C++ 方向 Web 自动化测试入门指南:从概念到 Selenium 实战

C++ 方向 Web 自动化测试入门指南:从概念到 Selenium 实战
在这里插入图片描述

🔥草莓熊Lotso:个人主页
❄️个人专栏: 《C++知识分享》《Linux 入门到实践:零基础也能懂》
✨生活是默默的坚持,毅力是永久的享受!


🎬 博主简介:

在这里插入图片描述

文章目录


前言:

在软件测试领域,自动化测试是提升效率、保障版本迭代质量的核心手段。尤其对于 C++ 开发的后端服务及配套 Web 界面,Web 自动化测试能有效解决回归测试重复劳动、人工操作易出错等问题。本文将从自动化测试基础概念切入,聚焦 Web 自动化测试的核心原理与 Selenium 实战,帮你搭建一套可落地的 Web 自动化测试流程。
在这里插入图片描述

一. 自动化测试基础:先搞懂"为什么"和"做什么"

在学习 Web 自动化测试前,我们需要先明确自动化测的核心点定位,它并不可以完全“取代人工”而是帮助测试人员提高效率(主要体现在回归测试上),让测试人员将更多的精力投入到更复杂的测试中。

在这里插入图片描述

1.1 自动化测试的核心目标:回归测试

自动化测试的 主要价值 体现在回归测试场景:
当软件迭代新版本时,需验证新增功能未破坏历史功能(如 C++ 后端接口变更后,Web 界面的查询、提交功能是否正常);
当软件有多个版本并行维护时,需快速验证各版本核心功能的一致性。

这里要避开两个常见误区:
❌ 误区 1:“自动化测试能取代人工测试”
自动化测试由脚本驱动,仅能验证预设场景,无法覆盖异常场景(如网络波动、界面兼容性问题),需与人工探索性测试配合。
❌ 误区 2:“自动化测试能大幅度降低工作量”
自动化脚本需前期开发与后期维护(如 Web 界面元素变更后,脚本需同步修改),仅在 “长期多次回归” 场景下才能体现效率优势,短期项目反而可能增加工作量,只能说一定程度上降低了工作量。

1.2 自动化测试分类:别把 “不同自动化” 混为一谈

自动化 是统称,不同类型的自动化测试解决的问题截然不同。对 C++ 开发者而言,需重点关注两类:接口自动化与Web UI 自动化。

自动化测试类型对比:

自动化类型测试目标核心价值适用场景
接口自动化验证C++后端接口(如HTTP/GRPC接口)的输入输出正确性不依赖界面,执行速度快,可在开发早期介入(前后端未联调时即可测试)后端接口回归、数据正确性验证
Web UI自动化验证Web界面的操作流程与展示效果(如按钮点击、表单提交、页面跳转)模拟真实用户操作,覆盖“接口+界面”端到端场景前端界面回归、关键业务流程验证(如登录、下单)

1.3 自动化测试金字塔:如何分配测试资源?

测试圈经典的 “自动化测试金字塔” 模型,揭示了不同测试类型的投入产出比:

  • 底层:单元测试(如 C++ 接口的单元测试):投入少、覆盖广、发现问题早,应占自动化测试的 70%;
  • 中层:接口 / 集成测试:衔接前后端,验证模块交互,应占 20%;

顶层:UI 自动化测试:执行慢、维护成本高,仅覆盖核心业务流程,占 10% 即可。

在这里插入图片描述

但实际企业中常出现 “冰淇淋蛋筒反模式”—— 自动化测试需要大量的初始投资,找到“突破点”,与手动测试相比,我们开始看到它对长期成本产生的积极影响,也能够清楚,这两种测试活动是完全兼容,产生短期和长期利益。

在这里插入图片描述

二. Web 自动化测试核心:环境搭建与驱动管理

Web 自动化测试的本质是 “用代码模拟人操作浏览器”,需依赖三大组件: 浏览器、浏览器驱动、自动化框架(Selenium)

2.1 核心组件原理:三者如何协同工作?

  • 浏览器:执行界面操作的载体(如 Chrome、Firefox);
  • 浏览器驱动:沟通自动化脚本与浏览器的 “桥梁”(如 ChromeDriver),负责解析脚本指令并转化为浏览器可执行的操作;
  • Selenium:Python 编写的自动化框架,提供丰富的 API(如查找元素、模拟点击),简化脚本开发。

三者交互流程如下:

在这里插入图片描述


在这里插入图片描述

2.2 环境搭建:3 步搞定依赖安装

Web 自动化测试依赖 Python 环境(便于快速编写脚本,与 C++ 后端测试工具链兼容),核心安装步骤如下:
步骤 1:安装 Python(3.7~3.11 版本)
步骤 2:安装 Selenium 框架
Selenium 版本需稳定,推荐使用 4.0.0 版本(避免新版本 API 变更导致脚本报错):

pip installselenium==4.0.0 
在这里插入图片描述


步骤 3:安装驱动管理工具(webdriver-manager)
传统方式需手动下载浏览器驱动,且浏览器更新后需同步更新驱动,极易出现版本不匹配问题。webdriver-manager 可自动管理驱动版本,彻底解决此痛点:

pip install webdriver-manager 
在这里插入图片描述


原理:webdriver-manager会自动检测本地浏览器版本,下载对应版本的驱动,并在脚本运行时自动配置驱动路径。


三. Selenium 实战:写一个百度搜索自动化脚本

掌握环境搭建后,我们通过 “百度搜索” 案例,实战 Web 自动化测试的核心流程:打开浏览器→访问页面→查找元素→模拟操作→关闭浏览器

3.1 完整脚本:百度搜索 “迪丽热巴”

import time from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver.common.by import By from webdriver_manager.chrome import ChromeDriverManager # 1. 打开浏览器----驱动管理# 安装并获取 Chrome 驱动程序路径 chrome_driver_path = ChromeDriverManager().install()# 创建谷歌浏览器驱动对象 driver = webdriver.Chrome(service=Service(chrome_driver_path)) time.sleep(2)# 2. 输入百度网址(网址要完整) driver.get("https://www.baidu.com") time.sleep(2)# 3. 找到百度输入框,输入关键词“迪丽热巴”(#kw 是搜索框对应的选择器定位方式) driver.find_element(By.CSS_SELECTOR,"#kw").send_keys("迪丽热巴") time.sleep(2)# 4. 点击“百度一下”按钮(#su 是“百度一下”按钮的选择器定位方式) driver.find_element(By.CSS_SELECTOR,"#su").click() time.sleep(2)# 5. 关闭浏览器 driver.quit()
在这里插入图片描述


常用交互 API:

  • send_keys(text):模拟键盘输入(如输入搜索关键词);
  • click():模拟鼠标左键点击(如点击按钮、链接);
  • clear():清空输入框内容;
  • webdriver.Chrome():创建 Chrome 浏览器实例(若用 Firefox,需改为webdriver.Firefox())

Selenium元素定位方式对比:

定位方式(By类)语法示例适用场景
By.IDBy.ID, "kw"元素有唯一id(如百度输入框id为kw)
By.CSS_SELECTORBy.CSS_SELECTOR, "#kw"灵活定位(支持id、class、标签名组合)
By.XPATHBy.XPATH, "//input[@id='kw']"复杂场景(如定位表格中的第n行元素)

结尾:

往期回顾:
C++ 手写 List 容器实战:从双向链表原理到完整功能落地,附源码与测试验证
结语:Web 自动化测试不是 “银弹”,但对 C++ 后端配套的 Web 项目而言,它是回归测试的高效工具。本文从概念到实战,讲解了 Web 自动化测试的核心原理、环境搭建与 Selenium 脚本开发,关键是要记住:Web 自动化测试应聚焦核心流程,与接口自动化、单元测试配合,才能最大化测试效率与质量保障能力。

✨把这些内容吃透超牛的!放松下吧✨ʕ˘ᴥ˘ʔづきらど

Read more

一维前缀和与二维前缀和算法介绍及使用

一维前缀和与二维前缀和算法介绍及使用

目录 1. 一维前缀和 1.1 一维前缀和原理讲解 1.2 具体代码实现以及例题讲解 2. 二维前缀和 2.1 二维前缀和原理讲解 2.2 具体代码实现以及例题讲解 今天我们来聊聊一维前缀和算法,这个算法属于基础算法。 1. 一维前缀和 一维前缀和是一种高效处理数组区间求和问题的算法,通过预处理数组构建前缀和数组,能将区间和查询的时间复杂度从 O (n) 降至 O (1)。 简单来说它的本质就是预处理,在这一点上有点像字符串的KMP算法,都是通过预处理的方式来换取效率。 这种算法是专门用来处理多次求区间和问题的。 1.1 一维前缀和原理讲解 那么我们该怎么进行预处理呢,我们看下面这张图,下面那个表格就是我们的前缀和数组,一般来说我们使用vector来存储前缀和数组。 我们的前缀和数组的第0个位置一般来说都是直接置空的,这个的话是因为我们在代码实现的时候要通过前缀和数组前一个位置的值加原数据当前位置的值来确定前缀和当前位置的值,如果我们不给第一个位置放0的话,在代码实现的时候我们还需要进行特判,这个的话比较麻烦,而直接置空的话就没有这个问题了,所以我们

By Ne0inhk
【算法】前缀和(一)原理

【算法】前缀和(一)原理

目录 一、题目描述 二、算法原理 动态规划 1.前缀和 1.1同类累积 1.2所有路出 三、提交代码 一、题目描述 【模板】前缀和_牛客题霸_牛客网 描述 对于给定的长度为 nn 的数组 {a1,a2,…,an}{a1 ,a2 ,…,an } ,我们有 mm 次查询操作,每一次操作给出两个参数 l,rl,r ,你需要输出数组中第 ll 到第 rr 个元素之和,即 al+al+1+⋯+aral +al+1 +⋯+ar

By Ne0inhk

基于历史学习的拥塞控制算法

华夏创新都知道的吧,但没几个能学明白它们的,但拙劣的模仿者倒是不在少数。 几乎所有号称基于学习的,基于历史的拥塞控制算法都是在利用局部性原理,比如简单的移动指数平均,企图用刚刚逝去的历史启动现在,你会看到,即便历史已经表明 RTT 事实上一直在上下波动,这种启发式算法给出的永远是一个单独的预测值,你觉得这个值能准确到哪去。 曾经 Linux 内核有个 net.ipv4.tcp_no_metrics_save = 0 参数,但几乎没什么卵用,你仿照它的实现在里面再多增加几个 metric,依然没什么卵用,因为你不懂长程依赖的发现要在不同跨度错开,但一说傅里叶级数你就又懂了。 依然是用历史去启发现在,只不过是用不同时间跨度的同比替代单一环比,难道不是这种策略更能精确刻画历史的每一个细节吗,所有的尺度同比数据就摆在那里,就像傅里叶展开一样,你将看到整个历史在任意精度下的全貌,而不只是一个值,事实上,可以认为同比是大跨度的环比。 你会发现,用 n 个跨度的移动指数平均跟踪 RTT,可以快速发现长程依赖的规律,接下来你就知道什么时间段设置什么 cwnd 了,就是这么简单。 我准备连续观

By Ne0inhk
【数据结构】如何计算栈元素出栈时不同排列的个数

【数据结构】如何计算栈元素出栈时不同排列的个数

在计算机科学中,栈(Stack)是一种重要的数据结构,经常用于解决复杂问题,比如表达式求值、括号匹配等。而与栈相关的数学问题之一是 栈元素出栈时不同排列的个数。在本文中,我们将详细介绍如何理解这一问题,以及相关的数学公式、计算思路、C++代码实现和实际应用。 一、问题描述 1.1 栈的操作 栈是一种 后进先出(LIFO) 的数据结构,具有以下两个基本操作: * 入栈(Push): 将元素放入栈中。 * 出栈(Pop): 从栈顶取出元素。 对于一个栈,假设有 n 个元素按照一定顺序依次入栈,我们希望知道,这些元素出栈时可能的不同排列总数是多少? 二、核心公式介绍 对于上述问题,计算出栈排列数目的公式如下: T(n)=1n+1(2nn) T(n) = \frac{1}

By Ne0inhk