Windows 上的桌面程序不像网页那样有一套统一的 DOM 可以查。传统的 Win32 程序把按钮、输入框、列表框画在窗口里，较新的程序用 WPF、WinForms 或 Qt 重新搭一遍界面，走的又是另一套控件体系；同一段「点开菜单、填两个框、点确定」的操作，在不同框架下要调用的接口完全不同。结果是桌面端的重复劳动大多只能靠人手：回归测试一遍遍点，批量填单一条条抄，线上出问题按记忆复现。pywinauto
pywinauto 是一套用来自动化 Microsoft Windows 图形界面的 Python 模块，仓库建在 GitHub 的 pywinauto 组织下，2015 年 5 月创建，采用 BSD 3-clause 授权，目前有 6,300 余 star、790 个 fork、3,248 次提交。它的能力可以分两层看：最基础的一层是把鼠标与键盘动作送到指定的窗口对话与控件上；再往上一层是从控件里读文本、读状态、读层级，让脚本能判断界面此刻是什么样子，而不是盲目点击固定坐标。代码历史比仓库更早，初版由 Mark Mc Mahon 在 2006 年前后写成，此后 Intel 参与过 0.5.x 维护，现在由开源社区在业余时间推进。技术路线上它同时支持 Win32 API 与微软 UI Automation 两套接口，2026 年 10 月 15 日发布的 1.0.0b1 又把后端扩展到 Linux 的 atspi、macOS 的 ax、Windows 的 WPF 与 Qt5/Qt6，属于一次跨度很大的重构。
pywinauto 的功能围绕”找到控件—操作控件—等它变状态—把结果留证”这条链展开，重点解决两件事：让脚本能稳定定位到界面元素，让等待与断言不必靠自己写 sleep。它不提供录制回放的图形工具，所有能力都以 Python 接口暴露，所以写得出来什么取决于你对控件树
核心亮点：
- 双后端定位控件
- 窗口与控件当对象
- 控件树可打印
- 真实输入与消息两种操作方式
- 等待与状态断言
相关文章
