聊到Linux命令行里的自动化操作xdotool是绕不过去的一把利器。简单说它能在X11图形环境下模拟键盘输入、鼠标点击、窗口移动和缩放让我把平时需要手动点好几下的活儿变成一条命令或者一个脚本。我第一次认真用xdotool是在一台CentOS服务器上调试GUI程序当时就靠yum install xdotool把环境拉起来然后一口气解决了窗口自动切换、表单自动填写这些重复操作。这篇文章不打算写成手册翻译而是把我从安装到实战踩过的坑、总结出来的习惯全部摊开讲适合刚接触xdotool的运维、测试同学也适合想用脚本偷懒的普通Linux用户。1. 安装的三种姿势yum、apt、源码编译1.1 动手之前先确认两件事安装xdotool之前我建议你先花一分钟确认系统的两件事否则后面怎么折腾都可能白费。第一确认自己的系统是什么发行版、什么版本。xdotool在各大发行版仓库里都有打包但包管理器不同包名和依赖策略也不一样最常用的是apt、yum/dnf和pacman。如果一上来就用错命令系统的包管理器会直接报“未找到软件包”之类的问题这种错误最容易让新手劝退。第二确认当前有没有可用的图形环境。xdotool本质上是通过X11协议去操作图形界面的它依赖X server的扩展接口比如XTEST、XFixes这些。如果你的机器是纯命令行环境、没有跑X11或者你通过SSH登录但没做X11转发那么就算装上了xdotool运行命令时也会报Cannot open display之类的错误。后面我会专门讲这类问题的排查这里先提一句主要是想让你安装之前对系统状况有个数。1.2 CentOS/RHEL系yum install xdotool的实测记录在CentOS、RHEL这些老派企业发行版上安装xdotool基本上就是一条命令的事。我最早在CentOS 7上跑过直接执行yum install xdotool它会自动解决依赖问题通常会把libX11、libXtst、libXinerama这些X11相关库一起带上。安装完成后用which xdotool确认一下路径再用xdotool --version看看版本基本就能开工了。如果你用的是CentOS 8以上的系统或者Rocky Linux、AlmaLinux这些新一些的发行版包管理器换成了dnf命令也很简单dnf install xdotool很多人会问yum和dnf到底有什么区别。实际使用中我把它俩当成同一个东西只是yum在RHEL 8里已经逐步被dnf取代了dnf的依赖解析速度更快、输出更清晰但命令习惯几乎一样。在你的CentOS 7老机器上yum install xdotool依然稳如老狗在新系统上系统提示用dnf就用dnf不用纠结。有一点要提醒企业机器的软件源有时候是内网镜像包列表可能不同步。如果你执行yum install xdotool后提示找不到包先执行yum makecache刷新缓存再试一次大概率能解决。如果内网源里确实没有这个包那就要走后面的源码编译方案了。1.3 Debian/Ubuntu系与Arch系apt、pacman在Ubuntu、Debian系列上安装方式同样简单一条命令apt update apt install xdotoolUbuntu的软件源里包含xdotool而且版本往往不会太旧日常使用完全够。需要注意Ubuntu 20.04 LTS和22.04 LTS默认软件源里都有xdotool但版本号会有差异比如22.04里的xdotool版本更高一些一些新参数支持得更好。如果你的自动化脚本里用到了某些新特性最好先xdotool --version看一下版本号再决定要不要自己编译新版。如果你的系统是Arch Linux或Manjaro命令是pacman -S xdotoolArch的仓库更新很勤这里拿到的xdotool版本一般是最新的。不过Arch系用户通常更有折腾精神如果官方仓库里的版本不满足需求也可以直接从AUR里拉特定版本。1.4 无网络或软件源缺失源码编译兜底总有一些情况是包管理器搞不定的。比如我在一台离线内网服务器上装过xdotool机器连不上外网yum源也指向一个没同步这玩意的内网镜像这时候最稳妥的方式就是源码编译。先到官方仓库或GitHub上下载源码包把xdotool的tar.gz包传到目标机器上然后依次执行tar xf xdotool-3.20211022.1.tar.gz cd xdotool-3.20211022.1 make make install如果提示缺libX11-devel、libXtst-devel等开发库手动装一下对应的devel包就能继续。源码编译还有一个额外的好处你能拿到比发行版仓库更新的版本有些修复和新功能可能只存在于源码包中。源码编译听着麻烦其实也就三五分钟的事。不过我不建议所有人都走这条路仅在离线环境或特殊架构下使用。2. 核心功能拆解先搞懂它能干哪些活xdotool装好之后别急着上手跑先花几分钟把它的功能地图看清。它能做的事主要集中在三块键盘模拟、鼠标模拟、窗口管理。理解这三块你才能根据需要组合出真正实用的自动化脚本。2.1 键盘模拟type、key、keydown、keyup键盘模拟是xdotool最常用的功能基本命令有这四个type、key、keydown、keyup。xdotool type hello world表示在当前活动窗口直接输入一串字符就像你在那个窗口里敲键盘一样。它支持普通字符和部分不可见字符比如xdotool type line1\nline2可以输入换行。这里有个细节type输入的是可打印文本它不会触发组合键逻辑比如Shift在某些输入法环境下可能和你预期的不同所以如果你要输入的是比较复杂的代码块或特殊符号我建议先用echo测试一遍内容再交给xdotool输入避免因为转义问题把脚本内容打乱。xdotool key则用于模拟单次按键组合最典型的就是快捷键。比如xdotool key ctrlaltt可以打开一个新的终端窗口xdotool key superd可以回到桌面。这里的关键是键名要跟xdotool的键名表对照比如Ctrl对应ctrlShift对应shift空格对应space回车对应Return制表符对应Tab。如果你不确定某个键的写法可以用xdotool key --clearmodifiers配合一个小脚本测试或者直接看/usr/share/xdotool/xdotool.txt里的键名列表。keydown和keyup用来模拟长按和释放的过程。这两个命令单独用的时候不多但在组合场景里特别有用。比如你想模拟“按住Shift再点某个按钮”这样的操作就必须用keydown shift 鼠标点击 keyup shift的组合来实现。别小看这个能力很多软件的拖拽操作和选区操作都依赖这种“键按下不松开”的状态。2.2 鼠标模拟mousemove、click、behave鼠标模拟这一块最常用的是mousemove、click和behave。xdotool mousemove x y把鼠标移动到指定坐标。坐标的默认原点在屏幕左上角单位是像素。如果想在移动的同时触发点击可以直接加click参数例如xdotool mousemove 100 200 click 1表示移动到坐标(100,200)并点击鼠标左键。这里的1代表左键2代表中键3代表右键和X11里的按键编号一致。xdotool click --repeat 3 1可以连续点三下左键这在处理某些要求双击甚至三击的界面时很方便。不过实际脚本里我很少用--repeat因为连续点击之间几乎没有间隔某些界面会吞事件。我更倾向于用for循环配合sleep 0.1来手动控制节奏这样更稳。还有一个很有用的命令是xdotool behave它可以让xdotool监听某个窗口的事件并在事件发生时执行其他命令。举个典型例子xdotool behave --delay 500 窗口ID mouse-enter exec bash /opt/myscript.sh这个命令的含义是当鼠标进入指定窗口时延迟500毫秒然后执行一个脚本。behave能监听的事件有很多比如mouse-enter、mouse-leave、focus等用好了可以做出非常灵动的交互效果。我在搞自动化演示的时候经常用它来触发一些高亮操作。2.3 窗口管理search、activate、windowmove、gets窗口管理是xdotool的另一大核心也是大家最容易忽略的部分。因为单纯的键盘和鼠标模拟都是“盲操作”如果窗口没被激活或位置不对后续操作就会跑偏。窗口管理的核心命令包括search、activate、windowmove、windowresize、getactivewindow。xdotool search --name Firefox按窗口标题搜索窗口ID。xdotool search --class gnome-terminal按类名搜索。搜索到窗口ID以后常见的操作是xdotool windowactivate 窗口ID把窗口激活到前台或者xdotool windowmove 窗口ID x y把窗口移动到指定位置。xdotool getactivewindow用来获取当前处于活动状态的窗口ID这个在写多窗口脚本时特别常用先拿到当前窗口ID记录状态等操作完之后再切换回去。有一点需要特别留意windowactivate在某些窗口管理器中可能失败尤其是平铺式窗口管理器或一些轻量级WM。如果发现窗口没有按预期激活可以先试试xdotool windowfocus 窗口ID这两个命令的区别是windowactivate会尽量调用窗口管理器的激活机制而windowfocus只是把键盘焦点给到窗口不做“置顶”操作。如果你的脚本只是需要往某个窗口输入内容用windowfocus就够了更稳定些。3. 从零写一个无人值守自动化脚本工具讲了一大堆终究要落到跑起来。这一节我带你写一个相对完整的自动化脚本目标场景是打开一个编辑器窗口自动填入一段文本保存文件然后关闭窗口。这过程里会用到键盘模拟、窗口搜索、休眠控制等多个概念。你可以直接照着敲再改造成自己的需求。3.1 场景设定与步骤拆解假设我们用的是系统自带的gedit编辑器目标是自动化完成如下流程打开gedit窗口等待窗口完全加载自动输入一段日志格式的文本按CtrlS打开保存对话框在文件名框中输入指定文件名回车保存关闭编辑窗口。这一步看起来简单其实很考验脚本的节奏控制。尤其是打开程序到窗口就绪之间必须留足时间否则后面的搜索窗口和输入全部会落空。我常用的策略是启动程序后循环调用xdotool search去探测窗口是否出现出现后再加一个500毫秒到1秒的缓冲再进入后续操作。3.2 编写脚本一步步讲解下面是我实际使用过的一个版本去掉了一些环境相关的硬编码保留了核心逻辑#!/bin/bash # 1. 启动 gedit如果已经有同名的窗口就先去激活 gedit APP_PID$! # 2. 等待窗口出现最多等待15秒 WIN_ID for i in $(seq 1 30); do WIN_ID$(xdotool search --class gedit 2/dev/null | tail -1) if [ -n $WIN_ID ]; then break fi sleep 0.5 done if [ -z $WIN_ID ]; then echo 找不到gedit窗口退出 exit 1 fi # 3. 激活窗口 xdotool windowactivate $WIN_ID || xdotool windowfocus $WIN_ID sleep 0.5 # 4. 输入文本 xdotool type --delay 30 2026-01-05 10:00:00 INFO 任务启动 xdotool key Return xdotool type --delay 30 2026-01-05 10:00:01 INFO 数据处理完成 xdotool key Return # 5. 保存文件 xdotool key ctrls sleep 1 # 6. 文件名输入框通常会被默认激活输入文件名并回车 xdotool type --delay 20 /tmp/autologger.txt xdotool key Return sleep 1 # 7. 关闭窗口 xdotool key ctrlw这段代码有几个关键细节值得展开说。第一搜索窗口时用了--class gedit而不是--name因为gedit启动时窗口标题会带着文件名用类名匹配更稳定。tail -1是为了取最后找到的那个窗口ID如果你的系统同时开着多个gedit这个写法会取最后一个新打开的窗口避免和旧窗口混淆。第二windowactivate失败时我补了一个windowfocus的兜底这是在GNOME环境下实测出来的经验。有些窗口管理器只用windowactivate会不生效但加上windowfocus后焦点就能正确落在目标窗口上。第三xdotool type --delay 30里的--delay参数表示每输入一个字符之间的间隔单位是毫秒。这个参数很重要因为输入速度太快时某些编辑器或输入法可能会漏字符尤其是在老机器或虚拟机里。给30毫秒到50毫秒的延迟能让文本完整输入进去。3.3 保存对话框与文件名的处理细节很多人写类似的脚本时会在保存这一步卡住。我遇到最多的问题是按了CtrlS之后保存对话框不一定立即出现或者文件名输入框不一定会自动获得焦点。解决的办法是在保存对话框弹出后先加一个sleep 1等待然后用xdotool type直接输入文件名。如果文件名输入框没有自动聚焦可以先用xdotool key Tab切换焦点或者用xdotool search去找到对话框里的输入框组件再点击它。不过在大多数GTK应用里按CtrlS后文件名输入框是默认聚焦的所以我一般先输入再观察脚本输出如果发现没输进去再手动加一层Tab。还有一个小技巧如果保存对话框是原生的GTK文件选择器你可以不用模拟输入而是直接把完整路径放到CtrlL弹出的“位置”栏里然后按回车。CtrlL在GTK文件选择器里是打开“位置输入”的快捷键xdotool key ctrll之后输入/tmp/autologger.txt再回车效果往往比直接输入文件名更可靠因为它绕过了文件自动补全可能带来的各种匹配问题。3.4 给脚本加“人类节奏”的必要性这是我自己写自动化脚本最深的体会不要一上来就“狂点狂打”而是要模拟人类操作时的节奏。不仅启动窗口后要等输入文字之间要有间隔每次点击或按键之后也要留出合理的短延时让图形界面来得及响应。我在脚本里大量使用sleep 0.2、sleep 0.5这种延迟。有人觉得这拖慢了速度但它换来了极高的稳定性。比如保存大文件时如果写完文件立刻执行ctrlw关闭窗口编辑器可能弹出一个“是否保存”的确认框导致脚本流程彻底乱掉。给保存动作留出1秒到2秒时间大部分情况下都能避免这个坑。4. 踩坑实录常见问题与排查技巧再顺手的工具也有脾气xdotool用久了我总结了几个出现频率极高的问题置顶分享给你。这些问题不一定都能在man xdotool里找到答案很多是实际操作中一点点试出来的。4.1 DISPLAY未设置Could not open display这是xdotool新手最常见的报错格式大概是Cannot open display或者Failed to open display。原因是xdotool需要知道当前图形环境在哪个显示设备上。X11的显示环境通过DISPLAY环境变量指定默认是:0代表本机的第一个X server。如果你在SSH会话里直接跑xdotool且没有X11转发那么这个变量可能是空的xdotool自然找不到显示设备。解决办法有两个方向。如果图形界面就在本机只是你在一个无图形环境的终端里跑可以显式指定export DISPLAY:0然后重新运行xdotool。注意如果你是通过SSH远程操作一台带图形界面的机器还需要确认X11转发是否开启也就是SSH连接时要加-X参数。否则即使设置了DISPLAY也可能因为Xauthority权限问题被拒绝访问。还有一类情况是机器上有多个显示器或者使用Wayland。xdotool是为X11设计的如果你当前会话用的是Wayland很多操作会有兼容性问题。简单说Wayland下的xdotool能力受限部分窗口管理和键鼠模拟不生效需要切换回X11会话或者借助XWayland兼容层。4.2 窗口搜索不到search返回空xdotool search搜不到目标窗口也是高频问题。排查时我按顺序做三件事先检查窗口标题或类名是否写对了。用xdotool search --name 随便一个存在的窗口或者直接xdotool search --onlyvisible .列出所有可见窗口ID看看目标窗口在不在列表里。如果窗口都不在列表里说明搜索条件有问题。比如某窗口标题是Untitled Document 1 - gedit你搜gedit是搜不到的因为--name匹配的是完整标题除非加--partial参数来模糊匹配xdotool search --name --partial gedit第二检查窗口是否真的是普通窗口。有些程序会把主窗口做成“无边框窗口”或“toolkit窗口”--onlyvisible有时候会漏掉。去掉--onlyvisible参数再搜一次比较一下结果。第三如果你操作的是root权限的终端而窗口是普通用户启动的也可能搜不到。这是因为不同X client之间的窗口访问权限受Xauthority控制。解决方法是确保运行xdotool的用户和启动图形界面的用户一致或者通过xhost授权让root能访问用户会话。4.3 输入的字符不对、中文变成乱码xdotool的type命令对ASCII字符支持很好但输入中文、日文这类非ASCII字符时经常翻车。原因在于type依赖当前的X输入法模块它默认是按照X11的keysym映射来发送字符如果系统没配置合适的输入法中文就会变成乱码或者直接丢失。最稳妥的方案是不要让xdotool去“输入”中文内容而是通过剪贴板来粘贴。具体做法是先用xclip或xsel把中文内容放入剪贴板再模拟CtrlV粘贴echo 自动化测试中文 | xclip -selection clipboard xdotool key ctrlv这个方案绕过了输入法问题亲测在各种GTK、Qt程序里都很稳定。如果你的系统没装xclip用xsel --clipboard --input也可以。同理type遇到!、$、\这类特殊字符时在bash脚本里要注意转义。因为xdotool命令本身是在shell里执行的你写的双引号字符串先被shell解析了一遍特殊字符会被解释成变量或管道。我一般优先用单引号把文本包起来或者干脆写成外部文件再读取内容来粘贴减少转义问题。4.4 按键映射不一致ctrl、super、特殊键不同桌面环境下同一个键名在xdotool里的表示可能不同。比如Mac键盘的Command键对应的是super但如果你在Linux上用的是普通PC键盘想模拟Windows键也是super。键名方面xdotool遵循的是X11键名规范和通常说的Ctrl、Alt略有差异。我遇到过一个典型的坑某台机器的窗口管理器把super键绑定为打开应用菜单我想用xdotool模拟superd回到桌面结果执行xdotool key superd一直没反应。后来查了X11键映射发现我的系统里super键名其实叫Super_L需要写xdotool key Super_Ld才能生效。所以当某个键不起作用时可以用xev工具查看实际按下的键名再把它替换到xdotool命令里而不是照搬文档。还有一点如果xdotool key执行后目标程序收不到按键先看看是不是当前窗口没有获得键盘焦点。你可以用xdotool getactivewindow确认一下活动窗口是不是你目标窗口如果不是就先用windowfocus把焦点移过去。4.5 操作太快导致事件丢失xdotool模拟的输入和真实键盘输入有一个关键区别真实输入有“物理节流”两条按键之间有毫秒级偏差而xdotool可以瞬间发送大量事件。某些图形程序对短时间内的密集事件处理能力有限会直接丢弃一部分于是你的脚本就变得时灵时不灵。解决思路就是“慢一点”。给type加上--delay参数给每次key之间穿插sleep 0.1甚至适当使用xdotool key --repeat 3 --delay 500来控制重复间隔。除了慢还可以用--clearmodifiers参数它会在发送按键前清除当前按下的修饰键避免因为Shift、Ctrl等修饰键还处于按着状态导致发送的按键被“带歪”。5. 参数速查与脚本心得写到这里核心内容基本都覆盖了。最后我把一些高频命令和参数整理成速查表方便你放到收藏夹里随时翻用。同时分享一点我自己总结的脚本习惯。5.1 高频命令速查表使用场景命令示例说明输入文本xdotool type hello向当前焦点窗口输入内容输入文本带间隔xdotool type --delay 50 hello每个字符间隔50毫秒速度更稳定模拟组合键xdotool key ctrls保存文件等快捷键操作按下并保持键xdotool keydown shift模拟按住Shift不松手释放按键xdotool keyup shift结合keydown使用移动鼠标xdotool mousemove 100 200移动到指定坐标移动并点击xdotool mousemove 100 200 click 1移动后立即左键点击按名字搜索窗口xdotool search --name gedit精确匹配窗口标题模糊搜索窗口xdotool search --name --partial gedit标题包含gedit即可按类名搜索窗口xdotool search --class gedit按程序类名匹配获取活动窗口xdotool getactivewindow返回窗口ID激活窗口xdotool windowactivate 12345将窗口置前并激活移动窗口xdotool windowmove 12345 0 0把窗口移到(0,0)调整窗口大小xdotool windowsize 12345 800 600把窗口调整为800x600窗口事件监听xdotool behave 12345 mouse-enter exec /tmp/xx.sh鼠标进入窗口时执行脚本滚动鼠标xdotool click 4滚轮向上5为向下5.2 我的三条脚本心得第一脚本里尽量用“窗口ID”而不是“窗口标题”做操作对象。虽然xdotool也支持直接用标题操作但同一个程序可能打开多个窗口标题也经常变化直接拿ID操作最准确。我一般是先搜索到ID再基于ID执行后续所有操作。第二重要操作前后一定要留“检查点”。比如在对窗口输入之前用xdotool getactivewindow确认焦点窗口是不是你要的那个输入文本之后用xdotool getactivewindow再确认一下。这种检查点能极大降低脚本在无人值守时跑偏的概率。我在生产脚本里甚至会写一些简单的判断逻辑窗口ID不符就跳过输入直接报错退出。第三把xdotool命令和系统工具结合起来用。比如结合wmctrl去获取窗口状态结合xclip去处理剪贴板结合ffmpeg的录屏来做自动化后的结果记录。xdotool本身擅长的是“操作”而“判断”和“记录”这些任务可以交给其他更合适的工具组合起来才能发挥最大威力。根据我个人经验xdotool最适合的场景不是去模拟一遍完全未知的复杂GUI流程而是把已经验证过的手工操作固化成脚本降低重复劳动。你在使用中如果遇到文档里没写清楚的情况多查man xdotool再配合xev这类调试工具观察按键事件基本都能找到出路。