一、前言

上篇文章我们学习了Selenium页面操作原理及如何高效的进行元素定位

那Selenium的工作原理又是什么？是如何驱动浏览器的呢？这篇文章为你讲解Selenium工作原理及Webdriver对浏览器的配置和操作。

(PS:个人在用的人工智能学习网站推荐给大家：captainai，觉得不错请三连支持一下）

二、Selenium工作原理

Selenium进行自动化测试主要依赖三项：

1. 测试脚本(你写的代码)
2. 浏览器驱动(Webdriver，比如：chromedriver)
3. 浏览器

其中核心部分就是Webdriver，它提供了一系列的API来供我们使用，以至于驱动浏览器做一些操作。
它的工作原理有时也会作为面试题，不少小伙伴Selenium用的很熟练，但因为答不出它的工作原理而被Pass！
所以我简单总结了一下，为了面试不被pass的标准答案

Webdriver工作原理：

webdriver用于通信用户编写的代码和浏览器。
当使用类似webdriver.Chrome()启动浏览器后，webdriver会将启动的浏览器绑定到特定的端口，并作为服务端 (类似前后端分离项目的后端)

客户端 (用户编写的代码)，通过ComandExecutor发送HTTP请求给服务端
服务端通过WebService将其翻译为浏览器读的懂的脚本传给浏览器进行执行，执行完成后，浏览器把执行结果返回给WebService,WebService再把返回的结果做一些封装，然后返回给客户端。

三、Webdriver常用配置

1. 启动浏览器

通过查看Selnium->webdriver文件夹，发现Selnium支持6种浏览器：
chrome、edge、firefox、ie、opera、safari

这里用谷歌、火狐的启动来举例

1. 启动谷歌浏览器(需要chromedriver)

from selenium import webdriverbrowser = webdriver.Chrome()

2. 启动火狐浏览器(需要geckodriver)

from selenium import webdriverbrowser = webdriver.Firefox()

2. Webdriver配置项

webdriver有很多配置项，例如设置请求头、隐藏浏览器运行、配置Webdriver路径等；下面为你介绍常用的配置项：

2.1 首先调用对应的配置类(以chrome举例)

chrome_options = webdriver.ChromeOptions()

2.2 最大化浏览器窗口

 chrome_options.add_argument("--start-maximized")

2.3 隐藏浏览器运行(无界面Linux时，不加这条会报错)

chrome_options.add_argument("--headless")

2.4 给予root执行权限(Linux上运行时需要)

chrome_options.add_argument("--no-sandbox")

2.5 不加载图片，提升速度

chrome_options.add_argument("blink-settings=imagesEnabled=false")

2.6 使用已打开的浏览器

以chrome浏览器举例，我们可以通过【cmd】在chrome所在目录执行命令：

chrome.exe --remote-debugging-port=9222 --user-data-dir="C:/selenum/AutomationProfile"

-remote-debugging-port:用于配置浏览器启动占用的端口，可以指定任何未被占用的端口
-user-data-dir:指定创建新Chrome配置文件的目录;它是为了确保在多带带的配置文件中启动chrome，不会污染你的默认配置文件。

然后在代码中加入下面的配置即可使用刚刚打开的浏览器了

chrome_options.add_experimental_option("debuggerAddress", "127.0.0.1:9222")

这样做的好处是:

1. 是一个由chrome启动的浏览器，不容易被所测网站检测出是自动化程序、有利于爬虫的过检测。
2. 基于该运行浏览器所产生的缓存、cookie等数据都会被记录。下次启动的时候不用重新登录帐号，也不用因为没有缓存导致页面加载时间过长。

2.7 手动指定浏览器位置

当存在多个谷歌浏览器或谷歌浏览器环境异常时，可以指定其浏览器文件路径进行驱动

chrome_options.binary_location = r"C:/Program Files (x86)/Google/Chrome/Application/chrome.exe"

2.8 隐藏【受到自动化测试软件的控制】提示

通过该配置项可以隐藏上图的提示

chrome_options.add_experimental_option("excludeSwitches", ["enable-automation"])

2.9 指定浏览器大小

下面的代码会启动一个宽100，长1000的浏览器

chrome_options.add_argument(f"--window-size={100},{1000}")

2.10 指定浏览器位置

下面的代码会启动一个左边距为100，上边距为200的浏览器

chrome_options.add_argument(f"--window-position={100},{200}")

2.11 指定浏览器启动语言

有时候开启浏览器需要特别的语言版本，如果未进行配置则启动的是系统语言对应的浏览器，我们的被测网站如果是英文的，但系统是中文的，开启的浏览器就是中文的，提交的某些数据按照zh_CN.UTF-8的格式提交了，导致数据报错，那么我们就需要设置浏览器启动语言。

chrome_options.add_argument("lang=en-us")

2.12 更换浏览器请求头

有时候需要模拟手机访问某些页面的时候，可以通过配置user-agent项来实现
下面的代码会将浏览器模拟为安卓手机访问

user_ag = "MQQBrowser/26 Mozilla/5.0 (Linux; U; Android 7.3.7; zh-cn; MB200 Build/GRJ22;CyanogenMod-7) " /              "AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1 "chrome_options.add_argument("user-agent=%s" % user_agent)

执行效果

2.13 设置浏览器代理

chrome_options.add_argument("--proxy-server=你的代理ip地址")

2.14 使用配置

下面的代码会【最大化窗口】且【不加载图片】的启动一个浏览器：

from selenium import webdriverchrome_options = webdriver.ChromeOptions()chrome_options.add_argument("--start-maximized")chrome_options.add_argument("blink-settings=imagesEnabled=false")browser = webdriver.Chrome(options=chrome_options)

3. Webdriver常用操作

3.1 获取浏览器名称

browser.name

3.2 最大化浏览器窗口

browser.maximize_window()

3.3 最小化浏览器窗口（Selenium4支持）

browser.minimize_window()

3.4 全屏窗口

类似浏览器中按下【F11】

browser.fullscreen_window()

3.5 访问指定网址

browser.get("https://www.baidu.com") #访问百度

3.6 获取当前页url

browser.current_url

3.7 获取当前页的title

browser.title

3.8 获取当前页窗口句柄

browser.current_window_handle

3.9 截屏当前窗口

browser.save_screenshot("test.png")  #截取当前窗口并命名为`test.png`保存

3.10 刷新

browser.refresh()

3.11 前进(浏览器的【前进】按钮)

browser.forward()

3.12 后退(浏览器的【后退】按钮)

browser.back()

3.13 设置浏览器大小

设置浏览器宽为480，高为800

browser.set_window_size(480, 800)

3.14 设置浏览器位置

设置浏览器宽为480，高为800

browser.set_window_position(480, 800)

3.15 获取浏览器大小

设置浏览器宽为480，高为800

browser.get_window_size(480, 800)

3.16 获取浏览器位置

设置浏览器宽为480，高为800

browser.get_window_position(480, 800)

3.17 执行js脚本

如果需要进行页面滑动(模拟鼠标滚轮操作)可以通过执行js脚本实现
例如滑动到"//*[@id="asideHotArticle"]/h3"元素：

target = browser.find_element(By.XPATH, "//*[@id="asideHotArticle"]/h3")browser.execute_script("arguments[0].scrollIntoView();", target)

3.18 切换窗口

有多个窗口时，可以通过下面的方法进行切换才能够顺利的进行定位

browser.switch_to.window(browser.window_handles[1])

3.19 切换iframe

页面中的iframe弹窗，需要使用下面的代码切换才能够顺利的进行定位

iframe = browser.find_element(By.CSS_SELECTOR, "#modal > iframe")# 切换到iframebrowser.switch_to.frame(iframe)

3.20 离开iframe

离开iframe，回到默认页面

browser.switch_to.default_content()

2.21 关闭当前窗口

有多个页面的时候，只会关闭当前所在页面

browser.close()

3.22 退出浏览器

会直接关闭浏览器，所有页面都将关闭

browser.quit()

四、总结

实际上webdriver的操作还有很多，比如远程控制项的配置，cookie相关配置等，但都不常用，掌握这些些已经足够了！

下一篇文章会对selenium的键盘鼠标事件进行详解，欢迎订阅本专栏！