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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28