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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27