WebRPA

<div align="center"> <img src="png/logo.png" width="100" alt="Web RPA Logo"/> </div> <h1 align="center"> Web RPA - 网页机器人流程自动化工具 </h1> <p align="center"> <img src="https://img.shields.io/badge/版本-1.31.0-blue.svg" alt="版本"> <img src="https://img.shields.io/badge/模块数量-273个-brightgreen.svg" alt="模块数量"> <img src="https://img.shields.io/badge/协议-AGPL--3.0%20%2B%20商业授权-green.svg" alt="协议"> <img src="https://img.shields.io/badge/作者-青云制作__彭明航-orange.svg" alt="作者"> <img src="https://img.shields.io/badge/Python-3.13-blue.svg" alt="Python"> <img src="https://img.shields.io/badge/React-19-61dafb.svg" alt="React"> <img src="https://img.shields.io/badge/TypeScript-5-3178c6.svg" alt="TypeScript"> </p>

一款功能强大的可视化网页自动化工具（支持一定的Windows系统桌面自动化和Android系统自动化），通过拖拽模块的方式快速构建自动化工作流，无需编写代码即可实现网页数据采集、表单填写、自动化测试等任务。

【请到Releases中下载最新7z压缩包，最新源代码和运行环境都在里面，解压即可使用！😇】

✨ 功能特性

🎯 核心优势

• 🚀 零代码开发：可视化拖拽，无需编程基础
• 📦 开箱即用：内置Python、Node.js环境，一键启动
• 🔧 模块丰富：273个功能模块，覆盖90%自动化场景
• 🎨 界面美观：现代化UI设计，操作流畅，支持Mermaid流程图
• ⚡ 性能强劲：基于FastAPI + React，响应迅速
• 🔌 易于扩展：模块化架构，支持自定义开发
• 📚 文档完善：18个分类的详细教学文档，覆盖所有273个模块
• 🆓 完全免费：非商业使用完全免费，开源透明
• 🔍 智能搜索：模块和教学文档支持中文、拼音、拼音首字母模糊搜索
• 📊 可视化流程：内置Mermaid流程图，直观展示工作流逻辑
• 💾 变量自动补全：创建模块时自动添加默认变量名到自动补全列表

🌐 浏览器自动化（31个模块）

• 页面操作（9个）：打开/关闭/刷新/前进/后退网页、脚本注入、iframe切换、标签页切换
• 元素交互（9个）：点击、悬停、输入文本、下拉选择、复选框、拖拽、滚动、弹窗、上传文件
• 元素操作（2个）：获取子元素、获取兄弟元素
• 元素判断（2个）：元素存在判断、元素可见判断（支持分支输出）
• 数据采集（5个）：提取元素信息、网页截图、保存图片、下载文件、表格数据提取
• 等待控制（3个）：固定等待、等待元素、等待图像
• 高级操作（1个）：网络抓包（监听HTTP/HTTPS请求）

📥 数据采集（6个模块）

• 元素数据：提取页面元素文本、属性、HTML
• 截图功能：网页截图、屏幕截图
• 文件下载：下载文件、保存图片
• 批量采集：支持相似元素批量提取
• 表格提取：自动识别网页表格，提取为二维列表，支持导出Excel
• 网络抓包：监听HTTP/HTTPS请求，获取接口数据

📊 数据处理（36个模块）

• 变量系统（5个）：全局变量、局部变量、变量引用{变量名}、JSON解析、Base64编解码、随机数、时间获取
• 文本处理（8个）：拼接、替换、分割、连接、截取、大小写转换、去空格、正则表达式提取
• 列表操作（8个）：添加、删除、获取、长度、遍历、排序、导出
• 字典操作（8个）：设置、获取、键列表、值列表、合并
• 数据表格（8个）：添加行/列、设置/读取单元格、删除行、清空、导出Excel、读取Excel
• 数据库（7个）：MySQL连接、查询、执行、插入、更新、删除、关闭连接

🗄️ 数据库操作（7个模块）

• 连接管理：MySQL数据库连接、连接池管理
• 数据查询：SELECT查询、条件筛选、多表关联
• 数据操作：INSERT插入、UPDATE更新、DELETE删除
• SQL执行：自定义SQL语句执行、事务支持
• 结果处理：查询结果转换为列表/字典/表格
• 连接关闭：释放数据库连接资源

📁 文件操作（11个模块）

• 文件管理：复制、移动、删除、重命名文件
• 文件夹操作：创建文件夹、重命名文件夹、获取文件列表
• 文件读写：读取文本文件、写入文本文件
• 文件信息：获取文件大小、修改时间、扩展名
• 文件检查：检查文件/文件夹是否存在
• 批量操作：支持通配符匹配、批量处理

🎬 媒体处理（41个模块，基于FFmpeg）

• 格式工厂（6个）：图片/视频/音频格式互转、视频转音频、视频转GIF、批量格式转换
• 视频编辑（10个）：格式转换、压缩、裁剪、旋转、倍速、分辨率调整、截取帧、添加字幕、合并、M3U8下载
• 音频编辑（3个）：提取音频、调节音量、音频转文字（Whisper）
• 图像编辑（17个）：缩放、裁剪、旋转、翻转、模糊、锐化、亮度、对比度、色彩平衡、添加文字、拼接、缩略图、滤镜、去色、圆角、去背景
• 图像工具（5个）：添加水印、获取信息、格式转换、二维码生成/解码
• 摄像头：拍照、录像（非阻塞式）
• 进度显示：实时显示处理进度

📄 PDF处理（16个模块）

• 格式转换：PDF转图片、图片转PDF、PDF转Word（高保真，仅供非商业使用）
• 文档操作：合并、拆分、插入页面、重排页面、删除页面、旋转页面
• 内容提取：提取文本、提取图片、获取文档信息
• 安全加密：PDF加密、PDF解密
• 文档优化：添加水印、压缩PDF
• 批量处理：支持批量转换和处理
• ⚠️ 许可证说明：PDF转Word功能使用 pdf2docx（GPL v3），仅供非商业使用

📝 文档转换（13个模块，基于Pandoc）

• Markdown转换：Markdown → HTML/PDF/Word/EPUB
• Word转换：Word → Markdown/HTML
• HTML转换：HTML → Markdown/Word
• 学术文档：LaTeX → PDF、reStructuredText → HTML、Org-mode → HTML
• 电子书：Markdown ↔ EPUB
• 通用转换：支持30+种文档格式互转（docx、odt、rtf、tex、rst、org等）
• 样式保留：支持CSS样式、参考文档模板
• 批量转换：支持批量文档格式转换

🖼️ 图像处理（20个模块，基于Pillow）

• 基础操作（4个）：图像缩放、图像裁剪、图像旋转、图像翻转
• 图像增强（4个）：图像模糊、图像锐化、亮度调整、对比度调整
• 色彩处理（3个）：色彩平衡、图片去色、简单去背景
• 格式转换（1个）：支持PNG/JPEG/BMP/GIF/TIFF/WEBP/HEIC等格式互转
• 高级功能（5个）：图像添加文字、图像拼接、生成缩略图、图片圆角化、图像滤镜
• 信息获取（1个）：获取图像尺寸、格式、EXIF元数据等
• 图像压缩（1个）：压缩图像文件大小
• 图像工具（1个）：添加水印
• 专业滤镜：10种内置滤镜效果（浮雕、边缘增强、轮廓、细节、平滑等）
• 批量处理：支持批量图像处理和格式转换

🔀 流程控制（6个模块）

• 条件判断：if-else逻辑、多种比较运算符（等于、大于、小于、包含等）
• 循环控制：次数循环、条件循环、列表遍历
• 循环跳转：跳出循环（break）、跳过当前循环（continue）
• 子流程：工作流复用、模块化设计

⚡ 触发器系统（11个模块）

• 网络触发：Webhook触发器（HTTP请求触发）、API触发器（轮询接口）
• 时间触发：定时触发器（支持Cron表达式、间隔触发、指定时间）
• 文件触发：文件监控触发器（监控文件/文件夹变化）
• 邮件触发：邮件触发器（监控邮箱，收到邮件时触发）
• 输入触发：热键触发器（全局热键监听）
• 鼠标触发：鼠标触发器（监听点击、滚动、移动、手势事件）
• 视觉触发：图像触发器（检测屏幕图像）、人脸触发器（人脸识别）
• 音频触发：声音触发器（监听系统音频输出）
• 网页触发：子元素变化触发器（监控网页元素变化）

🤖 AI 能力（11个模块）

• AI对话：支持OpenAI、智谱、Deepseek、通义千问、Gemini、Azure等多家AI服务商
• AI视觉：图像识别、图像理解、视觉问答
• AI爬虫：自然语言描述提取数据、自适应网页结构变化、智能数据清洗
• AI定位：AI元素选择器（自然语言描述定位元素）
• 人脸识别：人脸检测、人脸比对、人脸特征提取
• OCR识别：图片文字识别、支持80+语言、手写体识别
• 验证码破解：OCR文字验证码、滑块验证码自动处理
• 语音识别：音频转文字、支持多语言
• 语音合成：文字转语音（TTS）、自定义语速音调

🔔 消息通知与交互（9个模块）

• 日志系统：多级别日志（DEBUG/INFO/WARNING/ERROR）、日志导出（TXT/JSON/CSV）
• 系统通知：Windows右下角通知、自定义通知内容
• 音频提示：播放提示音、播放音乐（支持播放器控制）
• 视频播放：播放视频（支持播放器控制、暂停/继续/停止）
• 图片查看：查看图片（支持缩放/旋转/下载）
• 语音播报：TTS文字转语音、自定义语速
• 用户输入：弹窗输入（支持文本/数字/密码/多行文本等多种模式）
• 邮件发送：发送邮件、支持附件、HTML格式

🖥️ 系统操作（20个模块）

• 真实鼠标：真实鼠标点击/移动/拖拽/滚动（绕过部分反爬）
• 真实键盘：真实键盘输入、模拟按键组合（Ctrl+C、Alt+Tab等）
• 宏录制器：录制并回放鼠标键盘操作、支持循环播放
• 剪贴板：读写剪贴板（支持文本和图片）
• 图像识别：点击图像、悬停图像、拖拽图像（基于图像识别）
• 文字识别：点击文字、悬停文字（基于OCR识别）
• 系统命令：执行CMD命令、PowerShell脚本
• 窗口管理：窗口聚焦、窗口置顶、获取窗口信息
• 系统控制：关机、重启、锁屏、注销
• 鼠标位置：获取当前鼠标坐标

🛠️ 实用工具（14个模块）

• 文件对比：文件哈希对比、文件差异对比、文件夹哈希对比、文件夹差异对比
• 加密编码：MD5加密、SHA加密、URL编解码、随机密码生成器
• 格式转换：RGB转HSV、RGB转CMYK、HEX转CMYK、时间戳转换器
• 其他工具：UUID生成器、打印机调用

🔄 格式工厂（6个模块）

• 格式转换：图片格式转换、视频格式转换、音频格式转换
• 特殊转换：视频转音频、视频转GIF
• 批量处理：批量格式转换（支持文件夹批量处理）

🛠️ 辅助功能（16个模块）

• 脚本执行：自定义JavaScript脚本、Python脚本（支持内置Python3.13和本地环境）
• 网络请求：HTTP/HTTPS请求、支持GET/POST/PUT/DELETE等方法
• 网络抓包：监听网络请求、获取请求响应数据
• 网络共享：局域网文件/文件夹共享、支持密码保护
• 屏幕共享：局域网实时屏幕投屏、支持多设备同时观看
• 二维码：二维码生成、二维码解码
• 随机数：生成随机数、随机字符串
• 时间获取：获取当前时间、时间格式化
• 模块搜索：支持拼音、拼音首字母、中英文模糊搜索
• 模块收藏：收藏常用模块、自定义排序
• 分组备注：工作流分组、添加备注节点
• 子流程：工作流模块化、复用工作流片段

💬 社交自动化（10个模块）

• QQ自动化：发送消息/图片/文件、获取好友/群列表、等待消息触发
• 微信自动化：发送消息/文件（基于企业微信API）

📱 手机自动化（22个模块）

• 触摸操作（5个）：点击、滑动、长按、输入文本（自动切换ADBKeyboard输入法）、按键模拟
• 屏幕操作（3个）：截图、启动/停止镜像投屏（scrcpy）
• 应用管理（4个）：安装、启动、停止、卸载应用
• 文件传输（2个）：推送文件到手机、从手机拉取文件
• 视觉识别（4个）：图像识别点击、文字识别点击、等待图像出现、图像存在判断
• 系统设置（2个）：设置音量、设置屏幕亮度
• 剪贴板操作（2个）：读取/写入手机剪贴板（自动处理Clipper应用）

---

🖼️ 界面预览

工作流编辑器采用可视化拖拽设计，左侧模块列表，中间画布区域，右侧配置面板，底部日志/数据/变量面板等

---

---

---

---

---

---

---

---

🚀 快速开始

环境要求

• Windows 10/11（本项目仅支持Windows系统使用）
• 项目自带 Python 3.13 和 Node.js（无需额外安装）

启动方式

在Releases中下载最新版7z压缩包，之后解压出来，直接双击其中的 双击启动WebRPA本地服务.bat 即可快速启动本项目：

• 后端服务：http://localhost:8000 （默认端口，可在 WebRPAConfig.json 中配置）
• 前端服务：http://localhost:5173 （默认端口，可在 WebRPAConfig.json 中配置）

配置文件

项目根目录的 WebRPAConfig.json 文件可以自定义服务端口和主机地址：

{
  "backend": {
    "host": "0.0.0.0",
    "port": 8000,
    "reload": false
  },
  "frontend": {
    "host": "0.0.0.0",
    "port": 5173
  },
  "frameworkHub": {
    "host": "0.0.0.0",
    "port": 3000
  }
}

配置说明：

• host: 服务监听地址（0.0.0.0 允许局域网访问，127.0.0.1 仅本机访问）
• port: 服务端口号（可自定义，避免端口冲突）
• reload: 后端热重载（开发模式可设为 true，生产环境建议 false）

修改配置后重启服务即可生效。

注意事项：

• 如果配置的端口已被其他程序占用，服务将无法启动并提示端口冲突
• 请确保配置的端口未被占用，或修改为其他可用端口
• Windows 系统可使用 netstat -ano | findstr :端口号 命令查看端口占用情况
• 所有启动脚本（BAT 和 VBS）都会自动读取配置文件中的端口设置
• 使用 VBS 无窗口启动时，关闭服务请使用对应的"关闭WebRPA(无终端弹窗).vbs"脚本，确保所有进程正确关闭

开发模式

如需修改代码进行开发：

# 后端
cd backend
../Python313/python.exe -m pip install -r requirements.txt
../Python313/python.exe run.py

# 前端
cd frontend
../nodejs/npm install
../nodejs/npm run dev

---

📁 项目结构

WebRPA/
├── backend/                 # 后端服务 (Python FastAPI)
│   ├── app/
│   │   ├── api/            # API 路由（浏览器、系统、触发器等）
│   │   ├── executors/      # 模块执行器（260个模块的核心逻辑）
│   │   ├── models/         # 数据模型（工作流、变量、配置等）
│   │   └── services/       # 核心服务（浏览器管理、任务调度等）
│   ├── data/               # 数据文件（AI模型、配置等）
│   ├── uploads/            # 上传文件临时存储
│   ├── ffmpeg.exe          # 媒体处理工具
│   ├── ffprobe.exe         # 媒体信息工具
│   ├── pandoc.exe          # 文档转换工具
│   ├── m3u8.exe            # M3U8视频下载工具
│   ├── requirements.txt    # Python依赖列表
│   └── run.py              # 后端启动入口
├── frontend/               # 前端界面 (React + TypeScript)
│   ├── src/
│   │   ├── components/     # UI 组件（工作流编辑器、配置面板等）
│   │   ├── store/          # 状态管理（Zustand）
│   │   ├── services/       # API服务、WebSocket通信
│   │   ├── types/          # TypeScript类型定义
│   │   └── lib/            # 工具函数（拼音搜索、工具类等）
│   ├── public/             # 静态资源
│   ├── package.json        # 前端依赖配置
│   └── vite.config.ts      # Vite构建配置
├── frameworkHub/           # 工作流市场服务 (Node.js + Express)
│   ├── src/
│   │   ├── routes/         # API路由（工作流上传、下载、搜索）
│   │   ├── middleware/     # 中间件（认证、日志等）
│   │   └── utils/          # 工具函数
│   ├── data/               # 工作流数据存储（SQLite）
│   ├── package.json        # Node.js依赖配置
│   └── ecosystem.config.cjs # PM2进程配置
├── Python313/              # 内置 Python 3.13 环境
│   ├── Lib/                # Python标准库
│   ├── Scripts/            # Python可执行脚本
│   └── python.exe          # Python解释器
├── nodejs/                 # 内置 Node.js 20 环境
│   ├── node_modules/       # 全局npm包
│   └── node.exe            # Node.js运行时
├── NapCat/                 # QQ机器人服务（NapCat框架）
├── workflows/              # 本地工作流存储目录
├── png/                    # README展示图片
├── LICENSE                 # 开源协议（AGPL-3.0 + 商业授权）
├── README.md               # 项目说明文档
└── 双击启动WebRPA本地服务.bat  # 一键启动脚本

---

📖 使用说明

项目内置完整的教学文档，点击工具栏的「教学文档」按钮即可查看。

基本操作

1. 创建工作流：从左侧模块列表拖拽模块到画布
2. 连接模块：从模块底部拖出连线到下一个模块顶部
3. 配置模块：点击模块，在右侧面板配置参数
4. 使用变量：在输入框中使用 {变量名} 引用变量
5. 运行工作流：点击工具栏的运行按钮
6. 查看结果：在底部面板查看日志、数据、变量

文档功能

• 📚 18个分类的详细教学文档，覆盖所有260个模块
• 🔍 三级标题搜索：搜索结果精确到三级标题（###），快速定位具体内容
• 🎨 关键词高亮：搜索关键词在文档中自动高亮显示，方便查看
• 🔖 保持搜索状态：切换文档时保持搜索和高亮，方便对比查看
• 📊 Mermaid流程图：内置精美的流程图，直观展示工作流逻辑
• 📝 丰富示例：每个模块都有详细的配置说明和代码示例
• 💡 最佳实践：提供工作流设计模式和优化建议
• 🎯 快速上手：从基础到高级，循序渐进的学习路