Selenium与Python自动化测试入门：从环境搭建到实战脚本

1. 项目概述：为什么是Selenium与Python的组合？

如果你刚接触自动化测试或者网页数据抓取，听到Selenium和Python这两个词，可能会觉得这是两个庞然大物。别担心，我刚开始也是这种感觉。简单来说，Selenium是一个用来控制浏览器、模拟真人操作的自动化工具，而Python是一门语法简洁、上手极快的编程语言。把它们俩结合起来，你就能让电脑自动帮你完成那些在浏览器里重复、枯燥的点击、输入、翻页等操作，比如自动测试网站功能、定时抓取商品价格、批量填写表单等等。

我选择从Python下的Selenium开始教，原因很简单：这是目前最主流、学习曲线最平缓、社区资源最丰富的组合。Python的代码读起来像英语句子，而Selenium提供了非常直观的API（你可以理解为“命令”），告诉浏览器“找到那个按钮”、“点击它”、“在输入框里打字”。对于零基础的你，这个组合能让你最快地看到成果——一个真正在动的浏览器，这会带来巨大的正反馈，支撑你继续学下去。本教程的目标，就是帮你绕开我当年踩过的坑，用最直白的方式，从环境搭建到写出第一个能跑的脚本，手把手带你入门。

2. 环境搭建：稳扎稳打走好第一步

环境搭建是劝退新手的第一个门槛，网上教程杂七杂八，容易漏步骤。咱们不搞虚的，就按下面这个顺序来，保证一次成功。

2.1 Python安装与配置：避开“python was not found”的坑

很多新手倒在第一步：安装完Python，在命令行里输入python，却看到“python was not found”或者“不是内部或外部命令”的错误。这几乎100%是因为没有正确配置环境变量。

安装步骤：

1. 下载：访问Python官网，下载Windows安装程序。关键点：一定要勾选“Add Python to PATH”这个选项！这是自动配置环境变量的关键，能帮你省去后面手动配置的麻烦。
2. 安装：建议选择“Install Now”并使用默认安装路径（如C:\Users\你的用户名\AppData\Local\Programs\Python\Python3xx）。自定义路径容易记错，增加后续出错概率。
3. 验证：安装完成后，打开“命令提示符”（Win+R，输入cmd）。输入python --version并回车。如果正确显示Python版本号（如Python 3.11.4），恭喜你，第一步成功了。如果报错，说明环境变量没配好，需要手动添加。

注意：如果手动配置环境变量，你需要将Python的安装目录（例如C:\Users\你的用户名\AppData\Local\Programs\Python\Python311）和它的Scripts目录（例如C:\Users\你的用户名\AppData\Local\Programs\Python\Python311\Scripts）都添加到系统的Path变量中。添加后，务必关闭所有已打开的cmd窗口再重新打开，新的环境变量才会生效。

2.2 集成开发环境（IDE）选择：VSCode vs PyCharm

写代码需要一个顺手的编辑器。两大主流选择是VSCode和PyCharm。

• VSCode（Visual Studio Code）：轻量、免费、插件生态强大。你需要安装Python扩展插件，它就能提供代码提示、调试等功能。适合喜欢轻便、自定义程度高的用户。配置稍微多一步，但灵活性好。
• PyCharm：专业级Python IDE，分社区版（免费）和专业版（收费）。社区版功能对初学者来说已经绰绰有余。它的开箱即用体验极好，安装后几乎不需要额外配置，智能提示、项目管理、调试工具一应俱全。适合希望专注于编码本身，不想在环境上折腾的新手。

我的建议：如果你是纯新手，强烈推荐直接使用PyCharm社区版。它能帮你屏蔽掉很多环境配置的细节，让你更专注于学习Selenium和Python语法本身。本教程后续的演示也将基于PyCharm的环境进行，减少因工具差异带来的困惑。

2.3 安装Selenium库：一行命令的事

Python的强大之处在于有海量的第三方库，Selenium就是其中之一。安装它非常简单，只需要一个命令。

确保你的命令行（cmd或PyCharm的终端）可以正常使用python和pip（Python的包管理工具）后，输入以下命令：

pip install selenium

回车后，pip工具会自动从网络下载Selenium库及其依赖，并完成安装。你可能会看到一些警告（WARNING），但只要最后出现“Successfully installed selenium-xx.x.x”之类的字样，就说明安装成功了。

实操心得：国内网络有时连接Python官方源（PyPI）速度较慢或不稳定，可能导致安装失败或极慢。遇到这种情况，可以使用国内的镜像源来加速。例如，使用清华大学的镜像源进行安装：

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

这能极大提升下载速度。

2.4 下载浏览器驱动：连接Selenium和浏览器的桥梁

这是Selenium工作原理的核心，也是最容易出错的一步。Selenium本身只是一个发出指令的“大脑”，它需要一个“翻译官”来把指令传达给具体的浏览器（如Chrome、Firefox）。这个“翻译官”就是浏览器驱动。

以最常用的Chrome浏览器为例：

1. 查看你的Chrome版本：打开Chrome，点击右上角三个点 -> 帮助 -> 关于Google Chrome。记下版本号（例如：115.0.5790.110）。
2. 下载对应版本的ChromeDriver：访问ChromeDriver的官方下载站点或国内镜像站。版本匹配至关重要！大版本号（如115）必须一致。如果你的Chrome是115.x.x.x，就下载115开头的ChromeDriver。
3. 放置驱动文件：下载的是一个可执行文件（如chromedriver.exe）。你有三种放置方法：
   • 方法一（推荐）：将其放在Python的安装目录下（或Scripts目录下），因为该目录通常已在系统Path中。
   • 方法二：将其放在你的项目文件夹里。
   • 方法三：将其放在任意位置，并在代码中指定这个文件的完整路径。

踩过的坑：很多人下载驱动后，直接双击运行chromedriver.exe，会弹出一个黑窗口然后很快关闭，这是正常的，它本身就是一个服务程序，等待Selenium的指令。不要觉得它闪退就是坏了。另外，如果Chrome浏览器自动更新了版本，而驱动没有随之更新，就会导致脚本报错“This version of ChromeDriver only supports Chrome version xxx”。所以，当脚本突然无法运行时，首先检查浏览器版本和驱动版本是否匹配。

3. 第一个Selenium脚本：让浏览器动起来

环境准备好了，让我们来写一个最简单的脚本，感受一下Selenium的魅力。这个脚本将实现：打开Chrome浏览器，访问百度首页，在搜索框输入“Selenium”，然后点击“百度一下”按钮。

3.1 基础脚本结构与代码解析

在PyCharm中新建一个Python文件，比如命名为first_script.py，输入以下代码：

# 导入selenium库中的webdriver模块，这是控制浏览器的核心 from selenium import webdriver # 导入By类，用于指定定位元素的方式（如通过ID、NAME等） from selenium.webdriver.common.by import By # 导入WebDriverWait和expected_conditions，用于实现智能等待 from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC # 1. 创建一个Chrome浏览器实例 # 如果你将chromedriver.exe放在了Python目录或已配置Path，可以直接这样写 driver = webdriver.Chrome() # 如果你的驱动在其他路径，需要指定路径： # driver = webdriver.Chrome(executable_path=r'C:\path\to\your\chromedriver.exe') try: # 2. 使用get方法打开百度首页 driver.get("https://www.baidu.com") print("已打开百度首页") # 3. 定位搜索框并输入关键词 # 通过检查网页元素，发现百度搜索框的HTML标签中 id='kw' search_box = driver.find_element(By.ID, "kw") search_box.send_keys("Selenium") # send_keys方法用于模拟键盘输入 print("已在搜索框输入‘Selenium’") # 4. 定位“百度一下”按钮并点击 # 通过检查，发现按钮的 id='su' submit_button = driver.find_element(By.ID, "su") submit_button.click() # click方法用于模拟鼠标点击 print(“已点击‘百度一下’按钮”) # 5. 等待搜索结果页面加载完成（简单等待） # 这里使用强制等待，让程序暂停3秒，确保页面元素加载出来。实际项目中不推荐，后面会讲更好的方法。 import time time.sleep(3) # 6. 可以在这里添加其他操作，比如获取搜索结果标题 # results = driver.find_elements(By.CLASS_NAME, "result") # for result in results: # print(result.text) finally: # 7. 关闭浏览器 # 使用try-finally确保无论脚本是否出错，最后都会关闭浏览器，释放资源 driver.quit() print("浏览器已关闭")

3.2 逐行解读与核心概念

• webdriver.Chrome()：这行代码启动了ChromeDriver进程，并打开一个全新的、干净的Chrome浏览器窗口。这个窗口完全由你的代码控制。
• driver.get(url)：这是浏览器导航命令，等同于你在地址栏输入网址并回车。
• 元素定位：driver.find_element(By.ID, "kw")这是Selenium最核心的操作之一。By.ID表示使用HTML元素的id属性来定位它。"kw"就是百度搜索框的id值。你需要使用浏览器的“开发者工具”（F12）来查看页面上元素的这些属性。
• 元素操作：找到元素后，你可以对它进行各种操作：
  • .send_keys("text")：输入文本。
  • .click()：点击。
  • .clear()：清空内容。
  • .text：获取元素内的文本。
• driver.quit()：关闭浏览器窗口并终止ChromeDriver进程。与driver.close()（仅关闭当前标签页）不同，quit()是彻底的清理，务必在脚本最后调用。

运行脚本：在PyCharm中右键点击代码编辑区，选择“Run ‘first_script.py’”。你会看到一个Chrome浏览器自动打开，执行一系列操作，然后关闭。控制台会打印出我们预设的提示信息。恭喜你，你的第一个自动化脚本成功了！

4. Selenium核心技能：定位与等待的艺术

脚本能跑了，但要写出健壮、可靠的自动化程序，你必须掌握两样东西：精准的元素定位和合理的等待策略。这是区分新手和熟练工的关键。

4.1 八种元素定位方法详解

Selenium提供了8种主要的定位方式，你需要根据页面HTML结构选择最稳定的一种。

定位策略建议：

1. 优先级：ID > Name > CSS Selector / XPath > Class Name > Link Text > Tag Name。
2. 如何查看元素属性：在浏览器中打开目标页面，按F12打开开发者工具，点击左上角的箭头图标，然后去页面上点击你想操作的元素，代码区就会高亮显示该元素的HTML代码，里面就有id、name、class等属性。
3. XPath和CSS Selector进阶：
   • XPath：//表示从根节点开始搜索，input是标签名，[@id=‘kw’]是属性条件。例如：//div[@class=‘s_form’]//input[@name=‘wd’]表示先找一个class为s_form的div，再在这个div里面找name为wd的input标签。
   • CSS Selector：input#kw表示id为kw的input标签。.s_ipt表示class包含s_ipt的元素。div.s_form input[name=‘wd’]表示在class为s_form的div下的，name为wd的input标签。

注意事项：避免使用绝对路径的XPath（如/html/body/div[3]/div[2]/form/span[1]/input），这种路径极度脆弱，页面结构稍有变动（比如多了一个div）就会定位失败。尽量使用相对路径和属性组合。

4.2 三种等待机制：告别“ElementNotVisibleException”

网络有延迟，页面加载有快慢。如果你的代码在元素还没出现时就尝试去操作它，就会抛出ElementNotVisibleException或NoSuchElementException。Selenium提供了三种等待方式。

1. 强制等待：time.sleep(seconds)

   import time time.sleep(5) # 无条件等待5秒

   缺点：无论元素是否已加载完成，都必须等够时间。效率低下，是万不得已的下策。

2. 隐式等待：driver.implicitly_wait(seconds)

   driver.implicitly_wait(10) # 设置全局隐式等待时间为10秒 element = driver.find_element(By.ID, “someId”)

   原理：在find_element或find_elements时，如果没立刻找到元素，WebDriver会轮询DOM（默认每0.5秒）直到找到或超时。优点：设置一次，对整个driver生命周期有效。缺点：不适用于需要等待特定条件（如元素可点击、元素包含特定文本）的场景。它只检查元素是否存在。

3. 显式等待：WebDriverWait+expected_conditions(EC)这是最推荐、最智能的等待方式。它允许你为某个特定的元素设置等待条件。

   from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By # 等待最多10秒，直到ID为‘kw’的元素出现在DOM中并且可见 element = WebDriverWait(driver, 10).until( EC.visibility_of_element_located((By.ID, “kw”)) ) # 等待元素可被点击 button = WebDriverWait(driver, 10).until( EC.element_to_be_clickable((By.NAME, “btnK”)) ) button.click()

   核心优势：精准、高效。它只在需要的时候等待，条件满足就立刻继续执行。expected_conditions模块提供了大量预定义条件，如presence_of_element_located（元素存在于DOM）、visibility_of_element_located（元素可见）、text_to_be_present_in_element（元素包含特定文本）等。

等待策略最佳实践：在脚本开头设置一个较短的隐式等待（如5-10秒）作为兜底。在关键操作（如点击一个动态加载的按钮、等待一个弹窗）前，使用显式等待来确保状态正确。尽量避免使用强制等待。

5. 实战进阶：处理常见交互与反爬策略

掌握了定位和等待，你就可以应对大部分基础场景了。接下来，我们看一些更实际的交互案例和可能遇到的问题。

5.1 模拟复杂用户交互

除了点击和输入，Selenium还能模拟几乎所有的用户操作。

• 处理下拉选择框（Select）：

  from selenium.webdriver.support.ui import Select # 定位到<select>标签 select_element = driver.find_element(By.ID, “city”) # 包装成Select对象 select = Select(select_element) # 通过可见文本选择 select.select_by_visible_text(“北京”) # 通过value属性选择 # select.select_by_value(“beijing”) # 通过索引选择（从0开始） # select.select_by_index(1)

• 鼠标悬停（ActionChains）：

  from selenium.webdriver.common.action_chains import ActionChains menu = driver.find_element(By.ID, “menu”) # 将鼠标移动到menu元素上 ActionChains(driver).move_to_element(menu).perform() # 此时，悬停触发的子菜单应该出现了，可以继续定位子菜单项 sub_menu = driver.find_element(By.LINK_TEXT, “子项”) sub_menu.click()

• 执行JavaScript：有些操作Selenium的API无法直接完成，比如滚动页面、修改元素属性，这时可以借助JavaScript。

  # 滚动到页面底部 driver.execute_script(“window.scrollTo(0, document.body.scrollHeight);”) # 滚动到某个元素位置 element = driver.find_element(By.ID, “footer”) driver.execute_script(“arguments[0].scrollIntoView();”, element) # 修改元素属性（例如，让一个隐藏的输入框可见） driver.execute_script(“document.getElementById(‘hiddenInput’).style.display = ‘block’;”)

5.2 应对网站反爬与识别

越来越多的网站会检测Selenium等自动化工具。如果你的脚本被识别，可能会遇到验证码、操作被拒绝或直接封IP。以下是一些常见的特征和应对思路：

1. WebDriver特征：浏览器在自动化模式下运行时，navigator.webdriver属性值为true，而正常浏览器为undefined或false。应对：使用execute_script在页面加载前修改此属性。

   driver.execute_cdp_cmd(‘Page.addScriptToEvaluateOnNewDocument’, { ‘source’: ‘Object.defineProperty(navigator, “webdriver”, {get: () => undefined})’ })

   注意：execute_cdp_cmd需要较新版本的Selenium和ChromeDriver。旧版本可使用execute_script在访问每个页面后执行类似JS代码。

2. 窗口尺寸与行为：自动化打开的浏览器窗口可能有固定的、不常见的尺寸，且鼠标移动和点击过于“精准”和“迅速”。应对：随机化窗口尺寸，并使用ActionChains模拟带轨迹的鼠标移动。

   driver.set_window_size(1920, 1080) # 设置为常见分辨率 # 模拟人类移动鼠标 action = ActionChains(driver) element = driver.find_element(By.ID, “btn”) action.move_to_element(element).pause(0.5).click().perform()

3. 使用无头模式（Headless）：为了节省资源，我们常在后台运行浏览器（无头模式）。但无头模式更容易被识别。应对：在无头模式下，添加更多反检测参数。

   from selenium.webdriver.chrome.options import Options options = Options() options.add_argument(‘--headless’) # 启用无头模式 options.add_argument(‘--disable-blink-features=AutomationControlled’) # 禁用Blink的自动化控制特征 options.add_experimental_option(“excludeSwitches”, [“enable-automation”]) # 移除“正受到自动测试软件控制”提示 options.add_experimental_option(‘useAutomationExtension’, False) driver = webdriver.Chrome(options=options) # 同时记得添加修改webdriver属性的CDP命令

重要提醒：这些方法只能应对基础的反爬机制。随着对抗升级，网站的反爬策略也越来越复杂（如Canvas指纹、WebGL指纹、行为分析等）。对于商业级、高强度的数据采集，仅靠Selenium可能不够，需要结合更专业的反反爬方案。对于学习和测试目的，上述方法通常足够。

6. 项目结构与代码优化：从脚本到工程

当你的自动化任务越来越复杂，把所有代码写在一个文件里会变得难以维护。我们需要良好的项目结构和编码习惯。

6.1 使用Page Object Model (POM) 设计模式

POM是UI自动化测试中最主流的设计模式。核心思想是将页面抽象成类，将页面上的元素抽象成类的属性，将页面操作抽象成类的方法。这样，测试脚本（业务逻辑）就和页面元素的定位细节分离开了。

一个简单的POM示例：

假设我们要测试一个登录功能。

• pages/login_page.py(页面对象类)

  from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC class LoginPage: # 页面元素定位器 USERNAME_INPUT = (By.ID, “username”) PASSWORD_INPUT = (By.ID, “password”) LOGIN_BUTTON = (By.ID, “submit”) ERROR_MESSAGE = (By.CLASS_NAME, “error”) def __init__(self, driver): self.driver = driver self.wait = WebDriverWait(self.driver, 10) def enter_username(self, username): # 页面操作：输入用户名 user_elem = self.wait.until(EC.visibility_of_element_located(self.USERNAME_INPUT)) user_elem.clear() user_elem.send_keys(username) return self # 支持链式调用 def enter_password(self, password): # 页面操作：输入密码 pass_elem = self.wait.until(EC.visibility_of_element_located(self.PASSWORD_INPUT)) pass_elem.clear() pass_elem.send_keys(password) return self def click_login(self): # 页面操作：点击登录 login_elem = self.wait.until(EC.element_to_be_clickable(self.LOGIN_BUTTON)) login_elem.click() def get_error_message(self): # 页面操作：获取错误信息 try: error_elem = self.wait.until(EC.visibility_of_element_located(self.ERROR_MESSAGE)) return error_elem.text except: return None

• tests/test_login.py(测试脚本)

  import pytest from selenium import webdriver from pages.login_page import LoginPage class TestLogin: def setup_method(self): self.driver = webdriver.Chrome() self.driver.maximize_window() def teardown_method(self): self.driver.quit() def test_login_success(self): driver = self.driver driver.get(“http://example.com/login”) login_page = LoginPage(driver) # 业务逻辑清晰明了 login_page.enter_username(“valid_user”) .enter_password(“valid_pass”) .click_login() # 断言登录成功，例如跳转到首页 assert “dashboard” in driver.current_url def test_login_failure(self): driver = self.driver driver.get(“http://example.com/login”) login_page = LoginPage(driver) login_page.enter_username(“wrong_user”) .enter_password(“wrong_pass”) .click_login() error_msg = login_page.get_error_message() assert error_msg == “用户名或密码错误”

POM的优势：

• 高可维护性：页面元素定位符只在一个地方（Page类）定义。如果页面UI改了，你只需要修改对应的Page类，所有用到这个元素的测试脚本都不需要动。
• 高可读性：测试脚本读起来就像业务描述（输入用户名、输入密码、点击登录），而不是一堆find_element和send_keys。
• 低冗余：公共的页面操作被封装成方法，避免了代码重复。

6.2 配置管理、日志与异常处理

一个健壮的自动化项目还需要考虑配置和可观测性。

• 使用配置文件：将浏览器类型、基础URL、超时时间、测试数据等配置信息放在单独的配置文件（如config.ini或config.yaml）或Python配置文件（config.py）中。

  # config.py BASE_URL = “http://example.com” BROWSER = “chrome” IMPLICIT_WAIT = 10 EXPLICIT_WAIT = 20 USERNAME = “test_user” PASSWORD = “test_pass123”

  在代码中引入配置：from config import BASE_URL。

• 添加日志：使用Python内置的logging模块记录脚本运行的关键步骤和错误信息，便于调试和回溯。

  import logging logging.basicConfig(level=logging.INFO, format=‘%(asctime)s - %(name)s - %(levelname)s - %(message)s’) logger = logging.getLogger(__name__) def click_element(locator): try: element = WebDriverWait(driver, 10).until(EC.element_to_be_clickable(locator)) element.click() logger.info(f“成功点击元素: {locator}”) except Exception as e: logger.error(f“点击元素失败: {locator}, 错误信息: {e}”) raise

• 完善的异常处理：使用try...except...finally块来捕获和处理可能出现的异常（如元素未找到、网络超时），确保脚本失败时能妥善清理资源（如关闭浏览器、保存截图）并给出清晰的错误报告。

  try: # 核心操作 perform_risky_operation() except NoSuchElementException as e: logger.error(“未找到页面元素，可能是页面未加载或定位器错误。”) driver.save_screenshot(“error_screenshot.png”) # 保存错误时的截图 raise except TimeoutException as e: logger.error(“操作超时，网络或服务器可能有问题。”) raise finally: # 确保资源释放 driver.quit()

7. 常见问题排查与调试技巧

即使按照教程一步步来，在实际操作中你还是会遇到各种问题。这里汇总了一些高频问题和我的排查经验。

7.1 高频错误与解决方案速查表

7.2 强大的调试技巧

1. 保存截图和页面源码：在出错的地方，让脚本自动截屏并保存当前HTML，这是最直接的证据。

   driver.save_screenshot(‘debug_screenshot.png’) with open(‘debug_page.html’, ‘w’, encoding=‘utf-8’) as f: f.write(driver.page_source)

2. 使用driver.title和driver.current_url：在关键步骤后打印当前页面标题和URL，确认页面跳转是否符合预期。

3. 在脚本中插入input(‘等待按回车…’)：在怀疑有问题的代码行前暂停脚本执行。此时你可以手动操作浏览器，检查页面状态，然后按回车让脚本继续。这是一个非常原始的但极其有效的调试方法。

4. 利用PyCharm/VSCode的调试器：设置断点，单步执行，查看变量状态。这是定位复杂逻辑错误的最佳方式。

5. 降低执行速度：在开发阶段，可以在每个操作（如click,send_keys）后加上短暂的time.sleep(0.5)，方便你用肉眼观察脚本的执行过程。

走到这里，你已经从一个对Selenium一无所知的新手，变成了一个能够搭建环境、编写基础脚本、处理常见交互、并初步了解项目化设计和问题排查的入门者。自动化之路，核心就是“动手”和“排错”。不要怕代码报错，每一个错误信息都是搜索引擎的关键词，都是你成长的阶梯。接下来，最好的学习方式就是找一个你感兴趣的实际小项目（比如自动查询天气、定时签到、抓取某个博客列表）动手做起来，在实践中你会遇到更具体的问题，解决它们的过程会让你真正掌握这门技术。记住，所有复杂的项目都是由像我们今天写的这个“打开百度并搜索”一样简单的脚本一步步构建起来的。