selenium底层原理详解

原创

已于 2024-08-18 12:18:34 修改 · 1.9k 阅读

CC 4.0 BY-SA版权

文章标签：

于 2024-08-18 12:16:02 首次发布

1、selenium版本的演变

核心原理：
- Selenium RC（Remote Control）：Selenium 1.x主要通过Selenium RC来实现自动化测试。Selenium RC启动一个Server，该Server负责控制浏览器行为。
- JavaScript注入技术：Selenium RC将操作Web元素的API调用转化为JavaScript代码，然后通过Selenium Core（一堆JavaScript函数的集合）注入到浏览器中执行。这种方式依赖于浏览器对JavaScript的支持，但速度较慢且稳定性依赖于Selenium内核对API的JavaScript翻译质量。

核心原理：

WebDriver的引入：Selenium 2.x整合了WebDriver项目，使得Selenium更加强大。WebDriver利用浏览器原生的API，封装成一套面向对象的Selenium WebDriver API，直接操作浏览器页面里的元素，甚至操作浏览器本身（如截屏、窗口大小调整、启动/关闭浏览器等）。
浏览器原生API：由于使用浏览器原生API，WebDriver的速度大大提升，且调用的稳定性交给了浏览器厂商本身。然而，不同浏览器厂商对Web元素的操作和呈现存在差异，因此WebDriver需要为不同浏览器提供不同的实现（如ChromeDriver、FirefoxDriver等）。
WebDriver Wire协议：WebDriver启动后会在特定端口上启动基于WebDriver Wire协议的Web Service，所有对WebDriver的API调用都会通过HTTP请求发送给这个Web Service。

核心原理：

继承2.x的特性：Selenium 3.x在底层原理上与Selenium 2.x保持一致，继续利用WebDriver和浏览器原生API进行操作。
新增特性：Selenium 3.x加入了对更多浏览器原生驱动的支持，如Edge和Safari的原生驱动，以及更新了对Firefox的支持（通过geckodriver）。
移除Selenium RC：与Selenium 2.x相比，Selenium 3.x去除了Selenium RC组件，更加专注于WebDriver的使用。

说明：这里说的原理都是整合了WebDriver之后的selenium版本。

思考：selenium是如何驱动浏览器做各种操作的呢？

分析：
- 首先我们想想，我们可以直接和浏览器交互吗，显然是不能，这时候就需要借助一个代理人帮我们做这件事，这个代理人就是WebDriver，我们不知道浏览器内核的各种API，难道浏览器厂商还不知道吗，所以他们就提供这样一个代理人给我们使用。
- 也就是我们现在知道WebDriver提供一个服务，我们去请求这个服务把对浏览器的操作通过HTTP请求发送给WebDriver这个服务，再由它把操作解析后去调用浏览器的API，最终结果原路返回。
- 这个时候我们还需要把这些操作统一起来才行，不然不太可能我们自己总是去调用接口发送请求吧，这时候selenium client就出现了，它在内部帮我们处理好了底层通信的一切，还把对浏览器的操作统一封装成一个个函数供给我们操作，我们只需要关心操作和操作返回的结果就行。
- 综上就是整个selenium做的事情了。

把上面的过程在提炼一下，流程如下：

1.对于每一条Selenium脚本，一个http请求会被创建并且发送给浏览器的驱动，最开始建立连接时服务端返回一个sessionid给客户端，后续的交互都是通过sessionid进行交互
2.浏览器驱动中包含了一个HTTP Server，用来接收这些http请求
3.HTTP Server接收到请求后根据请求来具体操控对应的浏览器
4.浏览器执行具体的测试步骤
5.浏览器将步骤执行结果返回给HTTP Server
6.HTTP Server又将结果返回给Selenium的脚本，如果是错误的http代码我们就会在控制台看到对应的报错信息。

说明：我们从源码的角度看看，底层是如何进行交互的

代码如下：

from selenium import webdriver

driver_path = 'E:\Pychar