搞懂webdriver的底层原理，才敢说自己懂自动化！

Posted 2022-11-11 zgq123456

搞懂webdriver的底层原理，才敢说自己懂自动化！

一：Selenium的历史

selenium1.x：这个时候的selenium，使用的是javascript注入技术与浏览器打交道。需要Selenium RC启动一个Server，将操作Web元素的API调用转化为一段段Javascript，在Selenium内核启动浏览器之后注入这段Javascript。

Javascript可以获取并调用DOM的任何元素，自如的进行操作。由此才实现了Selenium的目的：自动化Web操作。这种Javascript注入技术的缺点是速度不理想，而且稳定性大大依赖于Selenium内核对API翻译成的Javascript质量高低。

selenium2.x：相比于selenium1.x，2.x版本整合了webdriver以及原版selenium。两个项目合二为一，虽然名字还叫selenium，但也可以叫Webdriver。这个版本的selenium是利用浏览器原生的API，封装成一套更加面向对象的Selenium WebDriver API。

直接操作浏览器页面里的元素，甚至操作浏览器本身（截屏，窗口大小，启动，关闭，安装插件，配置证书之类的）。由于使用的是浏览器原生的API，速度大大提高，而且调用的稳定性交给了浏览器厂商本身，显然是更加科学。然而带来的一些副作用就是，不同的浏览器厂商，对Web元素的操作和呈现多少会有一些差异，这就直接导致了Selenium WebDriver要分浏览器厂商不同，而提供不同的实现。

二：结构

以下进入正题，要通过selenium实现自动化测试，最最主要是需要三种东西：测试需要用的代码、webdriver、浏览器。今天想要分享的也是这三者关系。

① 代码

selenium支持多种语言（java/c#/python/ruby）。测试工程师通过编程语言，调用浏览器对应API实现需要的功能。

② webdriver

webdriver，就像是一个媒介。代码驱动webdriver。上文提过，不同浏览器有不同的webdriver。例如火狐的FirefoxDriver，谷歌的 ChromeDriver。

③ 浏览器

不同的浏览器对应不同的webdriver。

从上图，测试代码输入操作给webdriver，webdriver再去控制浏览器，最终达到的效果就是代码实现对浏览器的操作。

三：查找元素

以查找元素为例，查看代码与webdriver的交互。以下python为例：

这里driver是webdriver.Chrome()的对象，我们查看webdriver.Chrome()的源码。发现本质是 from .chrome.webdriver import WebDriver as Chrome

从目录名可知这来自chrome的webdriver，再次对这个WebDriver溯源，发现它是继承了一个RemoteWebDriver类。注释的含义是：控制ChromeDriver并允许驱动浏览器。

再次对继承的RemoteWebDriver类溯源。

发现其是：selenium.webdriver.remote.webdriver.WebDriver。

注释的含义是：通过向远程服务器发送命令来控制浏览器。 该服务器应该运行WebDriver有线协议。这里先停一下，等会我们会再回来继续了解这个类。以python为例，我们在在selenium库中，通过ID获取界面元素的方法是这样的：

一个名为command_executor的对象执行了execute方法。 名为command_executor的对象是RemoteConnection类的对象。

并且这个对象是在新建selenium.webdriver.remote.webdriver.WebDriver类对象的时候就完成赋值的self.command_executor = RemoteConnection(command_executor, keep_alive=keep_alive)。

结合selenium.webdriver.remote.webdriver.WebDriver类的类注释来看：WebDriver类的功能是通过给一个remote server发送指令来控制浏览器。而这个remote server是一个运行WebDriver wire protocol的server。而RemoteConnection类就是负责与Remote WebDriver server的连接的类。 可以注意到有这么一个新建WebDriver类的对象时候的参数command_executor。

默认值等于‘http://127.0.0.1:4444/wd/hubremote‘。这个值表示的是访问server的URL。因此这个值作为了RemoteConnection类的构造方法的参数。因为要连接remote server，URL是必须的。 现在再来看RemoteConnection类的实例方法execute。

这个方法有两个参数：command、params。

command表示期望执行的指令的名字。打开self._commands这个dict。查看Command.FIND_ELEMENT的value.。

指令的URL部分包含了几个组成部分：

◆HTTP请求方法。WebDriver wire protocol中定义的指令是符合RESTful规范的，通过不同请求方法对应不同的指令操作。

◆sessionId. sessionId表示了remote server和浏览器的一个会话，指令通过这个会话变成对于浏览器的一个操作。

◆ element 这一部分用来表示具体的指令。

selenium.webdriver.remote.command.Command类里的常量指令又在各个具体的类似find_elements的实例方法中作为execute方法的参数来使用。

这样就实现了selenium.webdriver.remote.webdriver.WebDriver类中实现各种操作的实例方法与WebDriver wire protocol中定义的指令的一一对应。

selenium.webdriver.remote.webelement.WebElement中各种在WebElement上的操作也是用类似的原理实现的。实例方法execute的另一个参数params则是用来保存指令的参数的，这个参数将转化为JSON格式，作为HTTP请求的body发送到remote server。

remote server在执行完对浏览器的操作后得到的数据将作为HTTP Response的body返回给测试代码，测试代码经过解析处理后得到想要的数据。

四：总结

初学者文中难免可能有疏漏之处，希望各位大佬指正。

五：补充

为了怕同志们理解错，把大佬说的selenium工作原理写在下面。

本菜鸟是在此基础上从另一角度出发来看：

◆ Service: service->subprocess调用命令行打开webdriver.exe

◆ Client: urlib3->访问服务(接口)