网站自动截图及报告文档生成工具

项目简介

网站自动截图及报告文档生成工具是一个自动化工具，用于批量获取网站截图并生成报告文档。该系统可以读取Excel文件中的网站信息（包括序号、网站名称和网站域名），自动访问这些网站并进行截图，最后将所有信息整合到Word文档中，形成一份完整的网站截图报告。

主要功能

• Excel数据读取：自动读取指定Excel文件中的网站信息
• 网站访问与截图：自动访问网站并进行截图，支持HTTP/HTTPS协议自动切换
• 异常处理：对无法访问的网站生成404错误图片
• 并发处理：使用多线程技术提高批量处理效率
• Word文档生成：将网站信息和截图整合到Word文档中
• 分页处理：支持大批量数据的分页文档生成

项目部署说明

环境要求

• Python 3.8或更高版本
• Chrome浏览器（用于网站截图）

安装步骤

1. 克隆仓库到本地

git clone https://github.com/loveyxh/website-screenshot.git
cd website-screenshot

2. 安装依赖包

pip install -r requirements.txt

依赖包包括：

• pandas>=2.0.0：用于Excel数据处理
• selenium>=4.0.0：用于网站访问和截图
• python-docx>=1.0.0：用于Word文档生成
• openpyxl>=3.0.0：用于Excel文件读取
• webdriver-manager>=4.0.0：用于Chrome驱动管理

项目结构

├── main.py              # 主程序
├── requirements.txt     # 依赖包列表
├── list.xlsx           # 网站数据文件
├── screenshots/        # 截图保存目录
├── website_screenshot.log  # 运行日志
└── 网站截图报告(0-100).docx  # 生成的报告文档

自定义配置

如需修改程序配置，可编辑main.py文件：

• 修改并发线程数：调整ThreadPoolExecutor的max_workers参数
• 修改截图分辨率：调整set_window_size的参数
• 修改每页记录数：调整page_size变量

项目运行说明

准备数据

1. 准备一个名为list.xlsx的Excel文件，放在项目根目录下
2. Excel文件需包含名为sheet1的工作表
3. 工作表需包含以下列：
   • 序号
   • 网站名称
   • 网站域名

运行程序

python main.py

运行过程

1. 程序启动后，会自动读取list.xlsx文件中的网站信息
2. 对每个网站进行访问和截图，截图保存在screenshots目录下
3. 生成Word文档，每100个网站生成一个文档，文档命名格式为网站截图报告(起始序号-结束序号).docx
4. 程序运行日志保存在website_screenshot.log文件中

注意事项

• 程序会自动处理网站协议（HTTP/HTTPS），无需在Excel中指定
• 对于无法访问的网站，会生成404错误图片
• 程序使用多线程处理，默认并发数为5，可在代码中调整
• 截图分辨率固定为800x600像素
• 文档中每个网站记录包含序号、网站名称、网站域名和截图