3、Selenium基础入门：Selenium简介、WebDriver核心概念、第一个自动化脚本、元素定位方法（ID、Name、Class Name）

3.1 什么是Selenium？

Selenium，说白了就是一套让浏览器听你话的工具集。它不是一个单一的工具，而是一套生态。我刚开始接触自动化测试时，第一个接触的就是它。为什么？因为它是开源的，社区活跃，而且支持几乎所有主流浏览器。

Selenium的核心能力是什么？模拟用户操作。你手动能做的，它都能做：点击、输入、滚动、截图。你手动做不了的，它也能做：比如同时打开100个页面，或者凌晨三点自动跑测试。

它主要由三个组件构成：

  • Selenium WebDriver：核心中的核心，直接操控浏览器
  • Selenium IDE：一个浏览器插件，可以录制回放操作
  • Selenium Grid：分布式测试，让脚本在多台机器上并行跑

我个人习惯，90%的时间都在和WebDriver打交道。IDE适合快速原型验证，Grid则是大项目必备。但入门阶段，你只需要关注WebDriver就够了。

一句话总结：Selenium = 浏览器遥控器。你写代码，它帮你按按钮。

3.2 WebDriver核心概念

WebDriver是什么？它是一个接口，一个协议。它定义了你和浏览器之间的通信方式。你通过WebDriver告诉浏览器：「去打开这个网址」、「找到那个按钮」、「点它一下」。

这里有个关键点：WebDriver不是直接操作浏览器的DOM，而是通过浏览器的原生支持来驱动。这意味着它更接近真实用户的操作行为。我在项目中遇到过有人问：「为什么Selenium比模拟HTTP请求更靠谱？」答案就在这里——它模拟的是真实用户行为，不是伪造数据包。

核心概念就三个：

  1. Driver实例：每个浏览器对应一个Driver。Chrome用ChromeDriver，Firefox用GeckoDriver。你启动一个Driver，就相当于打开了一个浏览器窗口。
  2. 会话（Session）：Driver实例和浏览器之间建立了一个会话。这个会话里，你做的所有操作都是有状态的。关闭会话，浏览器就关了。
  3. 定位策略：怎么告诉WebDriver你要操作哪个元素？通过定位器（Locator）。ID、Name、Class Name、XPath、CSS Selector……这些都是定位策略。

我的建议：刚开始学，别贪多。先把ID、Name、Class Name这三种定位方法吃透。它们覆盖了80%以上的场景。剩下的XPath和CSS，后面再补。

3.3 第一个自动化脚本

光说不练假把式。我们直接写一个能跑的脚本。假设你已经装好了Python和Selenium库，也下载了对应浏览器的Driver。

嗯，这里要注意：Driver的版本必须和浏览器版本匹配。我曾经因为Chrome自动更新了，Driver没跟上，排查了半天。后来学乖了，每次跑脚本前先检查版本。

来看代码：

from selenium import webdriver
from selenium.webdriver.common.by import By

# 1. 启动浏览器
driver = webdriver.Chrome()

# 2. 打开网页
driver.get("https://www.baidu.com")

# 3. 找到搜索框，输入关键词
search_box = driver.find_element(By.ID, "kw")
search_box.send_keys("Selenium入门")

# 4. 找到搜索按钮，点击
search_button = driver.find_element(By.ID, "su")
search_button.click()

# 5. 等待几秒，看看结果
import time
time.sleep(3)

# 6. 关闭浏览器
driver.quit()

这个脚本做了什么？你想想看：

  • 第1步：打开Chrome浏览器
  • 第2步：访问百度首页
  • 第3步：找到ID为"kw"的输入框，输入「Selenium入门」
  • 第4步：找到ID为"su"的按钮，点击搜索
  • 第5步：等3秒，让你看到搜索结果
  • 第6步：关闭浏览器，清理资源

就这么简单。你手动操作一遍需要5秒，脚本跑起来也是5秒。但脚本可以重复跑一万次，不会累，不会出错。

避坑指南：我曾经犯过一个低级错误——忘记调用driver.quit()。结果跑完脚本，浏览器窗口没关，内存被吃光了。记住：每次用完Driver，一定要关掉它。可以用try...finally或者with语句来确保资源释放。

3.4 元素定位方法：ID、Name、Class Name

自动化测试的核心是什么？找到元素，操作元素。找元素的方法，就是定位策略。今天先讲三个最基础的。

3.4.1 ID定位

ID是元素的唯一标识。在HTML规范里，一个页面中每个ID只能出现一次。所以用ID定位是最快、最稳定的方法。

# 通过ID定位
element = driver.find_element(By.ID, "username")
element.send_keys("admin")

什么时候用ID？只要元素有ID，优先用ID。我在项目中定过一个规矩：开发同学给关键元素加上ID，测试同学优先用ID定位。这样双方都省心。

3.4.2 Name定位

Name属性在表单中很常见。它不像ID那样要求唯一，但通常也是唯一的。如果元素没有ID，Name是第二选择。

# 通过Name定位
element = driver.find_element(By.NAME, "password")
element.send_keys("123456")

注意：Name定位返回的是第一个匹配的元素。如果页面中有多个同名元素，你只能拿到第一个。这时候就需要更精确的定位方法了。

3.4.3 Class Name定位

Class Name用于CSS样式，一个元素可以有多个class。用Class Name定位时，通常选择最具体、最独特的那个class。

# 通过Class Name定位
element = driver.find_element(By.CLASS_NAME, "btn-submit")
element.click()

这里有个坑：如果class名包含空格，比如"btn btn-primary"，你不能直接传整个字符串。因为空格在class里表示多个class。你需要选择其中一个，或者用CSS Selector来处理。

三种方法对比：

定位方法 速度 唯一性 推荐场景
ID 最快 保证唯一 有ID时首选
Name 较快 通常唯一 表单元素
Class Name 较快 可能重复 样式类定位

3.5 实战小练习

光看不动手，等于白学。我给你留个小任务：

  1. 打开任意一个你常用的网站（比如知乎、豆瓣）
  2. 用浏览器的开发者工具（F12）查看页面元素
  3. 找到三个不同的元素，分别用ID、Name、Class Name定位
  4. 写一个脚本，依次操作这三个元素

为什么要做这个练习？因为只有亲手写过代码，你才会真正理解「定位」是什么意思。我记得自己第一次写自动化脚本时，光找元素就花了半小时。但找到之后，那种成就感是无可替代的。

小技巧：在浏览器控制台里，可以用$("#id")快速验证ID是否存在，用$(".class")验证class。这比反复跑脚本快多了。

3.6 本章小结

这一章我们讲了：

  • Selenium是什么——浏览器遥控器
  • WebDriver的核心概念——Driver、会话、定位策略
  • 第一个自动化脚本——打开浏览器、操作元素、关闭浏览器
  • 三种基础定位方法——ID、Name、Class Name

下一章，我们会深入更多定位方法，包括XPath和CSS Selector。这两个才是真正的利器，能搞定99%的定位难题。但今天，先把基础打牢。你想想看，如果连ID定位都写不对，后面学再多也是空中楼阁。

好了，去写你的第一个自动化脚本吧。遇到问题别怕，调试是测试工程师的日常。我当年也是一行一行代码试过来的。

← 上一章 📖 返回目录 下一章 →