Python自动化测试实战：从Selenium到Playwright，构建高效测试框架

1. 项目概述：为什么是Python自动化测试？

如果你是一名开发或者测试工程师，最近肯定没少被“自动化测试”这个词刷屏。无论是为了提升回归效率、保证交付质量，还是应对越来越复杂的多端应用场景，手工点来点去显然已经力不从心了。而当你开始调研自动化工具时，Python几乎会出现在每一个推荐列表的榜首。这不仅仅是因为它语法简洁，更是因为其背后庞大而活跃的生态——从Web UI、移动端到接口测试，你几乎都能找到成熟且强大的Python库。这个项目，就是带你从零开始，亲手搭建一套属于自己的、可实战的Python自动化测试能力体系。我们不空谈理论，而是聚焦于如何选择工具、设计脚本、处理各种“坑”，最终让你能独立完成一个真实项目的自动化测试任务。无论你是刚入行的测试新人，还是想提升效率的开发，这篇文章都将是一份详尽的“作战地图”。

2. 核心工具链选型与生态解析

工欲善其事，必先利其器。Python自动化测试的生态丰富得让人眼花缭乱，盲目选择只会事倍功半。我们的选型原则很明确：主流、稳定、社区活跃、学习曲线相对平缓。

2.1 Web UI自动化：Selenium 与 Playwright 的抉择

这是最经典的场景。长久以来，Selenium WebDriver 是绝对的标准答案。它支持所有主流浏览器，通过驱动浏览器原生API进行操作，稳定性和兼容性经过无数项目验证。它的工作原理是：你的Python脚本通过Selenium库发送指令到浏览器驱动（如ChromeDriver），驱动再控制真实浏览器执行点击、输入等操作。对于传统Web应用，尤其是需要支持IE等老旧浏览器的项目，Selenium仍是首选。

然而，近两年Playwright异军突起，它由微软开发，提供了更现代的选择。与Selenium不同，Playwright直接通过DevTools协议与浏览器通信，这意味着它不需要单独的驱动，启动更快，并且原生支持自动等待、网络拦截、移动设备模拟等高级特性。我个人的体会是，对于新项目，尤其是单页应用（SPA）或需要复杂交互（如下载、权限弹窗）的场景，Playwright的编写体验和稳定性更胜一筹。它内置的智能等待机制，能让你省去大量编写time.sleep和显式等待的代码，脚本更加健壮。

注意：如果你的团队或项目历史包袱较重，大量基于Selenium的脚本需要维护，那么继续使用Selenium是更稳妥的选择。迁移成本是需要慎重考虑的。

2.2 接口自动化测试：Requests + Pytest 黄金组合

如果说UI自动化是“黑盒”，那接口自动化就是直击要害的“白盒”。它执行更快、更稳定，是测试金字塔中承上启下的关键层。这里我们的核心工具是Requests库，它提供了极其优雅的HTTP客户端功能。再搭配Pytest测试框架，就能构建出强大的接口测试套件。

Pytest不仅仅是运行测试，它更是一个完整的生态系统。其夹具（fixture）功能可以优雅地管理测试前置和后置操作，比如创建数据库连接、初始化测试数据。参数化（@pytest.mark.parametrize）能让你用一套代码测试多组数据。丰富的插件（如pytest-html生成报告，pytest-xdist分布式执行）让测试过程如虎添翼。将Requests封装成自己的工具类，结合Pytest，你可以轻松实现接口的自动化验证、数据驱动测试和持续集成。

2.3 移动端自动化：Appium的跨平台之道

当你的应用需要覆盖iOS和Android时，Appium是目前最主流的跨平台移动端自动化解决方案。它基于WebDriver协议，允许你使用同一套API来编写能同时在两个平台上运行的测试脚本。Appium的原理是在移动设备上运行一个服务器，接收来自你Python脚本的指令，并将其翻译成平台原生（iOS用XCUITest，Android用UIAutomator2）的自动化命令。

搭建Appium环境是第一个小挑战，需要配置JDK、Android SDK、Xcode（iOS）、Appium Server以及各种依赖。但一旦环境就绪，其编写脚本的逻辑与Selenium非常相似，降低了学习成本。对于小程序、混合应用（Hybrid App），Appium也能通过切换上下文（Context）来进行测试。

2.4 测试框架与报告：Pytest 为核心，Allure 为颜值担当

为什么是Pytest？因为它比Python自带的unittest更灵活、更强大。除了上述特性，Pytest的断言机制更智能（无需记忆各种assertEqual方法，直接用assert即可），失败信息更清晰。它允许测试函数以test_开头，结构更自由。

测试报告方面，虽然Pytest自带的报告已经不错，但Allure框架能生成极其美观、信息丰富的交互式报告。它可以展示测试用例的层级关系、步骤详情、附件（如图片、日志）、历史趋势等，是向团队展示测试成果和定位问题的利器。集成也简单，通过pytest-allure-adaptor插件即可。

3. 从零搭建自动化测试实战环境

理论说再多，不如动手搭一遍。这里我们以最常见的“Web UI自动化”为例，使用Playwright，因为它环境配置更简单，更适合新手快速获得成就感。

3.1 Python基础环境搭建

首先，确保你有一个干净的Python环境。我强烈建议使用Miniconda或PyCharm直接创建虚拟环境，避免包冲突。

1. 安装Python：从官网下载最新稳定版（如3.9+）。安装时务必勾选“Add Python to PATH”。
2. 验证安装：打开终端（CMD或PowerShell），输入python --version和pip --version，确认版本信息。
3. 创建虚拟环境：

   # 在项目目录下 python -m venv venv # 激活环境 (Windows) venv\Scripts\activate # 激活环境 (Mac/Linux) source venv/bin/activate

   激活后，命令行前缀会显示(venv)，表示你已进入隔离环境。

3.2 安装核心测试库

在激活的虚拟环境中，使用pip安装所需库。我们将安装Playwright和Pytest。

pip install pytest playwright

安装Playwright后，还需要安装它所需的浏览器内核。

playwright install

这个命令会下载Chromium、Firefox和WebKit（Safari内核）的二进制文件，但不会安装完整的浏览器应用。这是Playwright的一大优势，所有依赖自包含，环境一致性极好。

3.3 编写你的第一个自动化脚本

我们不写“Hello World”，直接写一个能真正打开网页、进行搜索的脚本。假设我们要测试百度搜索功能。

创建一个名为test_baidu_search.py的文件：

import pytest from playwright.sync_api import Page, expect def test_baidu_search(page: Page): """ 测试百度搜索功能 """ # 1. 导航到百度首页 page.goto("https://www.baidu.com") # 2. 定位搜索框，输入关键词 # Playwright的定位器（Locator）非常强大，支持多种选择器 search_box = page.locator("input#kw") # 使用CSS选择器定位ID为kw的输入框 search_box.fill("Playwright自动化测试") # 3. 定位搜索按钮并点击 search_button = page.locator("input#su") search_button.click() # 4. 等待页面跳转并断言结果 # Playwright会自动等待元素可操作，这里我们显式等待结果区域出现 page.wait_for_selector("div#content_left") # 5. 断言：搜索结果页面应包含特定文本 # expect语法是Playwright推荐的断言方式，可读性好且自带等待 expect(page).to_have_title("Playwright自动化测试_百度搜索") # 也可以断言搜索结果列表中包含预期关键词 first_result = page.locator("div#content_left h3 a").first expect(first_result).to_contain_text("Playwright") print("测试执行成功！") # 如果要直接运行这个脚本，可以添加以下代码 if __name__ == "__main__": # 这种方法仅用于简单调试，正式运行请使用pytest命令 from playwright.sync_api import sync_playwright with sync_playwright() as p: browser = p.chromium.launch(headless=False) # headless=False表示打开浏览器界面 page = browser.new_page() test_baidu_search(page) browser.close()

代码解读与技巧：

• page.locator(): 这是Playwright的核心，它返回一个Locator对象，代表一个或一组页面元素。所有操作（点击、填充、断言）都基于它。
• expect(): 用于断言，它会自动进行重试等待，直到条件满足或超时。这比硬编码time.sleep智能得多。
• headless=False: 调试时关闭无头模式，可以看到浏览器操作过程。在CI/CD环境中则应设为True以提升速度。

3.4 使用Pytest组织与运行测试

单个脚本不够，我们需要用Pytest来管理一堆测试用例。创建以下目录结构：

my_auto_test_project/ ├── conftest.py ├── pytest.ini ├── requirements.txt └── tests/ ├── __init__.py ├── test_web_ui/ │ ├── __init__.py │ └── test_baidu.py └── test_api/ ├── __init__.py └── test_demo_api.py

• conftest.py: 这是Pytest的本地插件文件，用于定义共享的fixture。
• pytest.ini: Pytest配置文件。
• requirements.txt: 项目依赖列表。

关键文件内容：

1. conftest.py- 定义浏览器fixture：

import pytest from playwright.sync_api import Browser, BrowserContext, Page @pytest.fixture(scope="session") def browser() -> Browser: """ 会话级别的fixture，整个测试会话只启动一次浏览器实例。 使用playwright的同步API启动一个Chromium浏览器（无头模式）。 """ from playwright.sync_api import sync_playwright with sync_playwright() as p: # 通常CI环境或追求速度时用 headless=True # 调试时可设置为 False 以便观察 browser = p.chromium.launch(headless=True) yield browser browser.close() @pytest.fixture def context(browser: Browser) -> BrowserContext: """ 函数级别的fixture，每个测试函数获得一个独立的浏览器上下文。 上下文相当于一个独立的会话，隔离cookie、localStorage等。 """ context = browser.new_context() yield context context.close() @pytest.fixture def page(context: BrowserContext) -> Page: """ 最常用的fixture，每个测试函数获得一个独立的页面。 """ page = context.new_page() # 可以在这里设置全局超时或视口大小 page.set_default_timeout(30000) # 设置全局超时为30秒 page.set_viewport_size({"width": 1920, "height": 1080}) yield page page.close()

2. tests/test_web_ui/test_baidu.py- 使用fixture的测试用例：

from playwright.sync_api import Page, expect def test_baidu_search(page: Page): page.goto("https://www.baidu.com") search_box = page.locator("input#kw") search_box.fill("Playwright") page.locator("input#su").click() page.wait_for_selector("div#content_left") expect(page).to_have_title("Playwright_百度搜索") # 更健壮的断言：检查多个结果中是否包含预期内容 all_results = page.locator("div#content_left h3 a") # 使用locator.all_text_contents()获取所有文本，再判断 texts = all_results.all_text_contents() assert any("Playwright" in text for text in texts), f"搜索结果中未找到'Playwright'，实际结果：{texts}" def test_baidu_logo_displayed(page: Page): """测试百度Logo是否正常显示""" page.goto("https://www.baidu.com") logo = page.locator("div#lg") expect(logo).to_be_visible()

3. 在项目根目录运行测试：

pytest tests/test_web_ui/test_baidu.py -v

-v参数表示详细输出，可以看到每个测试用例的执行结果。

4. 设计可维护的自动化测试框架

脚本能跑只是第一步，如何让成百上千个测试用例易于编写、维护和扩展，才是真正的挑战。这就需要一点简单的框架设计思维。

4.1 Page Object Model (POM) 设计模式

这是UI自动化测试的圣经。其核心思想是将页面封装成类，页面的元素定位和操作作为类的方法，测试脚本只调用这些方法，不直接包含定位器。这样，当页面UI发生变化时，你只需要修改对应的Page类，而不需要修改所有测试脚本。

以百度首页为例：

创建pages/baidu_page.py:

from playwright.sync_api import Page class BaiduPage: """百度首页的Page Object""" def __init__(self, page: Page): self.page = page self.search_input = page.locator("input#kw") self.search_button = page.locator("input#su") self.logo = page.locator("div#lg") def navigate(self): """导航到百度首页""" self.page.goto("https://www.baidu.com") def search(self, keyword: str): """执行搜索操作""" self.search_input.fill(keyword) self.search_button.click() def get_search_results_titles(self): """获取搜索结果标题列表""" # 等待结果出现 self.page.wait_for_selector("div#content_left") result_elements = self.page.locator("div#content_left h3 a") return result_elements.all_text_contents()

对应的测试用例tests/test_baidu_pom.py:

from pages.baidu_page import BaiduPage def test_search_with_pom(page): baidu_page = BaiduPage(page) baidu_page.navigate() baidu_page.search("自动化测试") results = baidu_page.get_search_results_titles() assert len(results) > 0, "未获取到搜索结果" assert any("自动化" in title for title in results), f"搜索结果中未包含'自动化'，实际结果：{results}"

实操心得：在POM中，定位器（如self.search_input）最好在__init__中一次性定义好，而不是在每个方法里重新定位。这符合“元素定位与操作分离”的原则，也便于统一管理。如果页面是动态加载的，可以考虑使用@property装饰器来定义定位器，实现懒加载。

4.2 数据驱动测试

将测试数据与测试逻辑分离，是提升脚本复用性的关键。Pytest的@pytest.mark.parametrize装饰器是绝佳工具。

import pytest from pages.baidu_page import BaiduPage # 将测试数据以列表形式组织，每个元组是一组测试数据 search_test_data = [ ("Python", "Python"), ("Playwright", "Playwright"), ("接口自动化", "接口"), ("一个不太可能存在的关键词xyzabc123", "无结果"), # 边界情况 ] @pytest.mark.parametrize("keyword,expected_in_result", search_test_data) def test_baidu_search_with_data(page, keyword, expected_in_result): """ 数据驱动测试百度搜索。 :param keyword: 搜索关键词 :param expected_in_result: 期望在结果中出现的文本 """ baidu_page = BaiduPage(page) baidu_page.navigate() baidu_page.search(keyword) # 根据预期结果调整断言逻辑 if expected_in_result == "无结果": # 对于无结果的场景，可能检查“抱歉”提示 tip = page.locator("div#content_left").inner_text() assert "抱歉" in tip or "没有找到" in tip else: results = baidu_page.get_search_results_titles() assert any(expected_in_result in title for title in results), \ f"搜索结果中未找到'{expected_in_result}'，关键词：{keyword}， 实际结果：{results}"

这样，你只需要维护search_test_data这个列表，就能轻松增加、修改测试用例，脚本逻辑无需变动。

4.3 配置文件与日志管理

硬编码的URL、超时时间、浏览器类型都是坏味道。应该将它们抽取到配置文件中。可以使用Python内置的configparser或更流行的pydantic-settings来管理配置。

创建config/settings.py:

from pydantic_settings import BaseSettings class Settings(BaseSettings): # 测试环境基础URL base_url: str = "https://www.baidu.com" # 浏览器类型：chromium, firefox, webkit browser_type: str = "chromium" # 是否无头模式运行 headless: bool = True # 全局超时（毫秒） timeout: int = 30000 # 视口大小 viewport_width: int = 1920 viewport_height: int = 1080 class Config: env_file = ".env" # 可以从.env文件加载配置，便于区分环境 settings = Settings()

在conftest.py中引用配置：

from config.settings import settings @pytest.fixture(scope="session") def browser(): from playwright.sync_api import sync_playwright with sync_playwright() as p: # 使用配置中的浏览器类型和无头模式设置 browser_launcher = getattr(p, settings.browser_type) browser = browser_launcher.launch(headless=settings.headless) yield browser browser.close()

日志对于调试和问题追溯至关重要。使用Python标准库logging，在conftest.py中统一配置。

import logging import sys def pytest_configure(config): """Pytest配置钩子，用于初始化日志""" # 创建logger logger = logging.getLogger("auto_test") logger.setLevel(logging.DEBUG) # 控制台处理器 ch = logging.StreamHandler(sys.stdout) ch.setLevel(logging.INFO) formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') ch.setFormatter(formatter) logger.addHandler(ch) # 文件处理器（可选） fh = logging.FileHandler('test_run.log', encoding='utf-8') fh.setLevel(logging.DEBUG) fh.setFormatter(formatter) logger.addHandler(fh)

在测试用例中，就可以通过logging.getLogger(__name__)来记录关键步骤和信息。

5. 高级技巧与实战问题排查

当你的测试套件规模增长，你会遇到各种意想不到的问题。下面分享一些实战中总结的高级技巧和排坑经验。

5.1 元素定位的稳定性策略

元素定位失败是UI自动化中最常见的问题。除了基本的ID、Class、XPath、CSS选择器，Playwright提供了许多更稳定的定位策略：

1. 文本定位：page.locator("text=登录")或page.get_by_text("登录")。这对于按钮、链接非常有效。
2. 角色定位：page.get_by_role("button", name="提交")。这是WAI-ARIA标准，语义化最强，稳定性最佳。
3. 占位符定位：page.get_by_placeholder("请输入用户名")。
4. 标题定位：page.get_by_title("提示")。

黄金法则：优先级建议为：角色定位 > 文本定位 > 测试ID（># 等待某个元素从页面消失（如加载动画） page.wait_for_selector(".loading-spinner", state="hidden") # 或者等待某个JS变量变为特定值 page.wait_for_function("window.dataLoaded === true")

弹窗（对话框）：Playwright可以监听对话框事件。

# 在点击可能触发弹窗的操作前，先监听 page.on("dialog", lambda dialog: dialog.accept()) # 自动接受弹窗 # 或者更精细的控制 def handle_dialog(dialog): print(f"弹窗信息: {dialog.message}") if "确认删除" in dialog.message: dialog.accept() else: dialog.dismiss() page.on("dialog", handle_dialog)

iframe：需要先切换到iframe上下文。

# 通过选择器定位iframe元素 frame = page.frame_locator("iframe#myFrame") # 然后在frame的上下文中定位元素 frame.locator("button.submit").click()

5.3 测试数据准备与清理

自动化测试不应该污染线上数据，也不应该依赖不稳定的测试数据。常用的策略有：

1. API准备数据：在@pytest.fixture中，通过调用后台API接口创建测试所需的数据（如测试用户、订单），并在测试结束后通过API清理。这是最干净的方式。
2. 数据库操作：直接连接测试数据库，执行SQL插入和删除。需要小心处理数据库连接和事务。
3. 使用独立测试账户：为自动化测试专门准备一套独立的测试账户和数据池，通过配置切换。

示例（使用requests在fixture中准备用户）：

import pytest import requests @pytest.fixture def test_user(): """创建一个临时测试用户，测试后删除""" api_base = "https://api.your-test-env.com" # 1. 创建用户 user_data = {"username": f"autotest_{uuid.uuid4().hex[:8]}", "password": "123456"} create_resp = requests.post(f"{api_base}/users", json=user_data) user_id = create_resp.json()["id"] yield user_data # 将用户数据提供给测试用例使用 # 2. 测试完成后清理用户 requests.delete(f"{api_base}/users/{user_id}")

5.4 集成Allure生成精美报告

安装Allure：pip install allure-pytest。运行测试时添加参数：

pytest tests/ --alluredir=./allure-results

这会在./allure-results目录下生成原始数据。然后使用Allure命令行工具生成HTML报告：

# 需要先安装Allure命令行工具（从官网下载） allure serve ./allure-results # 本地打开报告 # 或 allure generate ./allure-results -o ./allure-report --clean # 生成静态报告文件夹

你可以在测试用例中使用Allure装饰器来增强报告：

import allure @allure.title("测试百度搜索核心功能") @allure.feature("搜索模块") @allure.story("用户输入关键词进行搜索") def test_baidu_search(page): with allure.step("打开百度首页"): page.goto("https://www.baidu.com") with allure.step("输入搜索关键词"): page.locator("#kw").fill("Allure") with allure.step("点击搜索按钮"): page.locator("#su").click() with allure.step("验证搜索结果"): expect(page).to_have_title("Allure_百度搜索")

5.5 常见问题排查速查表

6. 走向持续集成与流水线

自动化测试的最终价值在于持续、无人值守地运行。将其集成到CI/CD流水线（如Jenkins, GitLab CI, GitHub Actions）中是必由之路。

以GitHub Actions为例，创建一个.github/workflows/python-test.yml文件：

name: Python Automation Tests on: push: branches: [ main, develop ] pull_request: branches: [ main ] jobs: test: runs-on: ubuntu-latest strategy: matrix: python-version: ["3.9", "3.10"] steps: - uses: actions/checkout@v3 - name: Set up Python ${{ matrix.python-version }} uses: actions/setup-python@v4 with: python-version: ${{ matrix.python-version }} - name: Install dependencies run: | python -m pip install --upgrade pip pip install -r requirements.txt playwright install --with-deps chromium # 只安装Chromium以加快速度 - name: Run tests with pytest run: | pytest tests/ --alluredir=./allure-results -v env: BASE_URL: ${{ secrets.TEST_BASE_URL }} # 使用 secrets 配置测试环境地址 - name: Upload Allure report if: always() # 即使测试失败也上传报告 uses: actions/upload-artifact@v3 with: name: allure-report-${{ matrix.python-version }} path: ./allure-results/

这个工作流会在每次推送到主分支或发起拉取请求时，在Ubuntu环境下用两个Python版本并行运行测试，并上传Allure原始报告数据。你可以在后续步骤中配置将Allure报告发布到静态站点服务。

踩过几次坑之后，我最大的体会是：稳定性比炫技更重要。一个运行缓慢但99%成功的测试套件，远比一个飞快但经常失灵的套件有价值。因此，在定位器选择、等待策略、环境隔离上多花心思，是值得的。另外，自动化测试代码也是代码，需要遵循良好的编程规范（命名、注释、模块化），并纳入代码审查，这样才能保证其长期可维护性。