如何使用Python自动化测试工具Selenium进行网页自动化？

 

引言

Selenium是一个流行的Web自动化测试框架，它支持多种编程语言和浏览器，并提供了丰富的API和工具来模拟用户在浏览器中的行为。Selenium可以通过代码驱动浏览器自动化测试流程，包括页面导航、元素查找、数据填充、点击操作等。

与PyAutoGUI和AutoIt相比，Selenium更适合于处理Web界面上的自动化操作。

它可以轻松地测试像网页表单、AJAX异步请求、JavaScript交互等功能。Selenium有一个活跃的社区，确保持续的开发和更新，也有许多用例和最佳实践可供借鉴。

此外，一些云测平台如BrowserStack或Sauce Labs，也提供内置的Selenium集成，从而使测试流程变得更加容易和灵活。因此，在处理Web界面自动化测试时，Selenium是一个值得推荐的选择。

概述
selenium是网页应用中最流行的自动化测试工具，可以用来做自动化测试或者浏览器爬虫等。官网地址为：Selenium。相对于另外一款web自动化测试工具QTP来说有如下优点：

概述

selenium是网页应用中最流行的自动化测试工具，可以用来做自动化测试或者浏览器爬虫等。官网地址为：Selenium。相对于另外一款web自动化测试工具QTP来说有如下优点：

 

• 免费开源轻量级，不同语言只需要一个体积很小的依赖包
• 支持多种系统，包括Windows，Mac，Linux
• 支持多种浏览器，包括Chrome，FireFox，IE，safari，opera等
• 支持多语言，包括Java，C，python，c#等主流语言
• 支持分布式测试用例执行

python+selenium环境安装

首先需要安装python（推荐3.7+）环境，然后直接用pip install selenium安装依赖包即可。

另外还需要下载浏览器相应的webdriver驱动程序，注意下载的驱动版本一定要匹配浏览器版本。

• Firefox浏览器驱动：geckodriver
• Chrome浏览器驱动：chromedriver
• IE浏览器驱动：IEDriverServer
• Edge浏览器驱动：MicrosoftWebDriver
• Opera浏览器驱动：operadriver

下载以后可以把驱动程序加到环境变量，这样使用时就不用手动指定驱动程序路径。

使用selenium启动浏览器

可以在python中使用下面的代码启动一个Chrome浏览器，然后控制这个浏览器的行为或者读取数据。

from selenium import webdriver
 
# 启动Chrome浏览器，要求chromedriver驱动程序已经配置到环境变量
# 将驱动程序和当前脚本放在同一个文件夹也可以
driver = webdriver.Chrome()
 
# 手动指定驱动程序路径
driver = webdriver.Chrome(r'D:/uusama/tools/chromedriver.exe')
 
driver = webdriver.Ie()        # Internet Explorer浏览器
driver = webdriver.Edge()      # Edge浏览器
driver = webdriver.Opera()     # Opera浏览器
driver = webdriver.PhantomJS()   # PhantomJS
 
driver.get('http://uusama.com')  # 打开指定路径的页面

启动的时候还可以设置启动参数，比如下面的代码实现启动时添加代理，并且忽略https证书校验。

from selenium import webdriver
 
# 创建chrome启动选项对象
options = webdriver.ChromeOptions()
 
 
options.add_argument("--proxy-server=127.0.0.1:16666")  # 设置代理
options.add_argument("---ignore-certificate-errors")  # 设置忽略https证书校验
options.add_experimental_option("excludeSwitches", ["enable-logging"])  # 启用日志
 
# 设置浏览器下载文件时保存的默认路径
prefs = {"download.default_directory": get_download_dir()}
options.add_experimental_option("prefs", prefs)
driver = webdriver.Chrome(options=options)

一些非常有用的启动选项，下面使用的options = webdriver.ChromeOptions():

• options.add_argument("--proxy-server=127.0.0.1:16666"): 设置代理，可以结合mitmproxy进行抓包等
• option.add_experimental_option('excludeSwitches', ['enable-automation']): 设置绕过selenium检测
• options.add_argument("---ignore-certificate-errors"): 设置忽略https证书校验
• options.add_experimental_option("prefs", {"profile.managed_default_content_settings.images": 2}): 设置不请求图片模式加快页面加载速度
• chrome_options.add_argument('--headless'): 设置无头浏览器

selenium页面加载等待和检测

使用selenium打开页面以后，还不能立刻操作，需要等到待处理页面元素加载完成，这时就需要检测和等待页面元素加载。

使用time.sleep()等待

最简单的方法就是打开页面以后，使用time.sleep()强制等待一定时间，该方法只能设置一个固定时间等待，如果页面提前加载完成，则会空等阻塞。

from time import sleep
from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get('http://uusama.con')
time.sleep(10)
print('load finish')

使用implicitly_wait设置最长等待时间

另外还可以使用implicitly_wait设置最长等待时间，如果在给定时间内页面加载完成或者已经超时，才会执行下一步。该方法会等到所有资源全部加载完成，也就是浏览器标签栏的loading图表不再转才会执行下一步。有可能页面元素已经加载完成，但是js或者图片等资源还未加载完成，此时还需要等待。

另需注意使用implicitly_wait只需设置一次，且对整个driver生命周期都起作用，凡是遇到页面正在加载都会阻塞。

示例如下：

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.implicitly_wait(30)   # 设置最长等30秒
driver.get('http://uusama.com')
print(driver.current_url)
 
driver.get('http://baidu.com')
print(driver.current_url)

使用WebDriverWait设置等待条件

使用WebDriverWait（selenium.webdriver.support.wait.WebDriverWait）能够更加精确灵活地设置等待时间，WebDriverWait可在设定时间内每隔一段时间检测是否满足某个条件，如果满足条件则进行下一步操作，如果超过设置时间还不满足，则抛出TimeoutException异常，其方法声明如下：

WebDriverWait(driver, timeout, poll_frequency=0.5, ignored_exceptions=None)

其中各参数含义如下：

• driver：浏览器驱动
• timeout：最长超时时间，默认以秒为单位
• poll_frequency：检测的间隔（步长）时间，默认为0.5秒
• ignored_exceptions：忽略的异常，即使在调用until()或until_not()的过程中抛出给定异常也不中断

WebDriverWait()一般配合until()或until_not()方法使用，表示等待阻塞直到返回值为True或者False，需要注意这两个方法的参数都需是可调用对象，即方法名称，可以使用expected_conditions模块中的方法或者自己封装的方法。

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions
 
driver = webdriver.Chrome()
driver.get("http://baidu.com")
 
# 判断id为`input`的元素是否被加到了dom树里，并不代表该元素一定可见，如果定位到就返回WebElement
element = WebDriverWait(driver, 5, 0.5).until(expected_conditions.presence_of_element_located((By.ID, "s_btn_wr")))
 
# implicitly_wait和WebDriverWait都设置时，取二者中最大的等待时间
driver.implicitly_wait(5)
 
# 判断某个元素是否被添加到了dom里并且可见，可见代表元素可显示且宽和高都大于0
WebDriverWait(driver,10).until(EC.visibility_of_element_located((By.ID, 'su')))
 
# 判断元素是否可见，如果可见就返回这个元素
WebDriverWait(driver,10).until(EC.visibility_of(driver.find_element(by=By.ID, value='kw')))

下面列出expected_conditions常用的一些方法：

• title_is: 判断当前页面title是否精确等于预期
• title_contains: 判断当前页面title是否包含预期字符串
• presence_of_element_located: 判断某个元素是否被加到了dom树里，并不代表该元素一定可见
• visibility_of_element_located: 判断某个元素是否可见（元素非隐藏，并且元素的宽和高都不等于0）
• visibility_of: 跟上面的方法做一样的事情，只是上面的方法要传入locator，这个方法直接传定位到的element就好了
• presence_of_all_elements_located: 判断是否至少有1个元素存在于dom树中。举个例子，如果页面上有n个元素的class都是'column-md-3'，那么只要有1个元素存在，这个方法就返回True
• text_to_be_present_in_element: 判断某个元素中的text是否包含了预期的字符串
• text_to_be_present_in_element_value: 判断某个元素中的value属性是否包含了预期的字符串
• frame_to_be_available_and_switch_to_it: 判断该frame是否可以switch进去，如果可以的话，返回True并且switch进去，否则返回False
• invisibility_of_element_located: 判断某个元素中是否不存在于dom树或不可见
• element_to_be_clickable: 判断某个元素中是否可见并且是enable的，这样的话才叫clickable
• staleness_of: 等某个元素从dom树中移除，注意，这个方法也是返回True或False
• element_to_be_selected: 判断某个元素是否被选中了,一般用在下拉列表
• element_selection_state_to_be: 判断某个元素的选中状态是否符合预期
• element_located_selection_state_to_be: 跟上面的方法作用一样，只是上面的方法传入定位到的element，而这个方法传入locator

检测document是否加载完成

另外还可以使用driver.execute_script('return document.readyState;') == 'complete'来检测document是否加载完成。

注意document加载完成，是不包括那种异步加载ajax请求动态渲染dom的，这种需要使用WebDriverWait检测某个元素是否渲染完成。

selenium元素定位和读取

查找元素
selenium提供了一系列api方便获取chrome中的元素，这些API都返回WebElement对象或其列表，如：

• find_element_by_id(id): 查找匹配id的第一个元素
• find_element_by_class_name(): 查找匹配class的第一个元素
• find_elements_by_xpath(): 查找匹配xpath的所有元素
• find_elements_by_css_selector(): 查找匹配css选择器的所有元素

其实可以看WebDriver类里面的实现源码，其核心实现都是调用两个基本函数：

• find_element(self, by=By.ID, value=None): 查找匹配策略的第一个元素
• find_elements(self, by=By.ID, value=None): 查找匹配策略的所有元素

其中by参数可以是ID, CSS_SELECTOR, CLASS_NAME, XPATH等。下面举几个简单的例子：

• 通过xpath查询包含文本登录的第一个元素： find_element_by_xpath("//*[contains(text(),'登录')]")
• 查询包含类名refresh的所有元素： find_elements_by_class_name('refresh')
• 查询table表格的第二行： find_element_by_css_selector('table tbody > tr:nth(2)')

dom元素交互

上面介绍的元素查找结果WebElement对象，常用的api有:

• element.text: 返回元素的文本内容（包括所有后代节点的内容），注意如果元素display=none则返回为空字符串
• element.screenshot_as_png: 元素的截图
• element.send_keys("input"): 元素输入框输入input字符串
• element.get_attribute('data-v'): 获取data-v名称属性值，除了自定义节点属性，还可以获取如textContent等属性
• element.is_displayed(): 判断元素是否用户可见
• element.clear(): 清除元素文本
• element.click(): 点击元素，如果元素不可点击会抛出ElementNotInteractableException异常
• element.submit(): 模拟表单提交

查找元素失败处理

如果找不到指定元素，则会抛出NoSuchElementException异常，而且需要注意，display=none的元素是可以获取到的，凡是在dom节点中的元素都可以获取到。

而且实际使用的时候要注意一些js代码动态创建的元素，可能需要轮询获取或者监控。

一个检查是否存在指定元素的方法如下：

def check_element_exists(xpath):
    try:
        driver.find_element_by_xpath(xpath)
    except NoSuchElementException:
        return False
    return True

selenium交互控制

ActionChains动作链

webdriver通过ActionChains对象来模拟用户操作，该对象表示一个动作链路队列，所有操作会依次进入队列但不会立即执行，直到调用perform()方法时才会执行。其常用方法如下：

• click(on_element=None): 单击鼠标左键
• click_and_hold(on_element=None): 点击鼠标左键，不松开
• context_click(on_element=None): 点击鼠标右键
• double_click(on_element=None): 双击鼠标左键
• send_keys(*keys_to_send): 发送某个键到当前焦点的元素
• send_keys_to_element(element, *keys_to_send): 发送某个键到指定元素
• key_down(value, element=None): 按下某个键盘上的键
• key_up(value, element=None): 松开某个键
• drag_and_drop(source, target): 拖拽到某个元素然后松开
• drag_and_drop_by_offset(source, xoffset, yoffset): 拖拽到某个坐标然后松开
• move_by_offset(xoffset, yoffset): 鼠标从当前位置移动到某个坐标
• move_to_element(to_element): 鼠标移动到某个元素
• move_to_element_with_offset(to_element, xoffset, yoffset): 移动到距某个元素（左上角坐标）多少距离的位置
• perform(): 执行链中的所有动作
• release(on_element=None): 在某个元素位置松开鼠标左键

模拟鼠标事件

下面代码模拟鼠标移动，点击，拖拽等操作，注意操作时需要等待一定时间，否则页面还来不及渲染。

from time import sleep
from selenium import webdriver
# 引入 ActionChains 类
from selenium.webdriver.common.action_chains import ActionChains
 
driver = webdriver.Chrome()
driver.get("https://www.baidu.cn")
action_chains = ActionChains(driver)
 
target = driver.find_element_by_link_text("搜索")
# 移动鼠标到指定元素然后点击
action_chains.move_to_element(target).click(target).perform()
time.sleep(2)
 
# 也可以直接调用元素的点击方法
target.click()
time.sleep(2)
 
# 鼠标移动到(10, 50)坐标处
action_chains.move_by_offset(10, 50).perform()
time.sleep(2)
 
# 鼠标移动到距离元素target(10, 50)处
action_chains.move_to_element_with_offset(target, 10, 50).perform()
time.sleep(2)
 
# 鼠标拖拽，将一个元素拖动到另一个元素
dragger = driver.find_element_by_id('dragger')
action.drag_and_drop(dragger, target).perform()
time.sleep(2)
 
# 也可以使用点击 -> 移动来实现拖拽
action.click_and_hold(dragger).release(target).perform()
time.sleep(2)
action.click_and_hold(dragger).move_to_element(target).release().perform()

模拟键盘输入事件

通过send_keys模拟键盘事件，常用有：

• send_keys(Keys.BACK_SPACE): 删除键（BackSpace）
• send_keys(Keys.SPACE): 空格键(Space)
• send_keys(Keys.TAB): 制表键(Tab)
• send_keys(Keys.ESCAPE): 回退键（Esc）
• send_keys(Keys.ENTER): 回车键（Enter）
• send_keys(Keys.F1): 键盘 F1
• send_keys(Keys.CONTROL,'a'): 全选（Ctrl+A）
• send_keys(Keys.CONTROL,'c'): 复制（Ctrl+C）
• send_keys(Keys.CONTROL,'x'): 剪切（Ctrl+X）
• send_keys(Keys.CONTROL,'v'): 粘贴（Ctrl+V）

示例：定位到输入框，然后输入内容

# 输入框输入内容
driver.find_element_by_id("kw").send_keys("uusamaa")
 
# 模拟回车删除多输入的一个字符a
driver.find_element_by_id("kw").send_keys(Keys.BACK_SPACE)

警告框处理

用于处理调用alert弹出的警告框。

• driver.switch_to_alert(): 切换到警告框
• text：返回alert/confirm/prompt中的文字信息，比如js调用alert('failed')则会获取failed字符串
• accept()：接受现有警告框
• dismiss()：关闭现有警告框
• send_keys(keysToSend)：将文本发送至警告框

selenium浏览器控制

基本常用api

下面列出一些非常实用的浏览器控制api:

• driver.current_url: 获取当前活动窗口的url
• driver.switch_to_window("windowName"): 移动到指定的标签窗口
• driver.switch_to_frame("frameName"): 移动到指定名称的iframe
• driver.switch_to_default_content(): 移动到默认文本内容区
• driver.maximize_window(): 将浏览器最大化显示
• driver.set_window_size(480, 800): 设置浏览器宽480、高800显示
• driver.forword(), driver.back(): 浏览器前进和后退
• driver.refresh(): 刷新页面
• driver.close(): 关闭当前标签页
• driver.quiit(): 关闭整个浏览器
• driver.save_screenshot('screen.png'): 保存页面截图
• driver.maximize_window(): 将浏览器最大化显示
• browser.execute_script('return document.readyState;'): 执行js脚本

selenium读取和加载cookie

使用get_cookies和add_cookie可以实现将cookie缓存到本地，然后启动时加载，这样可以保留登录态。实现如下

import os
import json
from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get("https://www.baidu.cn")
 
# 读取所有cookie并保存到文件
cookies = driver.get_cookies()
cookie_save_path = 'cookie.json'
with open(cookie_save_path, 'w', encoding='utf-8') as file_handle:
    json.dump(cookies, file_handle, ensure_ascii=False, indent=4)
 
# 从文件读取cookie并加载到浏览器
with open(cookie_save_path, 'r', encoding='utf-8') as file_handle:
    cookies = json.load(file_handle)
    for cookie in cookies:
        driver.add_cookie(cookie)

selenium打开新的标签页窗口

使用driver.get(url)会默认在第一个标签窗口打开指定连接，点击页面中的_blank的链接时也会打开一个新的标签窗口。

还可以用下面的方式手动打开一个指定页面的标签窗口，需要注意打开新窗口或者关闭以后，还需要手动调用switch_to.window切换当前活动的标签窗口，否则会抛出NoSuchWindowException异常。
 

from selenium import webdriver
 
driver = webdriver.Chrome()
driver.get("https://www.baidu.cn")
 
new_tab_url = 'http://uusama.com'
driver.execute_script(f'window.open("{new_tab_url}", "_blank");')
time.sleep(1)
 
# 注意：必须调用switch_to.window手动切换window，否则会找不到tab view
# 聚焦到新打开的tab页面，然后关闭
driver.switch_to.window(driver.window_handles[1])
time.sleep(2)
driver.close()   # 关闭当前窗口
 
# 手动回到原来的tab页面
driver.switch_to.window(driver.window_handles[0])
time.sleep(1)

除了使用execute_script外，还可以使用模拟打开新tab页按键的方式新建一个标签页窗口：

• driver.find_element_by_tag_name('body').send_keys(Keys.CONTROL + 't')
• ActionChains(driver).key_down(Keys.CONTROL).send_keys('t').key_up(Keys.CONTROL).perform()

selenium一些问题记录

获取隐藏元素的文本内容

如果一个元素是隐藏的，即display=none，虽然可以通过find_element查找到该元素，但是用element.text属性是获取不到该元素文本内容的，其值是空字符串，这时可以用下面的方式获取：

element = driver.find_element_by_id('uusama')
driver.execute_script("return arguments[0].textContent", element)
driver.execute_script("return arguments[0].innerHTML", element)
 
# 相应的也可以把隐藏的元素设置为非隐藏
driver.execute_script("arguments[0].style.display = 'block';", element)

浏览器崩溃WebDriverException异常处理

比如在Chrome中长时间运行一个页面会出现Out Of Memory内存不足的错误，此时WebDriver会抛出WebDriverException异常，基本所有api都会抛出这个异常，这个时候需要捕获并进行特殊处理。

我的处理方式是记录页面的一些基本信息，比如url，cookie等，并定期写入到文件中，如果检测到该异常，则重启浏览器并且加载url和cookie等数据。
 

selenium抓取页面请求数据

网上有通过driver.requests或者通过解析日志来获取页面请求的方式，但是我感觉都不是很好使。最后使用mitmproxy代理进行抓包处理，然后启动selenium时填入代理来实现。

proxy.py为在mitmproxy基础上封装的自定义代理请求处理，其代码如下：

import os
import gzip
from mitmproxy.options import Options
from mitmproxy.proxy.config import ProxyConfig
from mitmproxy.proxy.server import ProxyServer
from mitmproxy.tools.dump import DumpMaster
from mitmproxy.http import HTTPFlow
from mitmproxy.websocket import WebSocketFlow
 
 
class ProxyMaster(DumpMaster):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
 
    def run(self, func=None):
        try:
            DumpMaster.run(self, func)
        except KeyboardInterrupt:
            self.shutdown()
 
 
def process(url: str, request_body: str, response_content: str):
    # 抓包请求处理，可以在这儿转存和解析数据
    pass
 
 
class Addon(object):
    def websocket_message(self, flow: WebSocketFlow):
        # 监听websockt请求
        pass
 
    def response(self, flow: HTTPFlow):
        # 避免一直保存flow流，导致内存占用飙升
        # flow.request.headers["Connection"] = "close"
        # 监听http请求响应，并获取请求体和响应内容
        url = flow.request.url
        request_body = flow.request
        response_content = flow.response
 
        # 如果返回值是压缩的内容需要进行解压缩
        if response_content.data.content.startswith(b'\x1f\x8b\x08'):
            response_content = gzip.decompress(response_content.data.content).decode('utf-8')
        Addon.EXECUTOR.submit(process, url, request_body, response_content)
 
 
def run_proxy_server():
    options = Options(listen_host='0.0.0.0', listen_port=16666)
    config = ProxyConfig(options)
    master = ProxyMaster(options, with_termlog=False, with_dumper=False)
    master.server = ProxyServer(config)
    master.addons.add(Addon())
    master.run()
 
 
if __name__ == '__main__':
    with open('proxy.pid', mode='w') as fin:
        fin.write(os.getpid().__str__())
    run_proxy_server()

在使用mitmproxy过程中，随着时间推移proxy.py会出现占用内存飙升的问题，在github的issue区有人也遇到过，有说是因为http连接keep-alive=true请求会一直保存不会释放，导致请求越多越占用内存，然后通过添加flow.request.headers["Connection"] = "close"来手动关闭连接，我加了以后有一定缓解，但还是不能从根本上解决。

最后通过写入proxy.pid记录代理程序进程，然后用另外一个程序定时重启proxy.py来解决内存泄漏的问题。