用 Playwright 做数据采集，真正难的从来不是点击

很多人以为会 page.click() 和 page.fill() 就等于会做数据采集了。真上手一个项目才发现，点击、输入只占 20%，剩下 80% 全是下面这些「看不见的坑」。

一、登录态管理，才是第一道坎
目标网站要登录才能看数据，你总不能每次跑都手动扫码。核心是 Cookie 的生命周期管理：

首次手动登录，保存 cookie

context = browser.new_context()
page = context.new_page()

context.storage_state(path="cookies.json")

context = browser.new_context(storage_state="cookies.json")
但保存一次就完事是错的。Cookie 会过期、会失效，脚本要能检测登录态是否还在，失效了及时提醒重新登录，而不是跑一半报一堆看不懂的错。

二、指纹一致性，比你想的阴险
很多网站不只看 UA，还查 navigator.webdriver、window.chrome、Canvas 指纹、甚至鼠标移动轨迹。你 headless 一开，指纹就露馅了。

关键不是「加 stealth 插件」这么简单，而是保持整套指纹的自洽——UA、屏幕分辨率、语言、时区要像一个真实用户，不能东拼西凑。

三、等待，是技术活不是 sleep
新手最爱 time.sleep(5)，结果要么等不够、要么浪费半天。真正该做的是等条件，不等时间：

time.sleep(5)

page.wait_for_selector('.data-table', state='visible', timeout=30000)
数据是异步加载的，等「数据渲染完成」这个信号，比等「几秒钟」可靠一百倍。

四、稳定性，决定你能不能接第二单
脚本跑一次成功没用，要能跑一百次都稳。三个关键：

重试机制：网络抖动、偶发超时，自动重试而不是直接崩
断点续跑：跑到一半断了，下次从断点接着跑，不从头再来
日志：每次跑留下记录，出问题了能查，而不是对着黑屏猜
这四点做扎实了，才是一个「能交付」的数据采集脚本，而不是「在我电脑上能跑」的 demo。

后续我会继续分享自动化实战里的这些细节。如果你也在做类似的项目，卡在某个环节上，欢迎一起交流。