当前位置： 首页 > news >正文

Selenium UI自动化测试入门：从环境搭建到实战脚本编写

news 2026/7/1 23:45:49

1. 项目概述：为什么现在学Selenium UI自动化测试依然有价值？

如果你是一名测试工程师，或者是一名想提升效率的开发，最近可能被各种AI测试工具、低代码平台的消息刷屏。很多人会问，现在学Selenium这种“传统”的UI自动化测试框架，是不是过时了？我的答案是：不仅没过时，现在反而是打好基础、理解自动化测试本质的最佳时机。Selenium就像编程里的C语言，它可能不是最高效、最酷炫的工具，但它能让你透彻理解浏览器自动化是如何在底层工作的。当你理解了Selenium如何定位一个按钮、如何模拟一次点击，你再去用那些封装好的AI测试工具，就会明白它们到底在帮你做什么，以及当它们“失灵”时，问题可能出在哪里。

这个项目，就是带你从零开始，搭建一个可运行、可维护的Selenium UI自动化测试脚本。我们不追求大而全的框架，而是聚焦于解决一个核心问题：如何让代码代替你的手，在浏览器里完成一系列操作，并告诉你结果对不对。你会学到环境搭建、元素定位、常用操作、等待机制以及如何组织简单的测试用例。学完之后，你不仅能写出自己的第一个自动化脚本，更能获得一种“自动化思维”，这种思维是应对未来任何测试工具变迁的底层能力。

2. 环境准备与核心工具链解析

开始写代码之前，先把“战场”布置好。一个稳定的环境是自动化测试成功的一半，很多新手卡在第一步就是因为环境没配好。

2.1 浏览器与驱动：自动化测试的“手”和“脚”

Selenium本身只是一个发出指令的“大脑”，它需要两个关键部件才能操作浏览器：

  1. 浏览器：被操作的对象，如Chrome、Firefox。建议使用Chrome，因为其生态最完善，问题也最容易搜索到解决方案。
  2. 浏览器驱动：连接“大脑”和“手”的桥梁。Selenium通过驱动来控制浏览器。每个浏览器版本都需要对应版本的驱动。

驱动下载与配置的黄金法则：驱动版本必须与浏览器主版本号一致。比如你用的是Chrome 125版本，就必须下载ChromeDriver 125.x.x.x版本。

注意：千万不要在搜索引擎里随便下载驱动，一定要去官方或镜像站。最稳妥的方式是使用包管理工具，或者从淘宝NPM镜像等可信源下载。

这里以Chrome为例，给出一个万无一失的配置流程：

  1. 查看你的Chrome版本：在浏览器地址栏输入chrome://settings/help。
  2. 根据版本号，访问ChromeDriver的官方下载站或国内镜像站，下载对应版本的驱动。
  3. 将下载的chromedriver.exe（Windows）或chromedriver（Mac/Linux）文件放在一个你记得住的目录，比如D:\WebDriver。
  4. 将这个目录的路径添加到系统的环境变量PATH中。这一步至关重要，它让Python能在任何位置找到驱动。

实操心得：我习惯将驱动放在项目根目录下的一个drivers文件夹里，然后在代码中指定绝对路径。这样做的好处是项目环境独立，换机器时直接把整个文件夹拷走就行，避免了因系统环境变量不同而导致的问题。

2.2 Python与Selenium库：测试脚本的“大脑”

我们选择Python作为编程语言，因为它语法简洁，生态丰富，是自动化测试领域的事实标准。

  1. 安装Python：从官网下载安装，务必勾选“Add Python to PATH”。安装后，在命令行输入python --version确认安装成功。
  2. 安装Selenium库：打开命令行，运行pip install selenium。国内如果速度慢，可以使用清华镜像源：pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple。

2.3 IDE的选择：写代码的“书房”

对于初学者，我强烈推荐使用PyCharm（社区版免费）或VS Code。

  • PyCharm：开箱即用，对Python支持极好，调试功能强大。新建一个纯Python项目，就可以开始写了。
  • VS Code：轻量灵活，需要安装Python扩展，但配置好后同样强大。

选择哪一个取决于你的习惯。我的建议是，如果你主要做Python开发，PyCharm更省心；如果你需要频繁切换多种语言，VS Code更合适。

3. 第一个Selenium脚本：从“Hello World”到真实操作

环境就绪，我们来写第一个脚本。这个脚本的目标是打开百度，搜索一个关键词，并验证搜索结果页的标题。

3.1 脚本骨架与核心对象：WebDriver

所有Selenium脚本都始于一个WebDriver对象。你可以把它想象成你赋予灵魂的一个“虚拟用户”。

from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys import time # 1. 创建WebDriver实例，启动浏览器 # 指定驱动的绝对路径，这是最稳妥的方式 driver = webdriver.Chrome(executable_path=r‘D:\WebDriver\chromedriver.exe‘) # 如果你已将驱动加入PATH，也可以简写为：driver = webdriver.Chrome() # 2. 控制浏览器打开目标网址 driver.get(‘https://www.baidu.com‘) # 最大化窗口，避免元素因窗口太小而被隐藏 driver.maximize_window() # 等待2秒，让页面加载（这是初级做法，后面会改进） time.sleep(2) # 3. 定位搜索框，并输入关键词 # 通过元素的‘id‘属性定位，这是最快最准的方式 search_box = driver.find_element(By.ID, ‘kw‘) # 先清空搜索框（避免有默认文本） search_box.clear() # 输入文本 search_box.send_keys(‘Selenium自动化测试‘) # 模拟键盘回车键进行搜索 search_box.send_keys(Keys.RETURN) # 4. 等待结果加载，并验证 time.sleep(3) # 等待搜索结果加载 # 验证页面标题是否包含关键词 assert ‘Selenium自动化测试‘ in driver.title print(‘测试通过！页面标题包含搜索关键词。‘) # 5. 查看当前页面URL（可选，用于调试） print(‘当前页面URL：‘, driver.current_url) # 6. 关闭浏览器 driver.quit()

逐行解析：

  • webdriver.Chrome()：初始化一个Chrome浏览器的驱动对象。这是所有操作的起点。
  • driver.get(url)：让浏览器导航到指定URL。
  • driver.find_element(By.ID, ‘kw‘)：这是元素定位，是UI自动化的核心。这里我们用By.ID定位器，找到了百度首页搜索框（其HTML的id属性是kw）。
  • send_keys()：向输入框输入文本或模拟按键。
  • driver.title：获取当前浏览器标签页的标题。
  • driver.quit()：关闭浏览器并释放驱动资源。务必调用此方法，否则后台会残留浏览器进程。

第一个坑：运行后你可能看到浏览器一闪而过。这是因为脚本执行速度很快，执行到driver.quit()就结束了。我们用了time.sleep()来让脚本暂停，以便观察。但在真实测试中，绝对不要用sleep来等待页面加载，这是极不稳定的做法。我们马上会讲更科学的等待方式。

3.2 元素定位：自动化测试的“眼睛”

找不到元素，一切操作都是空谈。Selenium提供了8种主要的定位方式，我把它们分为三个梯队：

第一梯队（首选，稳定可靠）：

  • By.ID：通过HTML元素的id属性定位。id在理想情况下应该是唯一的，定位速度最快。如果元素有id，优先用它。
  • By.NAME：通过name属性定位。常用于表单元素。
  • By.CLASS_NAME：通过class属性定位。注意，一个元素可能有多个class，这里匹配的是其中一个。

第二梯队（灵活，但需谨慎）：

  • By.TAG_NAME：通过标签名定位，如<input>,<a>。通常一个页面有很多同类标签，不唯一，常与其他方法结合使用或用于查找多个元素。
  • By.LINK_TEXT：通过超链接的完整文本定位。如<a href=“...”>登录</a>，可以用By.LINK_TEXT, “登录”。
  • By.PARTIAL_LINK_TEXT：通过超链接的部分文本定位。如上例，“录”也能定位到。比LINK_TEXT宽松。

第三梯队（强大但复杂）：

  • By.CSS_SELECTOR：通过CSS选择器定位。功能极其强大，可以组合各种条件，是前端工程师的最爱。例如#kw表示id为kw的元素，.s_ipt表示class包含s_ipt的元素。
  • By.XPATH：通过XML路径语言定位。功能最强大，可以遍历整个DOM树，定位任何元素。但表达式可能很复杂，且性能稍差。例如//input[@id=‘kw‘]。

定位策略建议：

  1. 优先级：ID > Name > Class Name > CSS Selector > XPath > Link Text > Tag Name。
  2. 如何查看元素属性：在浏览器页面按F12打开开发者工具，使用左上角的箭头工具点击页面元素，即可在右侧的“Elements”面板看到其HTML代码和属性。
  3. 绝对不要用浏览器自动生成的XPath！开发者工具可以复制XPath，但那些路径往往又长又脆弱，页面结构微调就会失效。应该学习编写简洁、有弹性的XPath或CSS Selector。

4. 核心操作与等待机制：让脚本稳定运行

学会了定位，我们就要让元素“动”起来。同时，解决页面加载的等待问题，是脚本从“玩具”变为“工具”的关键。

4.1 常用浏览器操作API

除了之前用到的send_keys，以下操作也极为常用：

  • 点击：element.click()
  • 清空输入框：element.clear()
  • 获取元素文本：element.text
  • 获取元素属性值：element.get_attribute(‘attribute_name‘)，例如获取一个链接的href：get_attribute(‘href‘)
  • 判断元素是否可见/可用：element.is_displayed(),element.is_enabled()
  • 浏览器导航：
    • driver.back()：后退。
    • driver.forward()：前进。
    • driver.refresh()：刷新。
  • 窗口操作：
    • driver.maximize_window()：最大化。
    • driver.set_window_size(width, height)：设置大小。
    • driver.get_window_position(),driver.set_window_position(x, y)：获取/设置位置。

4.2 等待机制：告别time.sleep，拥抱智能等待

time.sleep(秒数)是固定等待，无论页面是否加载完成，都要傻等那么久。这会导致测试效率极低且不稳定。Selenium提供了两种智能等待：

1. 隐式等待 (Implicit Wait)在创建WebDriver后设置一次，对整个驱动生命周期有效。它告诉WebDriver：在查找任何一个元素时，如果元素没有立即出现，就轮询等待一段时间（比如10秒），直到找到为止。如果超过时间还没找到，才抛出异常。

driver = webdriver.Chrome() driver.implicitly_wait(10) # 单位：秒 # 此后，所有 driver.find_element 操作都会最多等待10秒

2. 显式等待 (Explicit Wait)更精细、更强大的等待方式。你可以为某个特定的操作设置等待条件，比如“等待这个按钮可点击”、“等待这个文本出现”。这是推荐的最佳实践。

from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC # 等待最多10秒，直到ID为‘su‘的元素（百度一下按钮）可被点击 wait = WebDriverWait(driver, 10) search_button = wait.until(EC.element_to_be_clickable((By.ID, ‘su‘))) search_button.click() # 其他常用条件： # EC.presence_of_element_located((By.ID, ...)) # 元素出现在DOM中 # EC.visibility_of_element_located((By.ID, ...)) # 元素可见 # EC.title_contains(‘百度一下‘) # 标题包含某文字 # EC.alert_is_present() # 出现警告框

等待策略黄金组合：

  • 全局设置一个较短的隐式等待，例如driver.implicitly_wait(5)，作为兜底。
  • 在关键步骤（如点击后页面跳转、异步加载）使用显式等待，指定明确的条件。
  • 彻底弃用time.sleep，除非在极少数需要固定暂停的调试场景。

4.3 处理弹窗、iframe和下拉框

弹窗（Alert/Confirm/Prompt）：

# 切换到弹窗 alert = driver.switch_to.alert # 获取弹窗文本 print(alert.text) # 点击确认 alert.accept() # 点击取消（如果是confirm） # alert.dismiss() # 输入文本（如果是prompt） # alert.send_keys(‘text‘)

iframe（内嵌框架）： 如果元素位于iframe内部，你必须先“切换”到那个iframe上下文，才能操作其中的元素。

# 通过ID或Name切换 driver.switch_to.frame(‘iframe_id_or_name‘) # 通过元素对象切换 iframe_element = driver.find_element(By.TAG_NAME, ‘iframe‘) driver.switch_to.frame(iframe_element) # 操作完iframe内的元素后，切回主页面 driver.switch_to.default_content()

下拉选择框（Select）： 对于标准的<select>标签，使用Select类更方便。

from selenium.webdriver.support.ui import Select select_element = driver.find_element(By.ID, ‘city‘) 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)

5. 构建可维护的测试用例与常见问题排查

单个脚本跑通只是开始。如何组织多个测试用例，以及如何应对执行过程中的各种问题，才是工程化的体现。

5.1 使用Unittest/Pytest组织测试用例

我们不把代码全写在一个文件里。使用测试框架可以让用例管理、执行和报告更规范。这里以Python自带的unittest为例。

创建一个文件test_baidu_search.py：

import unittest from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC class TestBaiduSearch(unittest.TestCase): """百度搜索测试用例类""" def setUp(self): """每个测试方法执行前运行，用于初始化""" self.driver = webdriver.Chrome() self.driver.implicitly_wait(5) self.driver.maximize_window() self.wait = WebDriverWait(self.driver, 10) def tearDown(self): """每个测试方法执行后运行，用于清理""" self.driver.quit() def test_search_by_keyword(self): """测试通过关键词搜索""" driver = self.driver wait = self.wait driver.get(‘https://www.baidu.com‘) search_box = driver.find_element(By.ID, ‘kw‘) search_box.clear() search_box.send_keys(‘Python‘ + Keys.RETURN) # 显式等待搜索结果标题出现 wait.until(EC.title_contains(‘Python‘)) self.assertIn(‘Python‘, driver.title) def test_search_empty_keyword(self): """测试搜索空关键词（应停留在首页）""" driver = self.driver driver.get(‘https://www.baidu.com‘) search_box = driver.find_element(By.ID, ‘kw‘) search_box.clear() search_button = driver.find_element(By.ID, ‘su‘) search_button.click() # 点击后应该还是百度首页 self.assertEqual(driver.title, ‘百度一下，你就知道‘) if __name__ == ‘__main__‘: unittest.main()

这样，你可以通过命令行运行所有测试：python -m unittest test_baidu_search.py。setUp和tearDown保证了每个测试用例的独立性。

5.2 常见问题与排查技巧实录

即使代码写得再好，运行时也会遇到各种“妖魔鬼怪”。下面是我踩过无数坑后总结的排查清单。

问题现象可能原因排查步骤与解决方案
NoSuchElementException(找不到元素)1. 定位表达式写错了。
2. 元素在iframe里。
3. 页面还没加载完，元素不存在。
4. 元素是动态生成的（JS渲染）。
5. 页面有多个相同定位的元素，找到的是第一个但不可操作。		1.F12检查：确认定位器是否能唯一定位到目标元素。
2.检查iframe：看目标元素是否在<iframe>内，需要切换。
3.增加等待：使用显式等待，条件设为元素可见或可点击。
4.等待动态内容：可能需要等待某个特定元素出现作为标志。
5.改用find_elements：获取列表后操作指定索引的元素。
ElementNotInteractableException(元素不可交互)1. 元素被遮挡（如弹窗、蒙层）。
2. 元素不可见（display: none或visibility: hidden）。
3. 元素未处于可操作状态（如disabled）。		1.滚动到元素：driver.execute_script(“arguments[0].scrollIntoView();“, element)。
2.等待遮挡物消失：检查并关闭可能遮挡的弹窗。
3.检查元素状态：用is_displayed()和is_enabled()判断。
4.尝试JS点击：driver.execute_script(“arguments[0].click();“, element)（终极手段）。
脚本被网站识别为自动化工具一些网站会检测Selenium的特征（如window.navigator.webdriver属性）。1.添加实验性选项：初始化驱动时添加参数来隐藏特征（此方法可能随浏览器更新失效）。
2.使用undetected-chromedriver：一个专门应对检测的第三方库。
3.降低操作频率：在关键步骤间加入随机等待时间，模拟真人操作。
浏览器启动后立刻闪退1. 浏览器驱动版本与浏览器不匹配。
2. 驱动路径错误或未加入PATH。
3. 代码最后没有driver.quit()，但进程被强制结束。		1.核对版本：严格检查Chrome和ChromeDriver的主版本号。
2.指定绝对路径：在代码中明确指定executable_path。
3.使用try...finally：确保无论如何quit()都会执行。
运行速度慢1. 大量使用time.sleep。
2. 网络环境差。
3. 隐式等待时间设置过长。		1.全面改用显式等待。
2.优化定位器：优先使用ID等快速定位方式。
3.适当缩短隐式等待：设置为3-5秒。

一个高级调试技巧：在代码中插入driver.save_screenshot(‘debug.png‘)，可以在出错时截屏，直观地看到当时浏览器页面的状态，对于排查动态页面问题非常有用。

6. 迈向下一步：从脚本到框架的思考

当你能够熟练编写并运行多个类似上面的测试用例后，你可能会遇到新的问题：测试数据怎么管理？报告怎么生成？用例怎么在服务器上定时跑？这时，你就需要向“测试框架”进化了。

这不是一蹴而就的，但你可以从这些方向逐步演进：

  1. 页面对象模型：这是UI自动化测试最重要的设计模式。将每个页面（或页面组件）封装成一个类，页面的元素定位和操作作为这个类的方法。测试脚本只调用这些方法，不与具体的定位器耦合。这样，当页面UI改动时，你只需要修改对应的页面类，而不需要修改大量测试脚本。
  2. 数据驱动：将测试数据（如搜索关键词、登录账号）从代码中分离出来，存放在Excel、JSON、YAML或数据库中。测试脚本读取这些数据来执行，实现一套脚本测试多组数据。
  3. 测试报告：使用HTMLTestRunner、Allure等库生成美观的HTML测试报告，清晰地展示用例通过率、失败原因和截图。
  4. 持续集成：将你的测试框架接入Jenkins、GitLab CI等工具，实现代码提交后自动触发测试，或者每天定时执行，并将结果通过邮件、钉钉等通知团队。

入门Selenium，你获得的不仅仅是一个工具的使用技能，更是一套解决“如何让程序模拟人操作软件”这一问题的思维模型。这个模型是通用的，无论将来你是去玩Appium做移动端自动化，还是研究Playwright这个更现代的工具，亦或是去理解那些宣称“AI自动化”的测试平台，你都会发现万变不离其宗。核心永远是：定位元素、执行操作、验证结果。把Selenium的基础打牢，未来你在自动化测试的路上，才能走得更稳、更远。

http://www.jsqmd.com/news/1105480/

相关文章：

  • React2Shell漏洞应急：Next.js一键修复工具与安全响应实战
  • AKShare终极指南：5分钟掌握Python免费金融数据接口库
  • 如何用3个核心突破掌握ComfyUI-WanVideoWrapper？AI视频生成新手指南
  • Selenium自动化加载Chrome扩展的完整方案与实战指南
  • Selenium元素定位实战：从基础到高级的自动化测试核心技能
  • RAG四大演进路径：MemoRAG、RAG Agent、RAG Fusion与生产级集成
  • TestRail Python API库实战：自动化测试结果同步与质量看板构建
  • Selenium高效获取子元素：XPath与CSS选择器实战指南
  • Free-NTFS-for-Mac终极解决方案：让Mac完美读写NTFS硬盘的完整指南
  • 钢带还是钢丝绳？先看底坑和顶层高度再决定
  • GPT Store本质是提示工程工业化：结构化提示设计范式解析
  • Mythos因果推理引擎：Anthropic的闸控式AI能力调度实践
  • Anthropic模型能力评估与可控发布机制解析
  • Postman接口自动化测试：从工具到框架的实战指南
  • AI 辅助：微前端落地方案：别把组织问题全塞给框架
  • Mythos能力解析：受控释放的AI决策协作者
  • gemini : 无法将“gemini“项识别为 cmdlet、函数、脚本文件或可运行程序的名称 解决方案
  • SwiftKey整合GPT-4 Turbo：移动端输入法的意图生成革命
  • DeepSeek V4开源大模型3090单卡实测：长文本稳定性与中文推理性能深度解析
  • Agent Runtime 架构革命：事件日志、无状态执行器与沙箱隔离
  • GPT-4参数量与激活率真相：1.8万亿不是模型大小，2%不是固定开关
  • Midscene.js实战：基于AI视觉的跨平台自动化测试指南
  • 工程化设计评审助手：让视觉意见变成可执行问题清单
  • 前端UI自动化测试实战：从Playwright到测试策略，构建健壮交互验证体系
  • API测试报告一键生成实战：从工具选型到CI/CD集成
  • Mythos逻辑链锚定：大模型多步推理与跨文档一致性技术解析
  • Mamba不是ChatGPT替代者，而是长上下文推理新基座
  • AI有创造力吗？拆解人类创意四阶段标尺
  • AI+Playwright：12个实战技巧构建稳定自动化测试，告别周五发版焦虑
  • Galactica科研大模型：结构化知识生成与学术可信推理