Selenium 入门到实战：用 Python 写出稳定的浏览器自动化

Selenium 入门到实战：用 Python 写出稳定的浏览器自动化

浏览器自动化并不只是"让鼠标自己点"。理解 WebDriver、元素定位和等待策略，才能把脚本变成可靠、可维护的测试工具。

https://github.com/lfl171/Selenium.git

目录

1. [Selenium 是什么](#Selenium 是什么)
2. 一次自动化如何工作
3. [准备 Python 环境](#准备 Python 环境)
4. 第一个完整示例
5. 元素定位：稳定性从这里开始
6. 等待动态页面，而不是猜时间
7. 常见交互与浏览器控制
8. 让测试更可靠的实践
9. 从本机走向并行执行
10. 适用边界与总结

Selenium 是什么

Selenium 是一组浏览器自动化工具与库的集合。对大多数测试和脚本开发者来说，核心入口是 Selenium WebDriver：它通过浏览器原生支持的自动化接口，像用户一样打开页面、查找元素并执行交互。WebDriver 是 W3C 标准，因此同一套测试思路可以应用到 Chrome、Firefox、Edge、Safari 等浏览器。

它常用于端到端（E2E）测试、跨浏览器验证、重复性后台操作，以及需要真实浏览器行为的网页流程。Selenium 不是网页抓取的万能工具，也不会自动判断页面"正确"；你仍然需要为关键行为编写清晰的断言。

一次自动化如何工作

Python 测试脚本 → Selenium WebDriver → 浏览器驱动 / Selenium Manager → 浏览器

脚本通过 Selenium 的语言绑定发出命令，浏览器驱动负责把命令交给具体浏览器并返回结果。较新的 Selenium 绑定会通过 Selenium Manager 协助管理驱动程序；它减少了手动下载和匹配驱动的工作，但运行环境仍需具备受支持的浏览器，并允许相应的驱动管理流程完成。

Selenium 项目还包含 Selenium IDE（录制与回放）和 Selenium Grid（远程及并行浏览器执行）等工具。不要把它们和 WebDriver 的职责混为一谈：写代码控制浏览器的核心仍是 WebDriver。

准备 Python 环境

建议在项目虚拟环境中安装 Selenium：

python -m venv .venv
# macOS / Linux
source .venv/bin/activate
# Windows PowerShell 可使用：.venv\Scripts\Activate.ps1
python -m pip install selenium

确认本机安装了计划测试的浏览器。对于较新的 Selenium，通常可以先尝试直接启动浏览器；如果网络策略、浏览器版本或企业环境限制导致自动管理失败，再根据官方文档配置对应驱动。

第一个完整示例

下面的脚本访问 Selenium 官方演示页，输入搜索词并验证页面标题。它展示了测试中最重要的几个动作：建立会话、定位元素、等待页面状态、执行操作、断言结果，并在结束时关闭浏览器。

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

driver = webdriver.Chrome()
wait = WebDriverWait(driver, 10)

try:
    driver.get("https://www.selenium.dev/selenium/web/web-form.html")

    text_box = wait.until(
        EC.visibility_of_element_located((By.NAME, "my-text"))
    )
    text_box.send_keys("Selenium WebDriver")
    driver.find_element(By.CSS_SELECTOR, "button").click()

    message = wait.until(
        EC.visibility_of_element_located((By.ID, "message"))
    )
    assert message.text == "Received!"
    print("表单提交成功：", message.text)
finally:
    driver.quit()

try/finally 可以确保即便断言失败也会退出浏览器会话。真实项目中，常把创建和清理逻辑放进 pytest fixture，让每个测试都能获得独立、可预期的浏览器状态。

元素定位：稳定性从这里开始

Selenium 提供 ID、名称、CSS 选择器、XPath、链接文字等定位方式。优先选择唯一、语义清晰且不容易随布局变化 的属性。若你能影响应用代码，为关键控件添加稳定的 data-testid 往往很有帮助。

from selenium.webdriver.common.by import By

submit = driver.find_element(By.ID, "submit")
email = driver.find_element(By.NAME, "email")
save = driver.find_element(By.CSS_SELECTOR, "button[data-testid='save']")

可以把定位器集中定义，让页面结构变化时更容易维护：

class LoginPage:
    EMAIL = (By.NAME, "email")
    PASSWORD = (By.NAME, "password")
    SUBMIT = (By.CSS_SELECTOR, "button[data-testid='login']")

XPath 适合 CSS 难以表达的关系或文本场景，但复杂、依赖页面层级的 XPath 往往很脆弱。避免使用诸如"页面第 3 个 div 下面的第 2 个按钮"这类只描述当前布局的定位器。

等待动态页面，而不是猜时间

现代网页经常在首屏加载后继续通过 JavaScript 更新内容。driver.get() 返回并不代表目标控件已经可交互。固定的 time.sleep(5) 每次都浪费时间，而且网络或机器变慢时仍可能失败。

更好的做法是等待具体条件：

wait = WebDriverWait(driver, 10)
button = wait.until(
    EC.element_to_be_clickable((By.ID, "continue"))
)
button.click()

常用条件包括元素可见、元素可点击、元素存在、文字出现以及页面标题匹配。隐式等待是针对元素查找的全局设置；显式等待则能准确描述当前步骤所需要的状态。不要混用隐式等待和显式等待，否则实际等待时间可能难以预测。

常见交互与浏览器控制

# 文本框
search = driver.find_element(By.NAME, "q")
search.clear()
search.send_keys("browser automation")

# 下拉框（原生 select）
from selenium.webdriver.support.ui import Select
Select(driver.find_element(By.ID, "country")).select_by_value("cn")

# 截图与窗口
driver.save_screenshot("failure.png")
driver.maximize_window()

复选框、单选框和按钮通常可以用 click() 操作；文件上传则通常通过向 <input type="file"> 发送文件路径完成。对于新窗口、iframe、悬停和键盘组合等场景，应先显式切换到正确的窗口或 frame，再执行定位和交互。操作之后最好等待可观察的页面变化，而不是假设点击必然成功。

让测试更可靠的实践

• 断言用户可见的结果。 点击成功不等于业务操作成功；检查确认信息、状态变化或导航结果。
• 每个测试独立准备状态。 避免测试间依赖执行顺序或共享浏览器残留数据。
• 采用 Page Object 管理复杂页面。 把定位器和页面操作封装起来，让测试用业务语言表达意图。
• 保留失败证据。 失败时收集截图、当前 URL、控制台日志和必要的页面信息，缩短排查时间。
• 优先修复不稳定根因。 如果测试偶发失败，检查等待条件、定位器稳定性、测试数据和环境差异，不要只增加超时时间。
• 把浏览器和测试环境版本纳入 CI。 本地通过、流水线失败常常来自浏览器版本、网络、并发或数据隔离差异。

一个好的测试读起来像一段可验证的用户旅程：准备 → 操作 → 等待 → 断言 → 清理。

从本机走向并行执行

当测试需要覆盖多种浏览器，或希望在 CI 中并行运行时，可以考虑 Selenium Grid。Grid 让测试代码连接远端执行环境，由其分配浏览器会话。扩展之前，先保证单个测试可重复、数据互不干扰，并设置合理的超时和失败诊断；并行会放大测试本身的竞态问题。

Selenium 也在推进 WebDriver BiDi，用于双向、事件驱动的浏览器通信，例如订阅网络或控制台事件。具体能力会随浏览器和 Selenium 版本而异，使用前请查看官方文档的支持情况。

适用边界与总结

如果目标是验证真实浏览器中的用户流程，Selenium 是成熟且跨浏览器的选择。如果只需快速请求静态页面，直接使用 HTTP 客户端通常更简单；若测试侧重组件内部逻辑，则单元测试往往更快、更聚焦。合理的测试组合会让端到端测试覆盖关键路径，而不是承担所有验证工作。

记住三件事：用稳定定位器找到元素，用显式等待描述页面状态，用断言验证用户结果。 做到这三点，你的 Selenium 脚本就会从"能跑一次"逐渐变成团队可以长期维护的测试资产。

延伸阅读

• Selenium 官方文档
• WebDriver 文档
• 元素定位策略
• 等待策略
• Selenium Grid