1. 环境准备:从零搭建你的自动化测试舞台

想玩转浏览器自动化,第一步就是把舞台搭好。这就像你要拍一部电影,得先把摄影机、灯光、演员都找齐了。对于Selenium自动化测试来说,你的“演员”就是Python代码,“摄影机”是Selenium库,而“灯光师”和“场景”就是Chrome浏览器和它的专属司机——ChromeDriver。很多新手卡在第一步,不是版本对不上,就是环境变量没配好,浏览器一打开就闪退,别提多闹心了。我刚开始搞自动化的时候,也在这上面栽过跟头,花了一下午才把环境理顺。所以,咱们今天就从最基础的开始,手把手带你走一遍,确保你的“舞台”一次搭建成功。

首先,你得确认自己电脑上的“主演”——谷歌浏览器(Google Chrome)是什么版本。这个步骤至关重要,因为ChromeDriver必须和浏览器版本严格匹配,差一个小版本号都可能导致脚本无法运行。查看方法很简单:打开你的Chrome浏览器,点击右上角的三个点,选择“帮助”,再点击“关于Google Chrome”。页面加载后,你就能看到类似“版本 103.0.5060.134(正式版本)”这样的信息,记下这个版本号,比如“103.0.5060.134”。我建议你直接复制下来,后面下载ChromeDriver时会用到。

接下来,就是为你的浏览器寻找那位专属的“司机”了。ChromeDriver的官方下载地址是https://chromedriver.chromium.org/。不过,有时候访问官方站可能会比较慢,这时候国内的一些镜像站点就派上用场了,比如淘宝的NPM镜像。你可以在浏览器里打开https://registry.npmmirror.com/binary.html?path=chromedriver/,这里收录了几乎所有历史版本的ChromeDriver。进入页面后,你会看到很多以版本号命名的文件夹,比如“103.0.5060.134/”。你需要找到与你浏览器版本号最接近的那个文件夹点进去。这里有个小技巧:不一定非要找到完全一致的版本号,通常选择大版本号(比如103)相同的最新小版本即可。进入对应文件夹后,根据你的操作系统下载对应的压缩包。如果你是Windows 64位系统,就下载chromedriver_win32.zip(别被名字迷惑,它支持64位);如果是macOS,就下载chromedriver_mac64.zip;Linux系统则选择chromedriver_linux64.zip。

1.1 安装与配置ChromeDriver

下载好压缩包之后,解压你会得到一个名为chromedriver.exe(Windows)或chromedriver(macOS/Linux)的可执行文件。现在,关键的一步来了:把它放到一个合适的位置,并让系统能够找到它。最省事、最推荐的方法,就是把它放到Python的安装目录下的Scripts文件夹里。怎么找Python的安装路径呢?打开你的命令行(Windows按Win+R输入cmd,macOS/Linux打开终端),输入where python(Windows)或which python3(macOS/Linux),回车后显示的路径就是Python的安装位置。通常,Scripts文件夹就在这个路径下。

例如,你的Python安装在C:\Users\YourName\AppData\Local\Programs\Python\Python39,那么Scripts文件夹的路径就是C:\Users\YourName\AppData\Local\Programs\Python\Python39\Scripts。把解压出来的chromedriver.exe文件复制到这个文件夹里。这样做的好处是,这个路径通常已经被系统添加到环境变量PATH中了,你可以在任何地方直接通过命令行调用chromedriver。为了验证安装是否成功,重新打开一个命令行窗口,输入chromedriver --version并回车。如果终端打印出了ChromeDriver的版本信息,比如“ChromeDriver 103.0.5060.134”,那么恭喜你,“司机”已经就位了。

1.2 安装Selenium库

“司机”有了,我们还需要控制司机的“指令系统”,这就是Selenium库。安装Selenium非常简单,因为它是一个Python第三方库,直接用pip命令安装即可。在命令行中,输入以下命令:

pip install selenium

如果你的网络环境导致下载缓慢或失败,可以尝试使用国内的镜像源来加速,比如清华源:

pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple

安装过程通常很快。安装完成后,你可以在Python交互环境中输入import selenium来测试是否安装成功,不报错就说明一切正常。至此,你的自动化测试舞台已经基本搭建完毕。浏览器、驱动、控制库,三位一体,缺一不可。我遇到过不少朋友,前两步都做对了,但忘了把ChromeDriver放到PATH环境变量包含的路径里,或者浏览器自动更新了但驱动没跟着更新,导致脚本一运行就报错。所以,每次开始写脚本前,养成检查版本一致性的习惯,能帮你省下大量排查问题的时间。

2. 编写你的第一个自动化测试脚本

环境搭好了,手就开始痒了,对吧?迫不及待想看看浏览器自己动起来是什么样子。别急,咱们从最简单的“Hello World”级别的脚本开始。这个脚本的目标是:让程序自动打开Chrome浏览器,跳转到百度首页,在搜索框里输入“Selenium自动化测试”,然后点击“百度一下”按钮。别看步骤简单,这里面包含了自动化测试最核心的几个操作:启动浏览器、访问URL、定位元素、模拟输入和模拟点击。把这些基础动作练熟了,后面复杂的流程无非就是它们的组合和排列。

我们先来看完整的代码,然后我再逐行给你拆解其中的门道:

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
import time

# 1. 创建浏览器驱动对象,启动Chrome浏览器
driver = webdriver.Chrome()

# 2. 打开百度首页
driver.get("https://www.baidu.com")

# 等待一下,让页面完全加载(实际项目中建议用更智能的等待方式)
time.sleep(2)

# 3. 定位百度首页的搜索输入框
# 通过检查网页元素,我们发现输入框的HTML id是‘kw’
search_box = driver.find_element(By.ID, "kw")

# 4. 在输入框中输入搜索关键词
search_box.send_keys("Selenium自动化测试")

# 5. 定位“百度一下”按钮并点击
# 按钮的HTML id是‘su’
search_button = driver.find_element(By.ID, "su")
search_button.click()

# 6. 等待搜索结果加载
time.sleep(3)

# 7. 打印当前页面的标题,验证是否跳转成功
print("当前页面标题是:", driver.title)

# 8. 关闭浏览器窗口
driver.quit()

把这段代码保存为一个.py文件,比如first_test.py,然后在命令行运行python first_test.py。你会看到一个Chrome浏览器窗口自动弹出来,完成一系列操作后关闭。是不是很有成就感?我第一次成功运行的时候,盯着自动输入的搜索框看了好久,感觉像在变魔术。下面,我来详细说说代码里的几个关键点。

2.1 核心对象:WebDriver

代码第一行from selenium import webdriver,这是导入Selenium的核心模块。webdriver.Chrome()这行代码是灵魂所在,它创建了一个WebDriver对象,并命名为driver。这个driver对象就是你与浏览器进行所有交互的遥控器。通过它,你可以命令浏览器去任何网址,在页面上查找元素,点击按钮,填写表单等等。如果你之前把ChromeDriver放到了非PATH路径,或者想指定使用某个特定路径的驱动,可以这样初始化:

driver = webdriver.Chrome(executable_path=r‘C:\你的路径\chromedriver.exe‘)

但就像我之前说的,放到Scripts文件夹里是最省心的做法。

2.2 元素定位:自动化测试的基石

自动化测试说白了,就是让程序代替你的手和眼睛去操作网页上的元素。所以,如何准确地“告诉”程序你要操作哪个按钮、哪个输入框,就成了最关键的技术。这就是“元素定位”。在上面的代码中,我们用了driver.find_element(By.ID, “kw”)。这里的By.ID是一种定位策略,意思是“通过HTML元素的id属性来查找”。“kw”就是百度搜索框那个<input>标签的id值。

Selenium提供了多达8种定位元素的方法,适用于不同的场景:

  • By.ID:通过元素的唯一id定位,最快最准。
  • By.NAME:通过元素的name属性定位。
  • By.CLASS_NAME:通过元素的class属性定位。
  • By.TAG_NAME:通过HTML标签名定位(如“input”, “a”),通常一个页面有很多同类标签,不精确。
  • By.LINK_TEXT:通过超链接的完整文本定位(如“登录”)。
  • By.PARTIAL_LINK_TEXT:通过超链接的部分文本定位。
  • By.CSS_SELECTOR:通过CSS选择器定位,功能强大且灵活,是我最常用的方式之一。
  • By.XPATH:通过XML路径语言定位,功能最强大,可以遍历整个DOM树,但写起来稍复杂。

怎么知道一个元素的id或class是什么呢?这就需要用到浏览器的开发者工具。在网页上右键点击你想操作的元素(比如搜索框),选择“检查”,开发者工具就会打开并高亮显示对应的HTML代码,你就能看到它的id、class、name等属性了。熟练掌握元素定位,尤其是CSS选择器和XPath,你的自动化脚本编写效率会大大提升。

3. 处理等待与弹窗:让脚本更稳定可靠

脚本跑起来了,但你可能马上会遇到两个非常典型的问题:一是脚本执行太快,页面还没加载完就去操作元素,结果报错“找不到元素”;二是页面上突然弹出一个提示框、登录框或者广告,脚本卡在那里不知所措。这两个问题是导致自动化测试脚本“脆弱”、不稳定最常见的元凶。我早期写的脚本,十次里有八次失败都是因为它们。所以,这一章咱们专门来攻克这两个难题。

先说等待。为什么需要等待?因为网络有延迟,服务器响应需要时间,JavaScript动态加载内容也需要时间。如果你的脚本在页面元素出现之前就去点击它,自然会失败。Selenium提供了三种主要的等待方式,各有各的用途。

第一种,硬性等待:time.sleep(seconds)。这是最简单粗暴的方法,让程序无条件暂停指定的秒数。就像我们第一个脚本里用的time.sleep(2)。它的优点是简单明了,缺点也非常明显:效率低下。如果网络好,页面1秒就加载完了,你还要傻等2秒,浪费时间;如果网络差,3秒才加载完,你等2秒后去操作还是会失败。所以,它只适合在调试代码或者明确知道需要固定等待时间的地方临时使用。

第二种,隐式等待:driver.implicitly_wait(seconds)。这是一种全局性的等待设置。你只需要在创建driver对象后设置一次,比如driver.implicitly_wait(10)。它的含义是:在查找任何一个元素时,如果元素没有立即出现,WebDriver会轮询DOM(默认每0.5秒一次),最多等待10秒。如果在10秒内找到了,就继续执行;如果10秒后还没找到,才抛出NoSuchElementException异常。这比硬性等待智能多了,但它的作用范围仅限于find_element这类查找操作。对于页面跳转、JavaScript执行完毕等情况,它无能为力。

第三种,显式等待:WebDriverWait。这是最强大、最推荐的方式。它可以让你为某个特定的条件设置等待,条件满足了就继续,超时了就报错。这个“条件”可以是“元素可见”、“元素可点击”、“页面标题包含某文字”等等。我们来看一个例子:

from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By

# 设置显式等待,最多等10秒
wait = WebDriverWait(driver, 10)

# 等待直到“百度一下”按钮可见并且可点击
search_button = wait.until(EC.element_to_be_clickable((By.ID, “su”)))
search_button.click()

# 等待直到新页面的标题包含“Selenium”这个词
wait.until(EC.title_contains(“Selenium”))
print(“页面跳转成功!”)

expected_conditions(简称EC)模块预定义了很多常用的等待条件,比如presence_of_element_located(元素出现在DOM中)、visibility_of_element_located(元素可见)、element_to_be_clickable(元素可点击)等等。显式等待能做到“按需等待”,在保证稳定性的前提下最大程度提升脚本执行效率。在实际项目中,我几乎全部使用显式等待来替代time.sleep。

3.1 处理各类弹窗和警告框

网页上的弹窗主要分三种:JavaScript的alert、confirm、prompt对话框,以及由<div>模拟的模态框。对于前三种原生对话框,Selenium提供了Alert类来处理:

from selenium.webdriver.common.alert import Alert

# 触发一个alert弹窗
driver.execute_script(“alert(‘这是一个测试弹窗’);“)

# 切换到alert弹窗
alert = Alert(driver)

# 获取弹窗文本并打印
print(“弹窗内容是:”, alert.text)

# 点击“确定”按钮关闭弹窗
alert.accept()

# 如果是confirm框,还可以点击“取消”
# alert.dismiss()

# 如果是prompt框,还可以输入文本
# alert.send_keys(“输入的文字”)

而对于更常见的、由HTML元素构成的模态框(比如登录框、广告浮层),你就不能直接用Alert类了。你需要像定位普通页面元素一样,找到它的关闭按钮(通常是一个×),然后点击它。有时候模态框会遮挡住你要操作的元素,必须先关闭它。这里的关键在于,你可能需要等待这个模态框出现,然后再去操作它的关闭按钮。

4. 高级技巧与实战问题排查

当你掌握了基础操作和等待机制后,就可以尝试一些更高级的功能,来应对更复杂的测试场景了。同时,我们也得聊聊那些让人头疼的常见问题该怎么排查。毕竟,写脚本只是开始,能让脚本在各种环境下稳定运行,才是真本事。

浏览器选项(Options)的妙用。直接webdriver.Chrome()启动的浏览器是一个干净的、带用户数据目录的普通窗口。但很多时候我们需要定制化。比如,我们想进行无头测试(不显示浏览器界面,在后台运行),这样能节省资源,特别适合在服务器上跑。又比如,我们想绕过一些麻烦的登录验证,直接使用某个已登录的用户配置文件。这些都可以通过ChromeOptions来实现。

from selenium import webdriver
from selenium.webdriver.chrome.options import Options

# 创建配置对象
chrome_options = Options()

# 添加无头模式参数
chrome_options.add_argument(‘--headless‘)
# 添加禁用GPU加速参数(在无头模式下有时需要)
chrome_options.add_argument(‘--disable-gpu‘)
# 添加窗口大小参数,即使无头也建议设置
chrome_options.add_argument(‘--window-size=1920,1080‘)

# 使用指定用户数据目录启动(避免每次都要登录)
# chrome_options.add_argument(r“--user-data-dir=C:\Users\YourName\AppData\Local\Google\Chrome\User Data”)
# chrome_options.add_argument(“--profile-directory=Default”)

# 忽略证书错误(针对测试环境)
chrome_options.add_argument(‘--ignore-certificate-errors‘)

# 禁止显示“Chrome正受到自动测试软件控制”的信息栏
chrome_options.add_experimental_option(“excludeSwitches”, [“enable-automation“])
chrome_options.add_experimental_option(‘useAutomationExtension‘, False)

# 传入配置对象创建驱动
driver = webdriver.Chrome(options=chrome_options)

无头测试非常有用,尤其是在做持续集成(CI)的时候。但要注意,有些网页的渲染或JavaScript行为在无头模式下可能与普通模式略有差异,如果遇到奇怪的问题,可以先关闭无头模式测试一下。

执行JavaScript代码。Selenium虽然强大,但毕竟是通过WebDriver协议与浏览器通信,有些原生操作可能没有直接的API。这时候,execute_script方法就派上用场了。它允许你直接在浏览器上下文中执行任意的JavaScript代码。比如,滚动页面到某个元素的位置:

element = driver.find_element(By.ID, “some-element”)
# 将元素滚动到视图中
driver.execute_script(“arguments[0].scrollIntoView(true);“, element)

# 或者直接滚动到页面底部
driver.execute_script(“window.scrollTo(0, document.body.scrollHeight);“)

处理文件上传和下载。文件上传是自动化测试中的一个难点,因为涉及操作系统级别的文件选择对话框。幸运的是,对于通过<input type=“file”>标签实现的上传,我们可以直接通过send_keys方法传入文件路径,绕过文件选择框:

upload_element = driver.find_element(By.XPATH, “//input[@type=‘file’]”)
upload_element.send_keys(r“C:\Users\YourName\Desktop\test_file.jpg”)

对于文件下载,你需要设置Chrome的下载偏好,比如禁止下载提示、指定下载目录等,这也可以通过ChromeOptions来配置。

4.1 常见问题与排查思路

即使准备得再充分,脚本也难免会出错。下面是我总结的几个最常见的问题和排查步骤:

  1. 版本不匹配错误:这是头号杀手。错误信息通常包含“This version of ChromeDriver only supports Chrome version XXX”。解决方案:严格按照第一章的方法,检查并确保Chrome浏览器版本与ChromeDriver版本兼容。记住,Chrome会自动更新,所以隔一段时间可能就需要更新一次ChromeDriver。

  2. 元素找不到(NoSuchElementException):这是第二常见的问题。排查步骤:

    • 确认页面加载完成:是不是没加等待,或者等待时间不够?尝试增加显式等待时间。
    • 确认定位器是否正确:用浏览器的开发者工具,检查你写的id、class、XPath在当前页面是否唯一且正确。页面结构可能已经改变了。
    • 确认是否在正确的frame/iframe里:如果元素位于<iframe>标签内,你必须先切换到那个frame才能操作里面的元素。使用driver.switch_to.frame(‘frame_name_or_id’)或driver.switch_to.frame(frame_element)。
  3. 浏览器闪退或脚本执行完不关闭:脚本最后一定要调用driver.quit(),而不是driver.close()。quit()会关闭所有窗口并终止WebDriver进程,释放资源;close()只关闭当前标签页。如果脚本中途出错,可能没有执行到quit(),导致后台残留ChromeDriver进程。可以检查任务管理器,手动结束它们。

  4. 动作执行失败(ElementNotInteractableException):元素找到了,但点击或输入失败。可能原因:

    • 元素被其他元素(如弹窗、遮罩层)遮挡了。需要先关闭或移除遮挡物。
    • 元素当前不可见或不可用(例如,按钮是disabled状态)。需要等待直到element_to_be_clickable条件成立。
    • 你需要将元素滚动到可视区域。使用execute_script执行滚动操作。

当遇到一个棘手的错误时,我的建议是:简化复现步骤。写一个最小的、只包含出错操作的测试脚本。打开浏览器开发者工具的“网络”选项卡和“控制台”选项卡,观察页面加载过程中是否有JavaScript报错或网络请求失败。很多时候,问题不是出在你的Selenium代码上,而是出在被测试的网页本身。自动化测试不仅仅是写代码,更是一种系统性的调试和问题解决能力的体现。多踩坑,多总结,你的脚本就会越来越健壮。

更多推荐