企业官网建设流程全解析

影刀RPA实操指南：法院裁判文书检索与批量下载

做法律相关工作的人都体会过翻裁判文书的苦：一个案由检索出几千份文书，逐篇点开、逐篇下载、手动重命名，一个上午过去进度条还没走完三分之一的案子。我用影刀RPA做了裁判文书检索与批量下载流程，输入案由和法院条件后自动翻页、逐篇打开、批量保存文件到本地，全程不用人守着。

先把边界说清楚：法院类平台没有公开的RPA官方采集教程，这篇是通用网页自动化方案的推导落地，用到的全部是影刀RPA的标准指令，思路适用于各类检索加批量下载的站点。另外要提醒一句，文书数据仅用于自己正当的工作用途，控制访问频率，别给公共服务添负担。

我非技术出身，做这类流程两年多，检索加下载是所有网页自动化里最能锻炼完整功力的场景，因为它把定位、循环、等待、文件下载、异常处理全串起来了。

认识影刀RPA与安装：先把浏览器插件装对

官网下载影刀客户端，注册登录。装浏览器插件这步别跳：设置→浏览器插件→安装Chrome或Edge插件，装完重启浏览器。文书网站页面上有大量动态加载内容，插件没装好后面全是"元素捕获不到"的怪问题。

新建应用"文书检索下载"，流程开头拖"打开网页"指令，浏览器类型选Google Chrome，网址填目标检索页，保存网页对象至变量 web_court。打开网页指令的等待网页加载完成参数设25秒，这类站点服务器响应偏慢，默认值经常不够。

社区版每天30分钟时长，批量下载任务建议放在夜里定时跑，时长不够可考虑创业版。

元素定位四合一：检索结果列表与文书链接的定位方案

检索结果页是典型的列表结构：每条结果带标题、法院、日期、案号。四个定位工具逐一派上用场。

元素捕获建立基准元素，XPath负责批量提取和跨字段关联：

# 捕获元素：结果列表中所有文书标题链接 //div[@class="result-list"]//a[contains(@class,'title')] # 模糊匹配：标题里包含"劳动合同"的文书条目（变量传案由关键词） //*[contains(text(),'$case_type$')] # 参照物定位：通过"发布日期"文本定位同一容器内的链接 //*[contains(@class,'date')]/preceding-sibling::a[1] # 层级定位：从案号定位整条结果卡片，再取标题 //div[text()='$case_no$']/ancestor::div[contains(@class,'item')]//a

CSS选择器和XPath并列使用的选型原则不变：div.result-list a.title这种单层结构CSS最快；凡是"通过文本找元素"“向上找父级”“跨字段关联"只能XPath。正则表达式在文书场景的高频用法是校验和提取案号格式，比如从标题里提取”(2025)京01民终xxxx号"这类模式，数据清洗时省很多事。

影像场景里文书页面可能有附件是图片格式，OCR文字识别偶尔派上用场，放在进阶部分讲。

变量与数据类型：检索条件与文书清单的组织

检索条件用字典存：键为 案由、法院、日期范围、文书类型，拼接成检索URL或逐个填入表单。文书清单用列表的列表存，每条包含 标题、案号、日期、文书链接、文件名 五列，最后统一写Excel做下载台账。

文件名怎么起是这个流程的设计重点。我第一版直接用网站默认文件名，下载几百份全是乱码式的编号，根本没法用。后来改成"案号+当事人关键词"拼接命名：用"合成一个文本"指令把案号和截取的标题前几个字拼起来作为文件名，再用Python把非法字符替换掉：

# 输入：case_no（案号）、title（文书标题）# 输出：file_name，合法的本地文件名importre base=f"{case_no}_{title[:12]}"# 案号+标题前12字file_name=re.sub(r'[\\/:*?"<>|]','_',base)# Windows非法字符替换为下划线file_name=file_name.strip()# 去两端空格，防止路径异常

JSON处理在走接口路线时会用到：响应JSON字符串转Python对象，提取文书ID和下载地址，再转文本传给下载指令。

流程控制：翻页循环与逐篇下载的骨架

主流程骨架分两段。第一段是检索与收集清单：ForEach列表循环遍历检索条件组合，循环相似元素(web)遍历当前页结果，用"提取文本"抓标题和案号存进清单列表。

第二段是逐篇下载：For循环遍历清单，每条执行"打开文书详情页→定位下载按钮→下载文件→关闭页面→写台账"。翻页用While条件循环加disabled判断：//a[contains(@class,"next") and not(contains(@class,"disabled"))]可见就点下一页继续收集，不可见就结束。

每篇文书必须包Try-Catch：Catch里"输出日志"记录案号和报错，Finally关闭可能残留的详情页。批量任务几百次循环，中间任何一篇出问题都该跳过而不是停线，台账里把失败项标出来，跑完单独补一轮即可。

网页自动化：等待、弹窗与下载对话框三件事

等待策略：详情页内容异步加载必须等到位

点进文书详情后正文是异步渲染的，直接提取会抓到空。标准做法：点击后用"等待元素(web)"等正文容器出现，超时15秒，返回True才继续。下载按钮也同理，先等它出现再点。固定等待在文书站点上特别不可靠，服务器慢的时候固定5秒经常不够，动态等待是唯一正解。

弹窗处理的标准流程

文书站点常见两类弹窗：登录提醒弹窗和访问频率提示弹窗。处理套路是固定的五步：捕获弹窗的关闭按钮元素→流程关键节点前用IF 元素可见(web)判断弹窗是否存在→存在就点关闭→等待弹窗元素消失→继续原流程。有些弹窗关闭按钮藏得深定位不到，用键盘Esc键或点击遮罩区域兜底。

下载文件与处理下载对话框

文书下载用"下载文件"指令，保存目录参数设为按日期分类的文件夹，指定文件名参数配合前面Python拼的file_name。如果站点走的是浏览器原生下载流程，用"处理下载对话框"指令应对浏览器弹出的保存确认框。影刀还有"HTTP 下载"指令，文书文件有直链时可直接按URL下载，超时时间默认300秒，大文件也扛得住。下载完成后用"等待文件"指令确认文件真实落盘，再写台账，不然台账说成功、文件其实没下完，这种假成功最难排查。

数据处理：下载台账与文书内容提取

台账Excel三件套：开始下载前"写入内容至Excel工作表"写表头，每篇下载完成后追加一行记录文件名、路径、下载时间、状态，结尾统计成功失败数。几百份文书的下载记录攒在数据表格里，最后"写入表格数据"一次性落表。

文书正文如果是图片或扫描件，用影刀离线OCR做文字识别，识别结果和原文书关联存表，后续做类案检索才能全文搜索。纯文本格式文书用"从文本中提取内容"和正则直接抽字段：当事人、判决金额、引用法条，这些结构化字段才是文书分析的核心资产。

鼠标键盘与图像自动化：滑块与特殊控件的兜底

文书平台常有滑块或点选验证，这类控件元素定位基本无效。影刀的图像自动化是兜底方案：用"等待图像"等验证控件出现，"点击图像"按截图匹配点击目标图片，滑块用"拖拽元素"配合锚点偏移拖到位。识别类验证码可以用"点击文本(OCR)"按屏幕上识别出的文字点击，配合影刀离线OCR。

键盘自动化用在两处：Esc关弹窗、Ctrl+S触发另存（个别站点没有下载按钮只能靠浏览器快捷键）。影刀支持虚拟键盘鼠标驱动，安装后模拟操作不占用真实鼠标键盘，夜里定时跑流程时人机互不干扰，建议装。

进阶技能：接口监听与Python协同提效

结果列表数据多数来自接口。用"开始监听网页请求"监听检索接口，翻页时"使用网页监听指令获取数据"拿JSON，一次响应带整页文书列表，比页面循环提取快且稳。文书ID拼出详情页URL后进入下载环节，两条路线可以混用：清单靠接口，下载靠页面。

Python代码段承担所有脏活：文件名清洗、日期标准化、Excel去重判断（案号是否已在历史台账，避免重复下载）、失败重试队列。这些逻辑用指令拼会很长，Python十行搞定，影刀里Python图标要点亮才能用，装完客户端在设置里确认Python引擎就绪。

系统联动：定时任务、邮件与飞书通知

批量下载适合夜里无人值守：定时触发器配每日触发，凌晨2点跑，避开平台白天的访问高峰。触发方式支持每日、每周、预约、自定义间隔和Cron表达式，生效前提是高级任务计划已启用，Windows电源设置里把睡眠关掉，官方文档专门讲过计划任务Windows电源设置问题，休眠导致的"任务没跑"排障我见过太多次。

跑完的结果用"发送邮件"指令把台账Excel作为附件发给自己，成功失败一目了然；团队协作场景用"飞书群通知"发摘要消息：本次检索案由、下载成功数、失败数，机器人地址填群webhook，签名校验按群机器人安全设置填密钥。企业版调度场景下，任务监控页面还能配置告警邮箱和钉钉通知，流程异常自动提醒，无人值守才真的放心。

工程化规范：子流程拆分与命名规范

我拆成五个子流程：01_登录与登录态检查、02_检索与清单收集、03_单篇下载、04_台账与去重、05_结果通知。主流程只做调度，逻辑都下沉到子流程，参数用输入输出变量传递。子流程命名带编号，主流程里读起来像目录，接手的人不用点开就知道每步干什么。

调试三板斧：断点（指令右键添加断点）、单步执行、变量面板。批量下载的失败九成是定位或等待问题，单步跑到失败那篇，看变量面板里网页对象和文件名变量的实际值，原因基本当场现形。模板化方面，这套"检索→清单→循环下载→台账→通知"的结构是通用的，换一个下载场景（论文、公告、报告）只改定位和文件名规则。

易错速查表：文书下载高频翻车点

学习资源与延伸阅读

官方文档里"下载文件"“处理下载对话框”"网页相似元素循环常见场景及解决方案"三篇是这类流程的必读参考，参数说明比我这篇细。这套裁判文书检索与批量下载流程的完整源码我放在代码仓库 home.linyan.cloud，可以直接参考改造，替换检索条件和保存目录就能投入使用。

#影刀RPA #RPA自动化 #批量下载 #数据采集 #循环操作 #异常处理

作者：林焱