跳到主要内容
Selenium Web 自动化测试入门与实战指南 | 极客日志
Python 大前端
Selenium Web 自动化测试入门与实战指南 综述由AI生成 Selenium Web 自动化测试的核心概念与实战技巧。涵盖环境搭建、浏览器控制、元素定位（XPath/CSS）、等待机制、页面交互（Frame/Window/Hover）及文件上传处理。通过 Python 代码示例演示了如何替代人工操作，实现高效稳定的自动化测试流程。
奇形怪状 发布于 2026/3/23 更新于 2026/4/26 Selenium 简介
Selenium 是一个强大的开源框架，主要用于 Web 自动化测试。虽然名字听起来像汽车品牌，但在技术领域，它是模拟人类操作网页的核心工具。
简单来说，Selenium 的主要工作是模拟人类在网页上的各种操作——比如点击按钮、输入文字、提交表单，甚至还能抓取页面截图，帮你检查网站的功能和性能。
它支持多种编程语言（Python、Java、C# 等），并且能在各种浏览器（Chrome、Firefox、Edge 等）上运行。
Selenium 主要能帮你做些啥？
自动化测试： 将你手动测试的流程，转化为一行行代码，让电脑替你跑。性能测试： 测量网页加载需要多久，响应速度怎么样，帮你找出短板。页面截图： 自动截取网页不同状态的图片，帮你生成漂亮的测试报告，或者在出现问题时，留下证据。
总而言之，如果你想成为 Web 应用测试领域的效率达人，Selenium 绝对是你不可或缺的武器库。
Selenium vs Appium
很多人在学习自动化测试时，会遇到 Selenium 和 Appium 这对'难兄难弟'。它们名字听起来有点像，都能做自动化，但侧重点完全不同！
相同点：
血缘关系近： Appium 本质上是基于 Selenium 的思想进行二次开发的，所以它们在某些方面（比如定位元素的方式，click、send_keys 等操作）是挺像的。
不同点：
特性 Selenium Appium 应用领域 Web 应用 (浏览器里的网页)移动 App (手机上的 APP )底层技术 浏览器驱动 (如 Chrome Driver) 移动原生 API (iOS: XCUITest, Android: UiAutomator) 环境配置 需要安装不同浏览器的 Driver 需要模拟器/真机，配置 SDK 等 通信协议 HTTP 协议 WebDriver 协议
用大白话来说：
Selenium 就像一个'浏览器驾驶员' ，专门负责驾驶浏览器，在网页上进行各种操作。Appium 就像一个'手机应用司机' ，专门驾驶手机 App，在屏幕上点点划划。
所以，看你的测试对象是网站还是 App，就能决定用谁啦！
Selenium 工作原理
你有没有好奇过，为什么你写的一行行代码，Selenium 就能让浏览器乖乖执行？这背后有一套精密的工作流程！
发号施令： 你的自动化测试脚本（Selenium Client）会启动一个 WebDriver 服务。传达指令： WebDriver 会启动对应的浏览器驱动程序（比如 Chrome Driver）。建立连接： 浏览器驱动程序会打开浏览器，并作为 WebDriver 的远程服务器，监听一个特定的端口。沟通桥梁： 所有的 Selenium 操作（访问网址、查找元素等），都会通过 WebDriver，以 HTTP 请求的方式发送到浏览器驱动程序。执行动作： 浏览器驱动程序接收到请求后，解析指令，并指挥浏览器去执行相应的动作（比如找到一个按钮并点击）。
反馈结果： 浏览器执行完动作后，会将结果（成功、失败、元素信息等）通过驱动程序，反馈给你的测试脚本。总结一下：脚本 -> WebDriver -> 浏览器驱动 -> 浏览器 -> 执行 -> 浏览器驱动 -> WebDriver -> 脚本。就像一个层层传递的指挥链！
自动化测试实战剧本
打开浏览器。
输入网址。
找到用户名输入框，输入用户名。
找到密码输入框，输入密码。
点击登录按钮。
看页面是不是跳转到登录后的页面（验证是否成功）。
请起！ 调用 WebDriver API 启动浏览器。去哪儿？ 使用 get() 方法访问目标网址。找人（元素）！ 使用各种定位方式找到用户名输入框。喂点东西！ 使用 send_keys() 方法输入用户名。重复以上步骤！ 找到密码框，输入密码。该你了！ 找到登录按钮，执行 click() 操作。检查一下！ 使用断言（比较函数），判断登录后的页面是否符合预期。
环境搭建
Python 3 环境： 这个基础就不用多说了吧？如果还没有，赶紧去 Python 官网安装。浏览器驱动（WebDriver）： 这是 Selenium 和浏览器沟通的桥梁。你需要下载和你浏览器版本匹配的驱动。
驱动放置在哪儿？
最直接： 放在你浏览器的安装目录下（比如 Chrome.exe 所在的文件夹）。Python 友好： 放在你的 Python 安装目录下。灵活： 放到任何一个你指定的地方，然后在代码里通过 executable_path 参数告诉 Selenium。
Selenium 库： 在你的 Python 环境里，打开命令行（终端），输入：
看见'Successfully installed selenium'就说明成功了！
基础十八般武艺 工欲善其事，必先利其器。下面这些基础操作，是你玩转 Selenium 的入门技能！
1. 浏览器操作函数 python
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time
启动浏览器 (注意：Firefox 首字母要大写！)
driver = webdriver.Firefox()
启动 Chrome driver = webdriver.Chrome()
1. 最大化浏览器窗口
2. 访问目标网址 (URL 必须以 http/https 开头)
3. 后退/前进 driver.back()
time.sleep(2)
driver.forward()
time.sleep(2)
4. 刷新浏览器 driver.refresh()
time.sleep(2)
5. 关闭当前窗口
driver.quit() # 退出所有窗口，结束 WebDriver 会话 (更常用！)
2. 定位方式 页面上的每一个元素（按钮、输入框、链接等）都需要被精确找到，才能进行操作。Selenium 提供了多种定位方式：
定位方式 描述 示例写法（代码中） By.ID根据元素的 id 属性定位 driver.find_element(By.ID, "some_id")By.CLASS_NAME根据元素的 class 属性定位 driver.find_element(By.CLASS_NAME, "some_class")By.NAME根据元素的 name 属性定位 driver.find_element(By.NAME, "some_name")By.LINK_TEXT根据链接的完整文本定位 (<a> 标签) driver.find_element(By.LINK_TEXT, "点击这里")By.PARTIAL_LINK_TEXT根据链接的部分文本定位 (<a> 标签) driver.find_element(By.PARTIAL_LINK_TEXT, "这里")By.TAG_NAME根据元素的标签名定位 (如 <div>, <p>) driver.find_element(By.TAG_NAME, "div")By.XPATH强大的 XML 路径语言，万能定位！ driver.find_element(By.XPATH, "//div[@class='hotwords']/a[1]")By.CSS_SELECTORCSS 选择器，也是非常常用的定位方式 driver.find_element(By.CSS_SELECTOR, "div.hotwords > a:first-child")
find_element() 找到第一个匹配的元素。find_elements() 找到所有匹配的元素，返回一个列表。
3. 元素属性查看 想知道元素的身份证号（id）、绰号（class）等信息？没问题！
在浏览器中，右键点击你想查找的元素，选择'检查'（Inspect）或者按 F12 快捷键，就能打开开发者工具。在 HTML 代码里，高亮的那一块就是元素的'家谱'，你可以在那里找到它的各种属性。
4. 操作方法 方法 作用 示例 (已找到元素 element) click()点击 element.click()send_keys("文本")输入文本 element.send_keys("你好，Selenium！")clear()清空输入框内容 element.clear().text获取元素的可见文本 print(element.text)get_attribute("属性名")获取元素的指定属性值 print(element.get_attribute("href")) (获取链接的 URL)get_screenshot_as_file("路径.png")截取页面截图并保存 driver.get_screenshot_as_file("screenshot.png")get_screenshot_as_png()截取页面截图，返回 bytes png_data = driver.get_screenshot_as_png()
5. 等待函数 脚本执行速度太快，页面元素还没加载出来，你就想去操作？这就像你刚进门，就大喊'我饿了！'结果家里人还没做好饭！这样肯定会报错。
显示等待 (WebDriverWait)：
这是最推荐、最灵活的等待方式！你可以指定等待的条件（比如元素可见、元素可点击）和最长等待时间。
python
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
等待最多 10 秒，每 0.5 秒检查一次条件 wait = WebDriverWait(driver, 10, 0.5)
等待直到某个元素 presence_of_element_located (出现) element = wait.until(EC.presence_of_element_located((By.ID, "my_element_id")))
等待直到某个元素 visibility_of_element_located (可见) element_visible = wait.until(EC.visibility_of_element_located((By.XPATH, "//button[text()='提交']")))
等待直到某个元素 element_to_be_clickable (可点击) button_clickable = wait.until(EC.element_to_be_clickable((By.CSS_SELECTOR, "input[type='submit']")))
强制等待 (time.sleep)：
不管三七二十一，直接'暂停'脚本执行指定的时间。适用于一些特殊情况，但不推荐滥用，因为会降低效率。
python
import time
time.sleep(3)
隐式等待 (implicitly_wait)：
设置一个全局的'等待上限'。如果在指定时间内（比如 10 秒）元素加载好了，就立即继续执行；如果没有，就一直等到 10 秒耗尽。
python
driver.implicitly_wait(10)
浏览器启动参数 启动浏览器时，你可以给它一些'指示'，让它以你想要的方式运行。
参数 作用 --user-agent=""设置请求头的 User-Agent (模拟不同浏览器身份) --window-size=1366,768设置浏览器窗口大小 (分辨率) --headless无界面运行 (跑脚本时看不见浏览器窗口) --start-maximized最大化运行 (直接全屏，方便查看) --incognito隐身模式 (不保存历史记录和 cookies) --disable-javascript禁用 JavaScript (某些情况下需要)
python
from selenium.webdriver.chrome.options import Options
chrome_options = Options()
chrome_options.add_argument('--headless') chrome_options.add_argument('--start-maximized')
chrome_options.add_argument('--window-size=1366,768') 提示： 启动 Chrome 时，可能会出现'Chrome 正受到自动化测试软件的控制'的提示。想去掉它？用 add_experimental_option：
python
chrome_options = Options()
chrome_options.add_experimental_option('useAutomationExtension', False)
chrome_options.add_experimental_option("excludeSwitches", ['enable-automation'])
driver = webdriver.Chrome(options=chrome_options)
XPath 定位 XPath 就像是给网页 HTML 文档制作了一份'地图'，你可以通过它精确地找到任何一个元素。
绝对路径（/ 开头）： 从根节点（<html>）一级一级往下找，非常精确，但一旦页面结构改动，就很容易失效。
/html/body/div/div[3]/div[2]/form/input相对路径（// 开头）： 从当前节点开始，不受页面结构改变的影响，更灵活。
//input[@id='word'] (找到 id 为 word 的 input 标签)
标签 + 属性： //div[@class='hotwords']模糊匹配：
starts-with(@id, 'xxxx'): ID 以 'xxxx' 开头。ends-with(@id, 'xxxx'): ID 以 'xxxx' 结尾 (支持较新版本)。contains(@id, 'xxxx'): ID 包含 'xxxx'。contains(text(), 'xxxx'): 元素文本包含 'xxxx'。
定位同级元素：
preceding-sibling::：当前元素的前一个兄弟元素。following-sibling::：当前元素的后一个兄弟元素。//input[@name="password"]/preceding-sibling::input (找到 password 输入框前面的 input 标签)
利用父级属性定位：
//div[@class='parent-class']/span[@id='child-id']
找到 id 为 'word' 的 input 元素并输入 driver.find_element(By.XPATH, "//input[@id='word']").send_keys("你好，XPath！")
找到 class 为 'hotwords' 的 div 下的第一个 a 标签 driver.find_element(By.XPATH, "//div[@class='hotwords']/a[1]").click()
CSS 定位 CSS 定位和 XPath 类似，也是用来定位元素的，但它的语法更简洁，执行速度通常更快！
标签 + 属性： img[alt="img1"] (找到 alt 属性为 img1 的 img 标签)标签 + ID： div#my_div_id (等同于 By.ID)标签 + Class： div.my_class_name (等同于 By.CLASS_NAME)组合： div#main.container (ID 为 main 且 class 为 container 的 div)层级关系：
>：直接子元素 (div > span)空格：后代元素 (div span)
开头/结尾/包含：
a[href^="http://"] (href 以 http:// 开头)a[href$=".com"] (href 以 .com 结尾)a[href*="sogou"] (href 包含 sogou)
找到 class 为 'hotwords' 的 div 下的第一个 a 标签 driver.find_element(By.CSS_SELECTOR, "div.hotwords > a:first-child").click()
找到 id 为 'username' 的 input 标签 driver.find_element(By.CSS_SELECTOR, "input#username").send_keys("我的用户名")
XPath vs CSS： XPath 功能更强大，能做的更多；CSS 定位速度更快。一般情况下，XPath 更为常用，因为它更通用。
页面操作 除了基本的点击和输入，页面上还有很多花活儿，Selenium 也能帮你搞定！
1. 切换框架（Frame） 网页中嵌套的小网页（<iframe>）是个麻烦。直接定位里面的元素会失败，你需要先'钻进去'。
进入框架 (根据 id, name, index, 或 XPath 定位) driver.switch_to.frame("iframe_id")
通过 id driver.switch_to.frame(0)
通过索引 (第一个 iframe) iframe_element = driver.find_element(By.XPATH, "//iframe[@name='my_frame']")
driver.switch_to.frame(iframe_element)
在框架内操作元素 driver.find_element(By.ID, "username_in_frame").send_keys("框架里的用户名")
跳出框架 (回到主页面) driver.switch_to.default_content()
driver.switch_to.parent_frame() # 跳到上一级框架 (如果有多层嵌套)
2. 切换窗口 当点击一个链接，打开了新的浏览器窗口时，你需要切换过去才能操作。
获取当前窗口的句柄 (唯一标识) original_window = driver.current_window_handle
打开新窗口 (比如点击一个链接) driver.find_element(By.LINK_TEXT, "打开新窗口").click()
time.sleep(2)
等待新窗口出现
获取所有窗口的句柄 (是个列表) all_handles = driver.window_handles
切换到新打开的窗口 (通常是列表的最后一个) for handle in all_handles:
if handle != original_window:
driver.switch_to.window(handle)
break
找到新窗口就跳出循环
在新窗口进行操作 driver.find_element(By.ID, "element_in_new_window").click()
切回原窗口 driver.switch_to.window(original_window)
3. 鼠标悬停 (Hover) 有时候，鼠标悬停在某个元素上，才会弹出菜单或显示更多信息。
python
from selenium.webdriver.common.action_chains import ActionChains
找到需要悬停的元素 element_to_hover_over = driver.find_element(By.LINK_TEXT, "设置")
创建 ActionChains 对象 actions = ActionChains(driver)
执行鼠标悬停操作，并提交 actions.move_to_element(element_to_hover_over).perform()
time.sleep(2)
4. 弹框处理 (Alert, Confirm, Prompt)
切换到弹窗 alert = driver.switch_to.alert
获取弹窗的文本 alert_text = alert.text
print(f"弹窗内容：{alert_text}")
点击确认按钮
alert.dismiss() # 点击取消按钮 (如果存在)
alert.send_keys("输入内容") # 在 prompt 弹窗中输入
5. 下拉菜单 处理 <select> 标签的下拉菜单，有两种常见方式：
python
from selenium.webdriver.support.ui import Select
dropdown_element = driver.find_element(By.ID, "province_select")
select = Select(dropdown_element)
三种选择方式： select.select_by_index(0) # 按选项的索引选择
select.select_by_value("beijing") # 按选项的 value 属性值选择
select.select_by_visible_text("上海") # 按选项的可见文本选择
定位下拉框本身 dropdown = driver.find_element(By.ID, "province_select")
在下拉框内部，根据 value 或文本定位选项并点击 dropdown.find_element(By.XPATH, "//option[@value='10']").click()
6. 执行 JS 有些操作，比如滚动页面、修改页面元素属性，仅靠 Selenium API 难以完成，这时就可以借助 JavaScript！
1. 滚动到页面底部 js_scroll_bottom = "window.scrollTo(0, document.body.scrollHeight);"
driver.execute_script(js_scroll_bottom)
time.sleep(2)
2. 滚动到指定元素的位置
先找到元素 target_element = driver.find_element(By.ID, "footer")
js_scroll_to_element = f"arguments[0].scrollIntoView();"
arguments[0] 就是传进来的元素 driver.execute_script(js_scroll_to_element, target_element)
time.sleep(2)
3. 修改/删除元素属性 (例如，移除 input 的 readonly 属性) js_remove_readonly = 'var element = document.getElementById("my_input"); element.removeAttribute("readonly");'
driver.execute_script(js_remove_readonly)
driver.find_element(By.ID, "my_input").send_keys("我可以输入了！")
4. 通过 JS 设置元素的值 js_set_value = 'var element = document.getElementById("my_input"); element.value = "2023-10-26";'
driver.execute_script(js_set_value)
上传文件 文件上传是 Web 测试中的一个常见难题。Selenium 提供了两种方案：
方案一：使用 send_keys() (最简单，但有局限) 如果上传按钮是 <input type="file"> 这样的原生 HTML 元素，直接使用 send_keys() 传递文件的绝对路径即可。
启动浏览器并打开有文件上传功能的页面
替换成实际的上传页面
定位到文件上传按钮 upload_button = driver.find_element(By.ID, "file-upload-button")
替换成实际 ID
文件的绝对路径 (确保路径正确！) file_path = "/Users/your_username/Documents/test_file.txt"
替换成你的文件路径
将文件路径发送给上传按钮 upload_button.send_keys(file_path)
可能还需要点击上传确认按钮 driver.find_element(By.ID, "upload-confirm-button").click()
局限： 这种方法不适用于由操作系统弹出文件选择对话框的情况。
方案二：使用 AutoIt 工具 (万能解决方案，但稍复杂) 当 send_keys() 无效时，就需要借助 AutoIt 这样的第三方工具来模拟用户与操作系统弹窗的交互。
安装 AutoIt： 从 AutoIt 官网下载安装。安装包裡包含了 AutoIt Window Info 工具。编写 AutoIt 脚本 (.au3 文件)：
用 AutoIt 编写脚本，模拟按下 Ctrl+V 粘贴文件路径，然后模拟按下 Enter 键（或使用 ControlClick 精确点击'打开'按钮）。
使用 AutoIt 的编译器将脚本编译成 .exe 文件。
在 Selenium 脚本中调用 AutoIt：
先在 Selenium 中点击上传按钮，触发文件选择对话框。
等待对话框出现后，使用 os.system() 或 subprocess 调用你编译好的 AutoIt .exe 文件。
AutoIt Window Info 工具的妙用：
当你写 AutoIt 脚本时，需要知道目标窗口的标题、类名、控件 ID。AutoIt Window Info 工具就能帮你'侦测'到这些信息！
运行 AutoIt Window Info。
点击工具栏上的'十字准星'，然后将鼠标移到你想要识别的对话框（如文件选择框）上，点击它。
工具会显示窗口的标题 (Title)、类名 (Class)。
切换到'Control'标签页，将鼠标移到对话框里的按钮（如'打开'）上，就能看到该按钮的类名 (ClassNN) 和 控件 ID (Control ID)。
AutoIt 脚本示例 (uploadFile.au3)：
autoit
; 定义文件路径变量
Local $sFilePath = "C:\path\to\your\file.txt"
; 模拟按下 Ctrl+V 粘贴文件路径
Send("^v")
Sleep(1000)
; 模拟点击'打开'按钮 (通常是 Enter 键)
Send("{ENTER}")
; 如果 Enter 键不行，需要用 ControlClick 精确点击
; ControlClick("窗口标题", "", "控件的 ClassNN")
; 例如：ControlClick("打开", "", "[CLASSNN:Button1]")
python
import os
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
upload_button = driver.find_element(By.ID, "file-upload-button")
upload_button.click()
触发文件选择对话框
等待对话框出现
调用 AutoIt 编译好的 .exe 文件 (替换成你的路径) os.system(r"C:\path\to\your\uploadFile.exe")
... 继续其他操作 ...
AutoIt 脚本的精确性很重要，窗口标题、控件 ID 都要准确。
ControlClick 是更精确的选择，但需要先用 AutoIt Window Info 获取信息。AutoIt 主要是 Windows 平台解决方案，跨平台性不如 send_keys。
结语 恭喜你！读完这篇实战指南，你已经掌握了 Selenium 的核心技能，从基础操作到复杂的页面交互，再到文件上传，你已经可以告别手工测试的时代了！
勤动手： 理论再好，不如实操！多写代码，多尝试。勤查阅： 遇到问题，别怕查文档！善利用： 利用开发者工具、在线正则测试网站（如 Regex101.com）来辅助你。 掌握了 Selenium，你将拥有无限的可能，无论是提高工作效率，还是深入理解 Web 应用的底层逻辑，都会让你在技术道路上更进一步！
相关免费在线工具 curl 转代码 解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
Base64 字符串编码/解码 将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
Base64 文件转换器 将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
Markdown转HTML 将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
HTML转Markdown 将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online
JSON 压缩 通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online
