京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:AirPython
作者:星安果
大家好,我是安果!
日常编写的 Python 自动化程序,如果在本地运行稳定后,就可以考虑将它部署到服务器,结合定时任务完全解放双手
但是,由于自动化程序与平台兼容性有关联,有一些依赖库在服务器运行需要做特殊处理
本篇文章以一段 Selenium 编写的 Python 自动化程序,聊聊脚本部署服务器的详细过程
以 CentOS 服务器为例
2-1.安装桌面环境
PS:如果已经安装,可以跳到下一步
我们需要先安装一个桌面环境「 以 GNOME 为例 」,设置以图形模式启动,并开启图形界面
# 安装 GNOME 桌面环境
yum groupinstall -y "GNOME Desktop"
# 设置以图形模式启动
systemctl set-default graphical.target
# 开启图形界面
startx
2-2.安装配置远程桌面
以最常见的 VNC 为例
首先,在服务器上安装 VNC Server,并设置登录密码
# 安装vnc server
yum install tigervnc-server -y
# 设置登录密码,用于vnc viewer登录密码
vncpasswd
然后,启动 VNC Server,并开启对应的端口号
# 开启VNC服务
systemctl start vncserver@:1
# 设置开机自启
systemctl enable vncserver@:1
# 查看VNC服务的端口
netstat -lnpt|grep Xvnc
# 开启端口号
firewall-cmd --add-port=5901/tcp --permanent
firewall-cmd --reload
最后,下载VNC Viewer,使用「IP 地址 + 端口号 + 登录密码」远程连接服务器
PS:VNC Server 显式指定IP地址+端口号
2-3.安装 Chrome 浏览器
服务器默认安装的浏览器为 FireFox,Chrome 浏览器需要自己手动安装
# 下载最新的Chrome浏览器
wget
https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm
# 安装浏览器
yum install
google-chrome-stable_current_x86_64.rpm
# 检查Chrome浏览器的版本
google-chrome -version
安装完成之后,发现使用 Root 用户启动 Chrome 浏览器失败PS:服务器 Chrome 浏览器不支持直接使用,需要以 --no-sandbox 参数启动
# 以--no-sandbox方式启动Chrome浏览器
# 方式一:命令行启动
/usr/bin/google-chrome-stable --no-sandbox
# 方式二:修改Chrome浏览器快捷图标的启动方式
# 启动方式:--no-sandbox
2-4.配置 Chrome Driver 及授权
在官网下载 Chrome 浏览器对应版本的 Chrome Driver
解压后,上传到服务器的「 usr/bin 」目录下
最后,对 chromedriver 文件授予可执行的权限
[root@localhost xh]# cd /usr/bin
# 授予可执行的权限
[root@localhost bin]# sudo chmod +x chromedriver
2-5.可视化运行测试
将自动化脚本上传到服务器,设置以有头模式运行
注意:由于服务器的 Chrome 需要配置以 no-sandbox 模式启动,因此自动化脚本需要添加设置属性
option = webdriver.ChromeOptions()
# 以无头模式运行
#option.add_argument('headless')
option.add_argument('no-sandbox')
option.add_argument('disable-dev-shm-usage')
option.add_experimental_option('useAutomationExtension', False)
option.add_experimental_option('excludeSwitches', ['enable-automation'])
browser = webdriver.Chrome(chrome_options=option)
「有头模式」测试运行正常后,就可以开启「无头模式」,编写定时任务,将自动化脚本与定时任务关联上。
文中以 Selenium 自动化脚本部署服务器的步骤流程进行了阐述
需要指出的是,服务器上的可视化调试测试确实很有必要,它可以帮助我们提前定位兼容性问题
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27