content() 而不是 inner_text() 的原因：inner_text() 受 CSS 样式（text-transform、visibility）影响，在 layui 复杂样式下可能返回不一致的结果，text_content() 返回 DOM 中的原始文本，更可靠。

点击”一键打印”后，layui 框架会动态创建一个弹窗，弹窗内容在一个新的 iframe 中。”预览打印”按钮（#previewBtn）就在这个 iframe 里。但这个 iframe 的定位是整个打印流程中最棘手的问题之一。

现象

最初用 frame_locator('iframe[name*="layui-layer-iframe"]').last 定位弹窗 iframe，等待 #previewBtn 可见时超时失败，浏览器表现为”不断往右拉”——在错误的 iframe 中空转，不执行下一步。

原因

layui 弹窗的 iframe name 带有数字后缀，如 layui-layer-iframe3、layui-layer-iframe4，这个后缀每次创建弹窗时都会变化。.last 假设最新的弹窗是最后一个匹配的 iframe，但数字后缀与创建顺序不一定对应，导致选错了 iframe。

iframe 列表（每次运行可能不同）：
  frame[0]: name=(无name)              ← 无关
  frame[1]: name=iframe0               ← 无关
  frame[2]: name=iframe99              ← 无关
  frame[3]: name=iframe01              ← 主内容区
  frame[4]: name=layui-layer-iframe3   ← 弹窗内容（#previewBtn 在这里）

frame_locator(...).last → 可能选中错误的后缀 → #previewBtn 不存在 → 超时空转

问题 5.2.2：遍历所有 frame 太慢

现象

改为遍历 goods_page.frames 逐个查找 #previewBtn（策略B），可以找到按钮，但耗时约 4 秒。

实测日志：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line
--- 策略A开始: frame_locator('iframe[name*="layui-layer-iframe"]').last ---
<<< 策略A 失败（超时 1.00s）
--- 策略B开始: 遍历 goods_page.frames 查找 #previewBtn ---
   策略B: 检查 frame[0] (name=(无name))...     未找到
   策略B: 检查 frame[1] (name=iframe0)...       未找到
   策略B: 检查 frame[2] (name=iframe99)...      未找到
   策略B: 检查 frame[3] (name=iframe01)...      未找到
   策略B: 检查 frame[4] (name=layui-layer-iframe3)...  >>> 成功！耗时 4.05s

策略A失败、策略B成功，但策略B遍历了 5 个 frame 才找到目标，前 4 个都不包含 #previewBtn，每个都要等 1 秒超时才知道没有，白白浪费 4 秒。如果有 100 条报关单，就是 400 秒的无效等待。

遍历 goods_page.frames，但只检查 name 含 layui-layer-iframe 的 frame（跳过无关 frame），找到第一个包含可见 #previewBtn 的即返回：

# ✅ 正确：遍历 frames，过滤 layui-layer-iframe，精确查找 #previewBtn
preview_btn = None

# 先等弹窗 iframe 加载（弹窗是点击"一键打印"后动态创建的）
goods_page.wait_for_timeout(1500)

for frame in goods_page.frames:
    frame_name = frame.name or ""
    # 跳过无关 frame，只检查 layui-layer-iframe
    if "layui-layer-iframe" not in frame_name:
        continue
    try:
        btn = frame.locator("#previewBtn")
        btn.wait_for(state="visible", timeout=2000)
        preview_btn = btn
        break
    except PlaywrightTimeout:
        continue

if preview_btn is None:
    log.error("未找到[预览打印]按钮，跳过")
    goods_page.keyboard.press("Escape")
    return False

关键设计决策：

必须在点击”预览打印”之前记录当前页面集合，点击后用差集找出新页面：

# ★ 关键：点击前捕获当前页面集合
pages_before = {p for p in context.pages if not p.is_closed()}

preview_btn.click()
goods_page.wait_for_timeout(3000)     # 等待新标签页打开

# 差集运算找到新页面
pages_after = {p for p in context.pages if not p.is_closed()}new_pages = pages_after - pages_before

# 取第一个新页面（PDF 预览器）
pdf_preview_page = None
for np in new_pages:
    try:
        np.wait_for_load_state("networkidle", timeout=15000)
        pdf_preview_page = np
        break
    except Exception:
        continue

为什么不能用 expect_page()？expect_page() 有超时限制，如果新页面打开速度受网络影响，可能在超时后丢失。而”点击前捕获 + 差集”没有超时问题——只要新页面确实出现在 context.pages 中，就一定能找到。

易错点：我之前把 pages_before = {...} 写在了点击之后，此时新页面已经在集合中，差集为空，永远找不到新页面。必须先捕获再点击。

为什么不能用 page.pdf()？

Playwright 的 page.pdf() 是把当前页面的 DOM + CSS 渲染为 PDF。但单一窗口的报关单 PDF 是服务端生成的。点击”预览打印”时，服务器返回的是已经渲染好的 PDF 文件。page.pdf() 得到的只是页面本身的快照，不是报关单 PDF。

为什么不能用 keyboard.press("Control+p")？

Playwright 的 keyboard.press() 走的是 CDP（Chrome DevTools Protocol）合成事件，只在浏览器处理层生效，不会传递到操作系统层。而 Windows 的”另存为”对话框是操作系统级窗口，CDP 事件对它完全无效。

pyautogui 的 hotkey() 走的是操作系统输入队列，和真人按键完全相同的路径：

pyautogui:  键盘驱动 → 操作系统内核 → 窗口消息队列 → 应用程序消息循环
CDP合成:    Playwright → CDP → 浏览器处理层（止步于此）

完整保存流程：

为什么用 subprocess.run(['clip'], ...) 而不是 pyautogui.write()？

pyautogui.write() 是逐字符模拟键盘输入。对于路径 E:\Python\Automation\Customs\XXXXX.pdf（超过 70 个字符），需要模拟 70+ 次按键，既慢又容易被其他窗口打断。而 subprocess + clip 一次 Ctrl+V 即可完成粘贴。

5.5 保存后三层验证机制

保存操作可能因时序问题失败（对话框未就绪、剪贴板未更新等），必须做三层保障：

save_success = False

# 第一层：直接验证目标路径
if os.path.exists(pdf_path) and os.path.getsize(pdf_path) > 1000:
    save_success = True
    log.info(f"PDF已保存: {pdf_path}")

# 第二层：搜索 Downloads 备用路径（对话框可能默认保存到了下载目录）
if not save_success:
    download_dir = os.path.join(os.path.expanduser("~"), "Downloads")
    alt_candidates = [
        os.path.join(download_dir, os.path.basename(pdf_path)),
        os.path.join(download_dir, "print.pdf"),
        os.path.join(download_dir, f"{custom_num}.pdf"),
    ]
    for alt_path in alt_candidates:
        if os.path.exists(alt_path) and os.path.getsize(alt_path) > 1000:
            shutil.move(alt_path, pdf_path)
            save_success = True
            break

# 第三层：兜底重试（二次粘贴 + Enter）
if not save_success:
    time.sleep(2)
    pyautogui.hotkey('ctrl', 'a')
    subprocess.run(['clip'], input=pdf_path.encode(), check=True)
    time.sleep(0.3)
    pyautogui.hotkey('ctrl', 'v')
    time.sleep(0.3)
    pyautogui.press('enter')
    time.sleep(3)
    if os.path.exists(pdf_path) and os.path.getsize(pdf_path) > 1000:
        save_success = True

为确保 Ctrl+P 后默认选中的是”另存为 PDF”（而非 “Microsoft Print to PDF”，该模式生成的 PDF 无法复制编辑），需在启动浏览器前写入 Chrome 配置。

def setup_print_profile():
    """创建临时 Chrome 配置，将打印默认目标设为"另存为 PDF" """
    user_data_dir = tempfile.mkdtemp(prefix="chrome_print_profile_")
    default_dir = os.path.join(user_data_dir, "Default")
    os.makedirs(default_dir, exist_ok=True)

    # ★ appState 的值必须是 JSON 字符串，不能是 Python 字典
    app_state = json.dumps({
        "recentDestinations": [{
            "id": "Save as PDF",
            "origin": "local",
            "isDefault": True
        }],
        "selectedDestinationId": "Save as PDF",
        "version": 2
    })

    prefs = {
        "printing": {
            "print_preview_sticky_settings": {
                "appState": app_state
            }
        }
    }

    prefs_path = os.path.join(default_dir, "Preferences")
    with open(prefs_path, "w", encoding="utf-8") as f:
        json.dump(prefs, f)

    return user_data_dir

# 使用时配合 launch_persistent_context
context = playwright.chromium.launch_persistent_context(
    user_data_dir=user_data_dir,
    headless=False,
    accept_downloads=True,
)

每个报关单打印完毕后，代码应自动关闭”一键打印”弹窗，回到主界面的查询结果表格页面，然后开始处理下一条报关单。

问题

尝试了三种方式都无法关闭弹窗：

原因

需要先搞清楚完整的 DOM 嵌套结构。F12 审查元素后：

goods_page（主页面 / 货物申报窗口）
│├── iframe[name="iframe01"]                          ← 主内容区
│   ├── <form> 查询条件表单
│   ├── <div class="fixed-table-body"> 结果表格
│   │
│   └── <div class="layui-layer-shade">              ← 遮罩层
│       └── <div class="layui-layer">                ← layui 弹窗容器
│           ├── 标题栏: "一键打印"
│           ├── <iframe class="layui-layer-iframe">   ← 弹窗内容区（又一层 iframe！）
│           │   └── "预览打印"按钮在这里
│           └── <span class="layui-layer-setwin">
│               └── <a class="layui-layer-ico layui-layer-close layui-layer-close1">
│                   ← ★ 关闭按钮（X）在这里！

关键发现：关闭按钮 a.layui-layer-close1 不在弹窗内部的 iframe 里，也不在最外层。它嵌入在 iframe01 内，是 layui 弹窗外壳的一部分。

1. 在主页面搜（尝试 2）：找不到，因为按钮在 iframe01 内
2. 在弹窗 iframe 内搜（尝试 3）：也找不到，因为按钮在弹窗外壳上，不在弹窗内容 iframe 里
3. 正确答案：进入 iframe01，在其中搜弹窗关闭按钮

解决方法

# ✅ 正确：进入 iframe01，在其中查找弹窗关闭按钮
close_popped = False

# 双域搜索：iframe01 优先，主页面兜底
for scope_desc, scope in [
    ("iframe01", goods_page.frame_locator("iframe[name='iframe01']")),
    ("主页面", goods_page),]:
    if close_popped:
        break
    try:
        close_btn = scope.locator("a.layui-layer-close1")
        if close_btn.count() > 0:
            close_btn.first.wait_for(state="visible", timeout=3000)
            close_btn.first.click()
            goods_page.wait_for_timeout(800)
            close_popped = True
    except PlaywrightTimeout:
        continue
    except Exception:
        continue

# 兜底：Escape
if not close_popped:
    goods_page.keyboard.press("Escape")
    goods_page.wait_for_timeout(800)

项目中 iframe 操作的完整规则

为什么弹窗内的按钮不能用 .last？ layui 弹窗 iframe 的 name 带数字后缀（如 layui-layer-iframe3、layui-layer-iframe4），每次创建弹窗时后缀变化，.last 选中的不一定是当前激活的弹窗，实测会导致定位错误。正确做法是遍历 goods_page.frames，过滤 name 含 layui-layer-iframe 的 frame，在其中精确查找目标元素。

extract_customs.py
│
├── [配置区]  QUERY_ENTERPRISE_TYPE / QUERY_IMPORT_EXPORT_FLAG / QUERY_IS_CLOSED ...
│
├── [工具函数]
│   ├── setup_logging()             日志双输出
│   ├── generate_batches_for_month() 月份批次切分
│   ├── setup_print_profile()       Chrome 打印预设
│   ├── select_dropdown()           下拉框选择
│   ├── _click_autocompleter_item() 下拉选项点击
│   ├── find_row_by_custom_number() 按编号匹配行
│   ├── extract_custom_numbers()    批量提取编号
│   └── scroll_to_load_all()        滚动加载
│├── [流程函数]
│   ├── do_login()             登录（步骤 1~5）
│   ├── do_navigate_to_query()  导航到查询页（步骤 6~8）
│   ├── do_enter_query_page()   进入报关数据查询（步骤 9）
│   ├── do_fill_dropdowns()     填写固定下拉框（步骤 10，仅执行一次）
│   ├── do_fill_dates()         填写日期范围（步骤 10，每批次执行）
│   ├── do_query_and_extract()  查询并提取（步骤 11~12）
│   └── do_print_single()       单条打印（步骤 13）
│└── [主入口]    
├── run()                   月度多批次主流程    
└── __main__

运行方法：运行前需确保已经下载Python各个库，以下为在终端cmd下运行的方法。

pip install playwright pyautogui
playwright install chromium
python extract_customs.py           # 当月
python extract_customs.py 2026-07   # 指定月份