Selenium 核心 API 解析（三）

在上一篇中，我们系统梳理了 Selenium 的八大元素定位方式与动态元素定位方案。定位到元素之后，真正的自动化交互要靠各类元素操作、窗口控制、浏览器配置 API 来实现。本文整理 Selenium WebDriver 最常用的核心 API，覆盖元素交互、窗口管理、截图留证、导航控制、弹窗处理、文件上传、启动参数配置七大模块。

一、元素基础交互 API

元素定位完成后，最常用的就是点击、输入、清空、获取信息这四类操作，是所有自动化脚本的基础。

1. 点击操作 click ()

最核心的交互方法，用于按钮、链接、复选框、单选框等所有可点击元素。

复制代码

// 点击百度一下按钮
driver.findElement(By.cssSelector("#su")).click();

2. 文本输入 sendKeys ()

用于输入框、文本域等可编辑元素，传入需要输入的字符串内容。

复制代码

// 在百度搜索框输入关键词
driver.findElement(By.cssSelector("#kw")).sendKeys("输入文字");

3. 清空文本 clear ()

清空输入框中已有的内容，通常在重新输入前调用，避免内容叠加。

复制代码

driver.findElement(By.cssSelector("#kw")).sendKeys("我爱游戏");
// 清空输入框现有内容
driver.findElement(By.cssSelector("#kw")).clear();

4. 获取元素文本 getText ()

获取元素的可见文本内容，是自动化断言、结果校验最常用的方法。

复制代码

String bdtext = driver.findElement(By.xpath("//*[@id='title-content']/span[1]")).getText();
System.out.println("打印的内容是：" + bdtext);

5. 获取元素属性 getAttribute ()

获取元素指定属性的值，比如 href、class、id、value 等，适合获取非可见的属性信息。

复制代码

// 获取元素的class属性值
String s = driver.findElement(By.xpath("......")).getAttribute("class");
System.out.println("打印的内容是：" + s);

6. 页面级信息获取

两个全局页面信息方法，常用于页面跳转后的正确性校验：

getTitle()：获取当前页面的标题
getCurrentUrl()：获取当前页面的完整 URL 地址

二、窗口句柄与窗口管理

Selenium 通过句柄（handle） 唯一标识每个浏览器标签页或独立窗口，所有窗口级操作都基于句柄实现。

1. 句柄获取与切换

getWindowHandle() ：获取当前页面的句柄，返回字符串类型
getWindowHandles()：获取所有已打开页面的句柄集合
switchTo().window(句柄)：将操作上下文切换到指定句柄的窗口

典型场景：点击链接打开新标签页后，切换到新页面继续操作。

复制代码

String curWindow = driver.getWindowHandle();
Set<String> allWindow = driver.getWindowHandles();
// 遍历所有窗口，切换到非当前的新窗口
for (String w : allWindow) {
    if (!w.equals(curWindow)) {
        driver.switchTo().window(w);
    }
}

2. 窗口大小控制

复制代码

// 窗口最大化
driver.manage().window().maximize();
// 窗口最小化
driver.manage().window().minimize();
// 全屏显示
driver.manage().window().fullscreen();
// 手动设置窗口宽高
driver.manage().window().setSize(new Dimension(1024, 768));

3. 窗口关闭：close () 与 quit () 的区别

这是一个踩坑点，二者作用范围完全不同：

driver.close() ：仅关闭当前句柄对应的标签页，浏览器进程本身不退出
driver.quit()：关闭所有标签页，彻底退出整个浏览器进程

⚠️ 注意：使用 close () 关闭页面后，必须手动切换到剩余的有效窗口句柄，否则继续操作元素会抛出 NoSuchElementException。

三、屏幕截图：自动化异常留证

自动化脚本通常在后台无人值守运行，出错时无法直观看到页面现场。屏幕截图是定位问题、留存证据的核心手段。

依赖说明

使用文件保存功能需要引入 commons-io 工具包：

XML 复制代码

<dependency>
    <groupId>commons-io</groupId>
    <artifactId>commons-io</artifactId>
    <version>2.6</version>
</dependency>

基础版本

直接截图并保存为指定文件名，适合简单调试场景。

python 复制代码

File srcfile = driver.getScreenshotAs(OutputType.FILE);
// 保存为 my.png
FileUtils.copyFile(srcfile, new File("my.png"));

高阶版本：按时间命名防覆盖

通过时间戳生成文件路径，避免多次运行截图被同名覆盖，适合批量测试、CI 执行场景。

python 复制代码

List<String> times = getTime(); // 自定义方法获取格式化时间
// 示例路径：./src/test/autotest-2022-08-01/goodsbroser-20220801-214130.png
String filename = "./src/test/autotest-" + times.get(0) + "/" + str + "" + times.get(1) + ".png";
File srcfile = driver.getScreenshotAs(OutputType.FILE);
FileUtils.copyFile(srcfile, new File(filename));

四、浏览器导航操作

1. 打开网页

两种常用写法，执行效果完全一致：

python 复制代码

// 方式1：get 方法，写法简洁
driver.get("https://selenium.dev/");

// 方式2：navigate.to 方法，语义更清晰
driver.navigate().to("https://selenium.dev/");

2. 前进、后退、刷新

对应浏览器左上角的导航按钮，用于页面流转控制：

python 复制代码

// 后退到上一页
driver.navigate().back();
// 前进到下一页
driver.navigate().forward();
// 刷新当前页面
driver.navigate().refresh();

五、弹窗处理

浏览器原生弹窗（alert/confirm/prompt）不属于 DOM 元素，无法用常规元素定位，必须先切换到弹窗上下文才能操作。

1. 警告 / 确认弹窗

只有提示信息和确认、取消按钮的基础弹窗：

python 复制代码

// 切换到弹窗上下文
Alert alert = driver.switchTo().alert();
// 点击确认按钮
alert.accept();
// 点击取消按钮
alert.dismiss();
// 操作完成后切回主页面
driver.switchTo().defaultContent();

2. 可输入提示弹窗

支持输入文本的 prompt 类型弹窗：

python 复制代码

Alert alert = driver.switchTo().alert();
// 在弹窗输入框中输入内容
alert.sendKeys("hello");
alert.accept();

六、文件上传

点击文件上传按钮会弹出系统级文件选择窗口，Selenium 无法操作系统原生控件。

通用解决方案 ：直接定位页面上的 <input type="file"> 元素，通过 sendKeys() 传入本地文件的绝对路径，效果与手动选择文件完全一致。

python 复制代码

WebElement ele = driver.findElement(By.cssSelector("body > div > div > input[type=file]"));
// 传入本地文件的绝对路径
ele.sendKeys("D:\\selenium2html\\selenium2html\\upload.html");

七、Chrome 浏览器启动参数配置

通过 ChromeOptions 可以自定义浏览器启动行为，适配调试、CI、性能优化等不同测试场景。

基础配置示例

python 复制代码

// 自动管理驱动版本，无需手动下载
WebDriverManager.chromedriver().setup();
ChromeOptions options = new ChromeOptions();
// 允许跨域访问所有链接
options.addArguments("--remote-allow-origins=*");
// 以指定配置启动浏览器
WebDriver driver = new ChromeDriver(options);

1. 无头模式

有头模式：正常显示浏览器 GUI 窗口，可直观看到操作过程，适合本地调试
无头模式：后台静默运行，不显示界面，资源占用低、执行速度快，适合服务器、CI/CD 流水线执行

// 开启无头模式
options.addArguments("-headless");

2. 页面加载策略

有时候页面资源很多, 为了执行效率，不可能等待所有页面元素加载完成，再去获取。

通过 setPageLoadStrategy 控制页面加载的等待程度，在执行速度和稳定性之间做平衡：

策略	说明	特点
NONE	完全不阻塞，浏览器开始加载后立即返回控制权	速度最快，但元素未加载完成容易报错，需配合显式等待使用
EAGER	等待 DOM 树解析完成，不等待图片等静态资源加载	速度与稳定性均衡，推荐日常使用
NORMAL	默认值，等待所有页面资源加载完成	最稳定，但页面资源多的时候速度最慢

复制代码

// 设置为EAGER加载策略
options.setPageLoadStrategy(PageLoadStrategy.EAGER);