项目共四大功能模块:1)浏览器自动化引擎:自动完成登录、课程导航、单元切换与页面流程控制,内置统一等待与重试机制;2)智能弹窗处理:自动识别并关闭新手引导、模态框、确认弹窗等十余类干扰元素,保障长流程稳定运行;3)音频采集与转写:批量抓取课程听力音频并按单元/题型结构化归档,调用 Whisper 语音识别转为文本;4)AI 问答与 GUI 控制台:将题目/文本送入大模型生成参考答案并辅助填写,结果以 JSON 落盘,同时提供 Tkinter 图形界面实现参数配置、实时日志与一键启停。
本项目由我独立开发完成全部环节。技术栈为 Python 3 + Selenium + BeautifulSoup + ChromeDriver + OpenAI API + Whisper + Tkinter + PyInstaller。我负责的任务包括:搭建 Selenium 自动化引擎,封装登录、导航与页面切换流程,支持自定义 Chrome/Driver 路径;设计 PopupManager,通过多套 CSS/XPath 选择器与关键词匹配鲁棒处理各类弹窗;实现音频批量采集与 Whisper 转写;封装 AIAnswerGenerator 统一管理 Prompt、API 调用与异常重试;开发 Tkinter 多线程 GUI 并配置持久化,使用 PyInstaller 打包为 exe 并集成便携版 Chrome。亮点与难点:将 2000+ 行单文件脚本重构为 ConfigManager、LogManager、PopupManager、AudioDownloader、AIAnswerGenerator 等职责清晰模块;针对真实网页的弹窗干扰、加载延迟、反自动化检测做了大量容错设计,显著提升长流程稳定性。