自从转岗以来，我充分接触 Selenium 已经有一年了。在此期间，主管一直想让我出一些关于自动化测试的教育训练，但是由于工作太忙，加上一开始是要从 Python 开始做的，所以我找资料找了很久，都没有什么头绪。 最近，主管又催我做一套自动化测试的 PPT，于是我花了两天的时间，把 Selenium 最基础的东西做成了 PPT。但是主管和其他同事看了一下，觉得 PPT 介绍得太详细，已经不需要我去讲了，所以最后也没有让我讲它。 总之，我现在把它放出来，之后可能会出一期视频讲解。之后的内容在做了，不过也不知道什么时候做好——也许永远也做不好，也许明天就能做好。

在开始之前，我假定你们了解 Python 和 HTML、CSS、JS 的基础知识。

介绍

Selenium 是一款 Web 自动化框架，它适用于多种语言，包括 Python。

它并非直接控制浏览器，而是通过操作浏览器驱动（由浏览器厂家提供），实现对浏览器的操作。

除了 Web 自动化测试之外，它也可用于自动化和爬虫——我大三的时候爬 QQ 空间的数据，模拟登录就用了 Selenium。

Selenium 的替代产品也有一些，最近比较有名的是微软出品的 Playwright，也支持 Python 在内的很多语言。我研究过这个工具，虽然它对元素的自动等待比较好，不过它在处理提示框上面不尽人意，而且它也不支持元素的嵌套。对于 Playwright，中文的资料不多，我可能会在以后出一期关于它的介绍。总之，这次还是讲 Selenium 的。

安装

Python 中，Selenium 的安装方式和其他模块一样，用 pip 安装：

pip install selenium

然后，根据自己使用的浏览器和版本下载浏览器驱动。

• Chrome：chromedriver

• Firefox：geckodriver

• Edge：Microsoft Edge Driver

• IE：The Internet Explorer Driver Server

将下载的浏览器驱动的可执行文件放到 Path 下。注意，不要放在网络文件夹下，一些驱动无法在网络文件夹下使用。如果你不知道什么是 Path，看一下下面的介绍。

关于 Path

简单来说，在终端执行命令时，如果不指定路径，系统会在系统环境变量中的 Path 里面的路径中找命令所属的可执行文件。

在 Windows 中，可以在“设置 - 系统 - 关于 - 高级系统设置 - 环境变量”中更改环境变量。

如果因为管理员权限，无法通过上述方式更改环境变量，可在 PowerShell 中执行下面的命令：

1. $env:Path 返回目前的环境变量，复制下来；

2. 在复制的环境变量中（一般为末尾）添加新的路径，参照已有环境变量写，末尾有英文分号；

3. 重新写入环境变量：[environment]::SetEnvironmentvariable("Path", "新的环境变量字符串", "User")

讲解

接下来我们用一个示例来学习 Selenium 的基础知识。虽然很简单，但也覆盖了绝大部分内容。

示例

import time

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

driver = webdriver.Chrome()

driver.get('https://www.baidu.com/')
driver.find_element(By.ID, 'kw').send_keys('Selenium')
driver.find_element(By.ID, 'su').click()
time.sleep(1)
print(driver.title)
results = driver.find_elements(By.XPATH, '//div[@id="content_left"]/div[not(@tpl="recommend_list")]//h3')
title_list = [result.text for result in results]
for index, title in enumerate(title_list):
    print(index, title)

driver.close()
driver.quit()

以下是该代码的执行效果：

实际上就是在百度中搜索“Selenium”，再打印出第一页的标题和搜索结果标题。

接下来，我们看一下它是怎么运行的吧。

创建 WebDriver 实例

代码的第 3 行和第 6 行：

from selenium import webdriver
...
driver = webdriver.Chrome()

第6行创建了一个基于 Chrome 的  实例。接下来的所有操作在该实例上进行。

如果要用其他的浏览器，把  换成别的浏览器名称，如 。具体的可以看源码。

访问网页

代码第 8 行：

driver.get('https://www.baidu.com/')

访问给定的网页。给定的 URL 需要写明协议（就是上例中的 ），否则会报错。

寻找单个元素

代码第 4 行和第 9 行：

from selenium.webdriver.common.by import By
...
driver.find_element(By.ID, 'kw').send_keys('Selenium')

要想对网页上的元素进行操作，首先要寻找网页中的元素。Selenium 中寻找元素的最基础的方法，是对  实例调用  方法。

该方法需要两个参数：

1. 定位方式

2. 查找文本

如果查询到元素，会返回一个  实例，表示符合查询条件的第一个元素。如果查不到，会抛出  异常。

对于  实例，我们可以继续调用该方法，以查找隶属于该元素的元素。

定位方式

Selenium 提供 8 种定位方式：

• 使用元素 ID 定位

• 使用 XPath 定位

• 使用链接文本定位

• 使用链接文本的一部分定位

• 使用元素的 name 属性定位

• 使用元素的标签名定位

• 使用元素 class 定位

• 使用 CSS 选择器定位

传入  方法的第一个参数决定定位方式，为字符串。不过通常情况下，我们会导入 Selenium 提供的定位方式包（见代码第 4 行），从中调用值。

每一个定位方式都有对应的别名方法，也就是定义了名称不同的方法，实质仍然是调用之前提到的的方法。这些别名方法的名称其实就是在原方法的名称后面加上 ，调用它们只需要传入查找文本就行了。比如：

driver.find_element(By.ID, 'kw')
driver.find_element_by_id('kw')

上面两行代码等价。

所有定位方式的值和别名方法见下表：

上述定位方式中，我们要重点关注 XPath 和 CSS 选择器定位，这两种定位方式能够实现的功能非常强大，而且很常用。关于这两个选择器，我之后应该会出一期专门讲。

查看页面元素定位

通过浏览器的开发人员工具，能够方便地查看页面上的元素定位。

调用开发人员工具，一般按  即可。

我们以 Chrome 的开发人员工具为例：

按工具窗口左上角的按钮（或按 ），在页面上选取元素，能够查看元素在源代码中的位置，以及元素的参数等信息，方便定位。

在 Elements（元素）选项卡中，按  调出查询栏，输入文本、XPath、CSS 选择器文本，可以查询对应的元素。

切换到 Console（控制台），输入  或 ，回车，可以返回对应的元素。有时候，输入完毕，也可以先不用回车，根据是否能看到结果来初步判断文本是否正确。

右键点击元素，选择 Copy，可复制元素的信息，包括 XPath 和 CSS 选择器文本。不过，考虑到层级关系可能会变化，这种方式得到的查找文本仅供临时使用，不推荐将此作为主要的获取选择器文本的方式。

元素的方法

获取元素后，可以对元素进行操作。

 类的常用方法如下：

• click()：单击

• clear()：清除文本框的内容

• get_attribute(name)：返回元素参数（HTML 方面的）

• get_property(name)：返回元素属性（JS 方面的）

• is_selected()：是否选择（对于单选框或复选框）

• is_enabled()：是否启用

• send_keys(*keys)：输入文本或按键

• is_displayed()：是否显示

• screenshot(filename)：输出屏幕截图（PNG）到给定文件。错误返回 False，成功返回 True

• value_of_css_property(property_name)：返回元素的给定 CSS 属性值

由此可以得出，代码第 9、10 行

driver.find_element(By.ID, 'kw').send_keys('Selenium')
driver.find_element(By.ID, 'su').click()

的含义为：

1. 找到 ID 为 kw 的元素，输入 Selenium

2. 找到 ID 为 su 的元素，单击

等待

由于网页的元素加载有一定的时间需求，一些元素可能在请求完毕后不会立即显示，而是要一段时间后显示。如果贸然查找或操作还没有加载完毕的元素，会报错。因此，等待在 Web 自动化测试中非常重要。

最简单的方法是硬等待，使用  方法。如代码第 11 行：

time.sleep(1)

就是等待 1 秒。

此外，Selenium 也提供隐式等待和显式等待等方法，不过比较复杂，如果有时间的话，我以后会出一期讲这个。

驱动的属性

 和  类有一些属性可以使用。 类常用的属性有下面几个：

• title：标题

• current_url：当前 URL

• page_source：页面源码

所以代码第 12 行：

print(driver.title)

就是打印出页面的标题。

寻找多个元素

除了寻找一个元素外，Selenium 也可以同时寻找所有符合条件的元素。

对应的方法，只是名称中把  改成了 ，包括那些别名方法。比如：

driver.find_element(By.ID, 'kw')
driver.find_element_by_id('kw')

>>>

driver.find_elements(By.ID, 'kw')
driver.find_elements_by_id('kw')

有人可能觉得：一个页面中就只有一个 ID，不会有多个元素吧。实际上，ID 说是只能有一个，但是如果你给多个元素赋同样的ID，页面还是能显示的，就是会在控制台有警告。当然，如果 CSS 和 JS 中涉及到这个 ID，那么会出现一些异常。

寻找多个元素的方法，返回一个列表，列表各项为  实例，表示每一个符合条件的元素。如果没找到元素，则不会报错，返回空列表。

所以代码第 13 行：

results = driver.find_elements(By.XPATH, '//div[@id="content_left"]/div[not(@tpl="recommend_list")]//h3')

就是查找页面所有符合所给的 XPath 的元素，存到  中。

元素的属性

 类常用的属性有下面几个：

• tag_name：标签名

• text：文本信息（不包括输入框里面的值，对于这种值，请使用 get_property('value') 获取）

• size：尺寸（返回字典 {'height': H, 'width', W}）

• location：坐标（返回字典 {'x': X, 'y', Y}）

• screenshot_as_base64：截图，返回 Base64 数据

• screenshot_as_png：截图，返回 PNG 二进制数据

所以代码第 14 ~ 16 行：

title_list = [result.text for result in results]
for index, title in enumerate(title_list):
    print(index, title)

表示：

1. 遍历 results，取其中各元素的文本，返回一个列表；

2. 打印列表各项的序号和值

关闭浏览器

所有操作完成之后，记得关闭浏览器驱动。

代码最后两行:

driver.close()
driver.quit()

分别表示：

1. 关闭页面

2. 退出浏览器驱动