Selenium 常用操作 API 指南

5. 多窗口/标签页切换

当点击链接打开新标签页时，需切换句柄（Handle）才能操作新窗口。

# 1. 获取所有窗口句柄 (列表形式)
handles = driver.window_handles

# 2. 切换到指定窗口 (通过下标或具体句柄值)
# 切换到最新打开的窗口 (通常是列表最后一个)
driver.switch_to.window(handles[-1])

# 切换到第一个窗口
driver.switch_to.window(handles[0])

# 3. (可选) 关闭当前窗口后切回主窗口
# driver.close()
# driver.switch_to.window(driver.window_handles[0])

6. Frame/Iframe 切换

若元素位于 <iframe> 或 <frame> 内部，必须先切换进入，操作完后再切出。

# 1. 定位到 frame 元素
frame_element = driver.find_element(By.ID, "login_frame")
# 或者直接通过 ID/Name 字符串：driver.switch_to.frame("login_frame")

# 2. 切换到该 frame (之后只能操作 frame 内部的元素)
driver.switch_to.frame(frame_element)
# ... 执行内部元素操作 ...

# 3. 切回主文档 (默认内容)，以便操作外部元素
driver.switch_to.default_content()

# (可选) 切换到父级 frame (若嵌套多层)
# driver.switch_to.parent_frame()

7. 时间等待机制

解决页面加载慢导致的 NoSuchElementException。

A. 强制等待 (不推荐作为主要手段)

import time
# 程序暂停执行指定秒数，无论页面是否加载完成
time.sleep(5)

B. 隐式等待 (全局设置)

# 设置全局超时时间。若元素未立即出现，轮询查找直到超时。
# 只需设置一次，对后续所有 find_element 生效。
driver.implicitly_wait(10)

C. 显式等待 (推荐，局部精准控制)

配合 WebDriverWait 和 expected_conditions (EC) 使用。

from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By

# 初始化等待对象：最大等待 10 秒，每 0.5 秒检查一次
wait = WebDriverWait(driver, 10, poll_frequency=0.5)

# 场景 1: 等待元素可见 (推荐，确保元素不仅能找到，还能交互)
element = wait.until(
    EC.visibility_of_element_located((By.ID, "username"))
)

# 场景 2: 等待元素存在 (仅在 DOM 中，不一定可见)
element = wait.until(
    EC.presence_of_element_located((By.ID, "username"))
)

# 场景 3: 等待元素可点击
element = wait.until(
    EC.element_to_be_clickable((By.ID, "submit_btn"))
)

# 场景 4: 自定义条件 (Lambda 表达式)
element = wait.until(
    lambda x: x.find_element(By.ID, "dynamic_content")
)

8. 鼠标与键盘操作

用于处理悬停 (Hover)、拖拽 (Drag & Drop)、右键点击、双击等复杂交互。

from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.keys import Keys

# 1. 初始化动作链
actions = ActionChains(driver)

# 2. 鼠标悬停 (二级菜单常用)
# 先定位到父级菜单元素
menu_element = driver.find_element(By.ID, "menu_item")
actions.move_to_element(menu_element).perform()
# .perform() 必须调用以执行动作

# 3. 右键点击
# actions.context_click(element).perform()

# 4. 双击
# actions.double_click(element).perform()

# 5. 拖拽 (从源元素拖到目标元素)
# source = driver.find_element(By.ID, "drag")
# target = driver.find_element(By.ID, "drop")
# actions.drag_and_drop(source, target).perform()

# 6. 键盘组合键 (如：Ctrl+A 全选，Ctrl+C 复制)
# input_box = driver.find_element(By.ID, "content")
# input_box.send_keys(Keys.CONTROL, "a") # 全选
# input_box.send_keys(Keys.CONTROL, "c") # 复制

9. 浏览器原生弹框处理

针对 window.alert, window.confirm, window.prompt 生成的原生弹窗，无法用普通元素定位。

from selenium.webdriver.common.alert import Alert

# 1. 切换到弹框
alert = driver.switch_to.alert

# 2. 获取弹框文本内容
alert_text = alert.text

# 3. 点击'确定' (接受)
alert.accept()

# 4. 点击'取消' (解散，仅适用于 confirm/prompt)
# alert.dismiss()

# 5. 在 prompt 弹框中输入内容
# alert.send_keys("输入的内容")
# alert.accept()

10. 下拉框处理 (Select)

针对标准的 <select> 标签，Selenium 提供了专用类 Select。

from selenium.webdriver.support.ui import Select

# 1. 定位到 select 元素
select_element = driver.find_element(By.ID, "province")
dropdown = Select(select_element)

# 2. 通过可见文本选择
dropdown.select_by_visible_text("北京市")

# 3. 通过 value 属性值选择
dropdown.select_by_value("BJ")

# 4. 通过索引选择 (从 0 开始)
dropdown.select_by_index(1)

# 5. 取消选择 (仅支持多选下拉框)
# dropdown.deselect_all()
# dropdown.deselect_by_visible_text("北京市")

# 6. 判断是否多选
is_multi = dropdown.is_multiple

11. 其他 JavaScript 高级用法

除了滚动条，JS 还可用于修改元素属性（绕过前端限制）或直接点击。

# 1. 移除元素的 disabled 属性 (强制启用按钮)
# btn = driver.find_element(By.ID, "submit_btn")
# driver.execute_script("arguments[0].removeAttribute('disabled')", btn)

# 2. 直接通过 JS 点击元素 (当 element.click() 被遮挡或失效时)
# driver.execute_script("arguments[0].click()", btn)

# 3. 修改输入框的值 (绕过某些监听事件限制)
# input_box = driver.find_element(By.ID, "username")
# driver.execute_script("arguments[0].value='admin'", input_box)

# 4. 获取页面标题或当前 URL (通常直接用 driver.title / driver.current_url，但也可用 JS)
# title = driver.execute_script("return document.title")

12. 定位不到元素？排查清单 (Troubleshooting)

当报错 NoSuchElementException 或 ElementNotInteractableException 时，按此顺序检查：

13. 验证码处理方案 (Captcha Handling)

Selenium 无法直接识别图形验证码。根据项目阶段和验证码类型，通常采用以下 4 种策略：

方案 A：测试环境'万能码/后门' (⭐⭐⭐⭐⭐ 推荐)

场景：公司内部测试环境。 做法：联系开发人员，在测试环境设置一个'万能验证码'（如固定输入 8888 或 1234 即可通过），或者在代码中判断如果是测试账号则跳过验证逻辑。 优点：最稳定、执行最快、维护成本最低。 缺点：需要开发配合，生产环境不可用。

# 示例：测试环境固定验证码
if env == "test":
    code_input.send_keys("8888") # 开发约定的万能码

方案 B：Cookie 绕过法 (⭐⭐⭐⭐ 推荐)

场景：登录一次后，后续操作不需要重复登录。 做法：

1. 手动登录一次成功网站。
2. 获取浏览器的 Cookie (特别是包含用户身份信息的 Session ID)。
3. 在自动化脚本启动浏览器后，先注入该 Cookie，然后刷新页面，直接处于'已登录'状态，跳过验证码步骤。

优点：无需识别验证码，模拟真实用户状态。 缺点：Cookie 有有效期，过期需重新获取；首次仍需人工或识别介入。

# 1. 打开首页
driver.get("http://example.com")

# 2. 添加 Cookie (格式需与浏览器一致)
driver.add_cookie({"name": "SESSION_ID", "value": "abc123xyz...", "domain": "example.com"})

# 3. 刷新页面生效
driver.refresh()
# 此时已自动登录，可直接操作内部页面

方案 C：第三方打码平台 (⭐⭐⭐ 通用方案)

场景：必须通过真实验证码，且无后门。 做法：调用第三方 OCR 识别平台 API（如：超级鹰、云打码、2Captcha 等）。 流程：截图验证码 -> 发送图片到平台 -> 平台返回识别结果 -> 填入输入框。 优点：能解决大多数常见图形验证码。 缺点：收费、有网络延迟、识别率非 100%、依赖外部服务稳定性。

# 伪代码示例 (以超级鹰为例)
from chaojiying import ChaojiyingClient

# 1. 截取验证码元素图片
element = driver.find_element(By.ID, "captcha_img")
element.screenshot("./code.png")

# 2. 调用第三方 API
client = ChaojiyingClient('用户名', '密码', '软件ID')
result = client.post_file(9004, './code.png') # 9004 代表验证码类型

# 3. 获取识别结果并输入
if result['ret'] == 0:
    code = result['pic_str']
    driver.find_element(By.ID, "captcha_input").send_keys(code)
else:
    print("识别失败")

方案 D：本地 OCR 库 (⭐⭐ 简单验证码)

场景：验证码非常简单（纯数字、无干扰线、字体清晰）。 做法：使用 tesseract-ocr (Python 库 pytesseract) 本地识别。 优点：免费、无需网络。 缺点：对复杂验证码（干扰线、扭曲、点选）识别率极低，配置环境麻烦。

import pytesseract
from PIL import Image

# 1. 截图
element.screenshot("./code.png")

# 2. 图片预处理 (去色、二值化等，提高识别率 - 需 OpenCV 配合)
# ... 预处理代码 ...

# 3. 识别
text = pytesseract.image_to_string(Image.open("./code.png"), lang='eng')
driver.find_element(By.ID, "captcha_input").send_keys(text.strip())

💡 核心建议：首选：找开发加测试后门（方案 A）。次选：Cookie 绕过（方案 B），适合登录后的大流程测试。最后手段：第三方打码（方案 C），仅在必须验证登录功能且无其他办法时使用。避免：不要试图用 Selenium 自己去'猜'或硬编码复杂的动态验证码。

💡 Selenium 核心操作与最佳实践终极速查表