第3章 Selenium基础入门

3、Selenium基础入门：WebDriver核心概念、元素定位八大方法、浏览器基本操作

好，咱们直接进入正题。Selenium 这东西，说白了就是让浏览器听你指挥的工具。你写一行代码，浏览器就乖乖打开网页、点击按钮、填写表单。我刚开始接触自动化测试那会儿，觉得这玩意儿挺神奇的，后来才发现，核心就三个东西：WebDriver、元素定位、浏览器操作。今天咱们一个一个掰开揉碎了讲。

3.1 WebDriver 核心概念

WebDriver 是 Selenium 的灵魂。你可以把它理解成一个「遥控器」。你通过这个遥控器给浏览器发指令，浏览器执行完再把结果返回来。

我个人习惯把 WebDriver 比作「司机」。你告诉司机去哪（打开网址）、怎么走（点击哪里）、停多久（等待时间），司机就照做。不同的浏览器需要不同的司机——Chrome 用 ChromeDriver，Firefox 用 GeckoDriver。嗯，这里要注意：驱动版本必须和浏览器版本匹配，否则会报错。我在项目中遇到过好几次，升级了浏览器忘了升级驱动，结果脚本全挂，排查了半天才发现是版本不匹配。

核心要点：

WebDriver 是浏览器原生支持的自动化接口
每个浏览器有独立的驱动（driver）可执行文件
驱动通过 HTTP 协议与浏览器通信
一个 WebDriver 实例对应一个浏览器窗口

初始化一个 WebDriver 很简单，代码就几行：

from selenium import webdriver

# 创建 Chrome 浏览器实例
driver = webdriver.Chrome()  # 前提：chromedriver 在 PATH 中

# 或者指定驱动路径
# driver = webdriver.Chrome(executable_path='/path/to/chromedriver')

# 打开网页
driver.get('https://www.example.com')

# 用完记得关闭
driver.quit()

你想想看，这就像你打开浏览器、输入网址、回车。只不过现在是用代码来做。为什么推荐用 quit() 而不是 close()？close() 只关闭当前标签页，quit() 会关闭整个浏览器并释放驱动进程。我建议一律用 quit()，省得内存泄漏。

3.2 元素定位八大方法

自动化最核心的活儿就是「找到元素」。你找不到按钮，怎么点？你找不到输入框，怎么填？Selenium 提供了 8 种定位方式，我按常用程度排个序：

定位方法	Python 写法	适用场景
ID	`find_element(By.ID, "id值")`	最优先，唯一且稳定
Name	`find_element(By.NAME, "name值")`	表单元素常用
Class Name	`find_element(By.CLASS_NAME, "class值")`	样式类定位，注意可能重复
Tag Name	`find_element(By.TAG_NAME, "标签名")`	定位一组同类元素
Link Text	`find_element(By.LINK_TEXT, "完整链接文字")`	定位超链接
Partial Link Text	`find_element(By.PARTIAL_LINK_TEXT, "部分文字")`	链接文字太长时用
XPath	`find_element(By.XPATH, "xpath表达式")`	万能定位，但性能稍差
CSS Selector	`find_element(By.CSS_SELECTOR, "css选择器")`	速度快，语法简洁

我个人习惯的优先级是：ID > CSS > XPath > 其他。为什么？ID 最快最稳，CSS 比 XPath 快，XPath 虽然万能但容易写得又臭又长。我曾经接手过一个项目，里面全是 //div[@class='...']/span[2]/a[1] 这种 XPath，页面稍微改个结构就全崩了。你想想看，这维护成本得多高？

3.3 八大方法详解与实战

3.3.1 ID 定位

最推荐的方式。ID 在页面中应该是唯一的，所以定位最快。

# 定位搜索框
search_box = driver.find_element(By.ID, "search-input")
search_box.send_keys("Selenium教程")

3.3.2 Name 定位

表单元素经常有 name 属性，比如用户名、密码输入框。

driver.find_element(By.NAME, "username").send_keys("admin")

3.3.3 Class Name 定位

注意：class 可能重复，find_element 只返回第一个。

driver.find_element(By.CLASS_NAME, "btn-primary").click()

3.3.4 Tag Name 定位

适合获取所有同类标签，比如获取页面所有链接。

all_links = driver.find_elements(By.TAG_NAME, "a")
for link in all_links:
    print(link.get_attribute("href"))

3.3.5 Link Text 与 Partial Link Text

专门定位 <a> 标签，用可见文字来定位。

# 精确匹配
driver.find_element(By.LINK_TEXT, "点击这里注册").click()

# 模糊匹配
driver.find_element(By.PARTIAL_LINK_TEXT, "注册").click()

3.3.6 XPath 定位

XPath 是重头戏。它可以在 DOM 树中任意穿梭，但写不好就是灾难。

# 绝对路径（不推荐）
driver.find_element(By.XPATH, "/html/body/div[2]/form/input[1]")

# 相对路径（推荐）
driver.find_element(By.XPATH, "//input[@id='username']")

# 包含文本
driver.find_element(By.XPATH, "//button[contains(text(), '提交')]")

# 多条件组合
driver.find_element(By.XPATH, "//input[@type='text' and @name='email']")

我的经验：写 XPath 时尽量用相对路径，少用索引。比如 //div[@class='list']//a[1] 这种，页面加个元素就废了。多用 contains()、text() 这些函数，灵活很多。

3.3.7 CSS Selector 定位

CSS 选择器比 XPath 简洁，性能也更好。我越来越喜欢用它。

# ID 选择器
driver.find_element(By.CSS_SELECTOR, "#username")

# class 选择器
driver.find_element(By.CSS_SELECTOR, ".btn-primary")

# 属性选择器
driver.find_element(By.CSS_SELECTOR, "input[name='email']")

# 子元素选择器
driver.find_element(By.CSS_SELECTOR, "div.form-group > input")

# 伪类选择器
driver.find_element(By.CSS_SELECTOR, "button:contains('提交')")  # 部分浏览器支持

避坑指南：我曾经在定位一个动态 ID 的元素时，ID 每次刷新都会变（比如 id="msg_12345"）。这时候用 ID 定位就废了。我的做法是用 CSS 的 ^=（以...开头）或 $=（以...结尾）来匹配：[id^='msg_']。这招很实用。

3.4 浏览器基本操作

定位到元素之后，剩下的就是操作了。浏览器基本操作就那么几个，我列一下：

3.4.1 窗口操作

# 最大化窗口
driver.maximize_window()

# 设置窗口大小
driver.set_window_size(1024, 768)

# 获取窗口位置
print(driver.get_window_position())

# 滚动页面（用 JavaScript）
driver.execute_script("window.scrollTo(0, document.body.scrollHeight)")

3.4.2 导航操作

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

# 后退
driver.back()

# 前进
driver.forward()

# 刷新
driver.refresh()

# 获取当前 URL
print(driver.current_url)

# 获取页面标题
print(driver.title)

3.4.3 元素交互操作

# 点击
element.click()

# 输入文本
element.send_keys("Hello World")

# 清空输入框
element.clear()

# 获取元素文本
print(element.text)

# 获取属性值
print(element.get_attribute("href"))

# 判断是否可见
print(element.is_displayed())

# 判断是否可用
print(element.is_enabled())

3.4.4 等待机制

这个必须单独拎出来说。页面加载需要时间，元素可能还没渲染出来你就去定位，肯定报错。我刚开始学的时候经常踩这个坑。

from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# 显式等待：等待元素出现，最多等10秒
element = WebDriverWait(driver, 10).until(
    EC.presence_of_element_located((By.ID, "myElement"))
)

# 隐式等待：全局设置，每次定位都等
driver.implicitly_wait(10)  # 最多等10秒

我的建议：显式等待比隐式等待更靠谱。隐式等待是「死等」，不管元素有没有出现都等满时间。显式等待是「聪明等」，元素一出现就继续执行。我一般用显式等待 + 合适的 expected_conditions，比如 element_to_be_clickable、visibility_of_element_located。

3.5 实战小案例：登录百度

咱们把今天学的串起来，写一个完整的例子：

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 as EC

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

try:
    # 2. 打开百度
    driver.get("https://www.baidu.com")
    
    # 3. 等待搜索框出现
    search_box = WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.ID, "kw"))
    )
    
    # 4. 输入搜索内容
    search_box.send_keys("Selenium教程")
    
    # 5. 点击搜索按钮
    search_button = driver.find_element(By.ID, "su")
    search_button.click()
    
    # 6. 等待搜索结果加载
    WebDriverWait(driver, 10).until(
        EC.presence_of_element_located((By.CLASS_NAME, "result"))
    )
    
    # 7. 打印当前标题
    print(f"搜索完成，当前页面标题：{driver.title}")
    
finally:
    # 8. 关闭浏览器
    driver.quit()

这个例子涵盖了今天讲的大部分内容：WebDriver 初始化、元素定位、等待、操作、关闭。你把这个跑通了，Selenium 基础就算入门了。

嗯，最后说一句：自动化脚本写得好不好，关键看定位稳不稳。多花时间研究元素定位，后面你会感谢自己的。下一章咱们讲更高级的——如何处理弹窗、下拉框、iframe 这些烦人的东西。

📚 课程目录

3、Selenium基础入门：WebDriver核心概念、元素定位八大方法、浏览器基本操作

3.1 WebDriver 核心概念

3.2 元素定位八大方法

3.3 八大方法详解与实战

3.3.1 ID 定位

3.3.2 Name 定位

3.3.3 Class Name 定位

3.3.4 Tag Name 定位

3.3.5 Link Text 与 Partial Link Text

3.3.6 XPath 定位

3.3.7 CSS Selector 定位

3.4 浏览器基本操作

3.4.1 窗口操作

3.4.2 导航操作

3.4.3 元素交互操作

3.4.4 等待机制

3.5 实战小案例：登录百度