1. 项目概述：从“点点点”到“自动化”的质变

干了这么多年测试，最烦的就是那些重复的、机械的网页操作。比如每天上班第一件事，就是登录后台系统，导出昨天的数据报表，再手动填到另一个系统里生成图表。一次两次还行，日复一日，不仅枯燥，还容易因为手滑点错。后来我开始接触自动化测试，尤其是用 Python 的 Selenium 库，感觉就像给枯燥的“点点点”工作装上了机械臂。它不是什么高深莫测的黑科技，本质上就是一个能按照你写好的脚本，去模拟真人操作浏览器（点击、输入、滚动等）的工具。今天，我就结合自己踩过的无数坑，来聊聊怎么用 Python + Selenium 把这套“机械臂”玩转，让你从重复劳动中彻底解放出来。

简单说，Selenium 就是一个浏览器自动化工具。你写一段 Python 代码，告诉它：“打开 Chrome，访问某个网址，在用户名框里输入‘admin’，在密码框里输入‘123456’，然后点击登录按钮。” 它就能一丝不苟地执行。这不仅能用于测试网页功能是否正常（这就是自动化测试的核心），还能用来做一些日常的、规则明确的网页数据抓取或操作任务，比如定时签到、批量下载、数据填报等。无论你是测试工程师、数据分析师，还是任何需要和网页打交道的开发者，掌握它都能极大提升效率。接下来，我会从环境搭建、核心操作、实战技巧到避坑指南，带你完整走一遍。

2. 环境准备与核心工具选型

工欲善其事，必先利其器。在开始写自动化脚本之前，一套稳定、匹配的环境是成功的基石。这里面的坑，我几乎一个没落全踩过。

2.1 Python 环境搭建：别在版本上栽跟头

首先肯定是 Python。我的建议是， 直接安装 Python 3.7 到 3.11 之间的版本 。太老的版本（如 2.7）库支持不好，太新的版本（如 3.12+）有时会遇到一些第三方库兼容性问题。去 Python 官网下载安装包时，务必勾选 “Add Python to PATH” 这个选项，这是为了能在命令行里直接使用 python 和 pip 命令。

安装完成后，打开命令行（CMD 或 Terminal），输入 python --version 检查是否安装成功。接下来，我们需要一个写代码的地方。对于新手，我强烈推荐 Visual Studio Code (VSCode) 。它轻量、免费，而且通过安装插件能获得非常好的 Python 开发体验。在 VSCode 中，你需要安装官方的 “Python” 扩展，它会帮你管理 Python 解释器、提供代码提示、调试等功能。配置环境时，在 VSCode 左下角选择你刚安装的 Python 解释器，这样就完成了最基本的编码环境搭建。

注意：很多教程会教你在系统环境变量里手动配置 PATH，如果你在安装时忘了勾选，确实需要手动加一下。但更常见的问题是，电脑里装了多个 Python（比如 Anaconda 自带一个，官网又装一个），导致命令混乱。这时候，在 VSCode 里明确指定使用哪一个解释器至关重要。

2.2 Selenium 库安装与浏览器驱动配置

这是新手最容易卡住的地方。Selenium 分为两部分： Python 客户端库 和 浏览器驱动 。

第一步，安装 Selenium 库。 这个很简单，在命令行里执行：

pip install selenium

如果速度慢，可以使用国内镜像源，例如：

pip install selenium -i https://pypi.tuna.tsinghua.edu.cn/simple

第二步，下载浏览器驱动。 Selenium 本身不能直接控制浏览器，它需要通过一个名为 “WebDriver” 的中间件来发送指令。你需要根据你使用的浏览器类型和版本，下载对应的驱动。

  • Chrome 浏览器 ：驱动叫 ChromeDriver 。去 ChromeDriver 官网 下载。 关键点来了：驱动版本必须与你的 Chrome 浏览器主版本号完全一致！ 你可以在 Chrome 的“设置”->“关于 Chrome”里查看版本号（比如 120.0.6099.110），然后下载版本号为 120 的 ChromeDriver。
  • Firefox 浏览器 ：驱动叫 geckodriver 。去 GitHub 发布页 下载。
  • Microsoft Edge 浏览器 ：驱动叫 msedgedriver 。去 Microsoft Edge 开发者网站 下载。同样需要版本匹配。

驱动下载下来是一个可执行文件（如 chromedriver.exe 或 chromedriver ）。接下来有三种配置方式：

  1. （推荐）放在 Python 脚本目录下 ：将驱动文件直接复制到你的项目文件夹里。这样在代码中指定路径最简单。
  2. 放在系统 PATH 环境变量包含的目录里 ：比如 Windows 的 C:\Windows\System32 。这样你可以在代码中直接使用 webdriver.Chrome() 而不指定路径，但管理多个版本时容易混乱。
  3. 在代码中指定绝对路径 ：最明确，但代码移植性差。

我个人的习惯是 方法1 ，为每个项目单独管理驱动，清晰无污染。

2.3 可选工具：为什么我推荐 Playwright 作为进阶了解

在你熟练使用 Selenium 之后，可能会听到另一个工具： Playwright 。它是微软推出的新一代浏览器自动化库。这里简单对比一下，帮你建立认知：

  • Selenium ：老牌、稳定、社区庞大、支持语言多（Java, Python, C#等）、支持浏览器多。但速度相对较慢，API 设计有些历史包袱，处理现代单页面应用（SPA）的异步加载有时需要写很多“等待”代码。
  • Playwright ：后起之秀，默认支持无头模式且速度快，API 设计更现代优雅，自动等待机制（Auto-waiting）极大地减少了手动编写等待时间的代码，对 SPA 支持更好。但相对较新，某些极端场景的社区解决方案可能不如 Selenium 丰富。

对于初学者， 从 Selenium 开始绝对没错 ，它的资料最多，遇到的问题基本都能搜到答案。但了解 Playwright 的存在和优势，能让你在未来技术选型时多一个更优的选择。本次我们聚焦 Selenium。

3. 核心操作解析：模拟人的每一步

环境配好了，我们来拆解一个真人操作网页的过程，并用代码一一对应实现。假设我们要自动化登录一个假设的管理后台。

3.1 启动浏览器与访问页面

这是所有操作的起点。

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# 1. 创建浏览器驱动实例
# 如果你的 chromedriver.exe 放在项目根目录
driver = webdriver.Chrome() 
# 或者指定路径
# driver = webdriver.Chrome(executable_path=r'./chromedriver.exe')

# 2. 访问目标网址
driver.get("https://example.com/admin/login")

# 3. 最大化窗口（可选，更接近人工操作）
driver.maximize_window()

time.sleep(2) # 等待2秒，让页面加载一下。这是初级做法，后面我们会改进。

webdriver.Chrome() 这行代码会打开一个全新的、干净的 Chrome 浏览器窗口。 driver.get() 相当于你在地址栏输入网址并回车。

3.2 元素定位：自动化测试的“眼睛”

要让程序在页面上找到输入框、按钮，你必须告诉它“在哪里”。这就是元素定位。Selenium 提供了8种主要的定位方式，常用的是前几种：

定位方式 代码示例 (By.XXX) 适用场景 优点 缺点
ID By.ID, “username” 元素有唯一id属性时 定位最快、最精确 不是所有元素都有id
Name By.NAME, “password” 表单元素常用 也比较精确 同ID，可能不唯一
Class Name By.CLASS_NAME, “btn-submit” 通过CSS类名定位 常用 类名经常不唯一
Tag Name By.TAG_NAME, “input” 定位特定类型的标签 简单 通常返回多个元素
Link Text By.LINK_TEXT, “忘记密码？” 定位纯文本链接 精确 只用于 <a> 标签
Partial Link Text By.PARTIAL_LINK_TEXT, “忘记” 链接文本部分匹配 更灵活 可能匹配多个
XPath By.XPATH, ‘//*[@id=“loginForm”]/input[1]’ 万能定位法，可遍历DOM 功能最强大 表达式复杂，性能稍差
CSS Selector By.CSS_SELECTOR, ‘#loginForm .btn’ 类似CSS选择器 语法简洁，性能好 学习CSS选择器语法

实操心得 ：

  1. 优先级 ： ID > Name > CSS Selector > XPath 。ID 和 Name 是首选，因为它们通常由开发人员赋予业务含义且唯一。如果都没有，优先学习使用 CSS Selector，它的性能通常优于复杂的 XPath，且语法更简洁。
  2. 如何获取元素属性 ：在浏览器中按 F12 打开开发者工具，使用左上角的箭头工具点击页面元素，就能在 Elements 面板看到其 HTML 代码和 id、name、class 等属性。
  3. XPath 和 CSS Selector 技巧 ：
    • XPath ： // 表示从根节点开始查找， input[@name=‘user’] 表示查找 name 属性为 ‘user’ 的 input 标签。可以用 and 、 or 组合条件。
    • CSS Selector ： #id 表示 id， .class 表示 class， input[type=‘text’] 表示属性选择。 > 表示直接子元素，空格表示后代元素。

3.3 元素操作：模拟手和键盘

找到元素后，就可以操作了。最常用的三种操作：点击、输入、获取信息。

# 假设页面有 <input id="username">, <input id="password">, <button id="loginBtn">
# 定位元素
username_input = driver.find_element(By.ID, "username")
password_input = driver.find_element(By.ID, "password")
login_button = driver.find_element(By.ID, "loginBtn")

# 1. 输入文本 - 模拟打字
username_input.send_keys("admin")
password_input.send_keys("secure_password_123")

# 2. 点击元素 - 模拟鼠标点击
login_button.click()

# 3. 获取元素信息 - 用于断言或记录
print(f"登录按钮的文本是：{login_button.text}")
print(f"用户名输入框的占位符是：{username_input.get_attribute('placeholder')}")
# 获取输入框内的值（对于某些动态生成的输入框）
# value = username_input.get_attribute('value')

send_keys() 不仅可以输入普通文本，还可以模拟快捷键，例如 send_keys(Keys.CONTROL, ‘a’) 表示全选（Ctrl+A）。 click() 方法很简单，但后面会讲到，不是所有时候都能直接点。

3.4 等待机制：让脚本“聪明”地等

这是 Selenium 自动化中最核心、也最容易出问题的一环。页面加载需要时间，元素出现需要时间。你不能让脚本在元素还没出现时就进行操作，否则会抛出 NoSuchElementException 。

三种等待方式：

  1. 强制等待 (time.sleep) ：上面用过的 time.sleep(2) 。这是“死等”，无论页面是否加载完，都固定等2秒。 不推荐在正式脚本中使用 ，效率极低，且时间很难设定准确。
  2. 隐式等待 (Implicit Wait) ：设置一个全局的等待时间。在这个时间内，如果元素没找到，WebDriver 会每隔一段时间重试查找，直到找到或超时。 
    driver.implicitly_wait(10) # 设置隐式等待为10秒
element = driver.find_element(By.ID, “dynamic-element”)
    它针对所有的 find_element 操作。缺点是它不关心元素是否“可点击”或“可见”，只关心是否存在在DOM中。对于需要等待元素具备某种状态（如可点击）的场景，可能不够。
  3. 显式等待 (Explicit Wait) ： 这是最佳实践！ 它为某个特定元素和条件设置等待。你可以指定最长等待时间，以及检查的条件（如元素可见、可点击、存在等）。WebDriver 会轮询检查条件是否成立，成立则继续，超时则报错。 
    from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# 等待最多10秒，直到登录按钮变得可点击
wait = WebDriverWait(driver, 10)
login_button = wait.until(EC.element_to_be_clickable((By.ID, "loginBtn")))
login_button.click()

# 等待某个包含成功信息的元素出现
success_msg = wait.until(EC.presence_of_element_located((By.CLASS_NAME, "alert-success")))
print(success_msg.text)
    expected_conditions 模块提供了很多条件，如 visibility_of_element_located （元素可见）、 text_to_be_present_in_element （元素包含特定文本）等。

我的经验 ： 在项目中混合使用隐式和显式等待 。设置一个较短的全局隐式等待（如5秒），作为兜底。在关键操作点（如点击按钮后页面跳转、等待弹窗出现）使用显式等待，并指定明确的条件。彻底避免使用 time.sleep 。

4. 实战进阶：处理复杂场景与封装技巧

掌握了基本操作，我们来看看实际项目中那些让人头疼的“拦路虎”。

4.1 处理弹窗、Alert 和 新窗口/标签页

JavaScript Alert/Confirm/Prompt ：

from selenium.webdriver.common.alert import Alert

# 触发一个alert后，切换到alert对象
alert = Alert(driver)
print(alert.text) # 获取alert文本
alert.accept() # 点击“确定”
# alert.dismiss() # 点击“取消”
# alert.send_keys(“输入文本”) # 针对prompt

新窗口/标签页 ：

# 点击一个打开新标签页的链接前，记录当前窗口句柄
main_window = driver.current_window_handle

# 点击链接...
driver.find_element(By.LINK_TEXT, “新窗口”).click()

# 获取所有窗口句柄
all_windows = driver.window_handles
# 切换到新窗口
for window in all_windows:
    if window != main_window:
        driver.switch_to.window(window)
        break

# 在新窗口操作...
# 操作完毕后，切回主窗口
driver.switch_to.window(main_window)

iframe 嵌套页面 ： 如果元素位于 <iframe> 或 <frame> 标签内，你必须先切换到对应的 frame 中，才能定位其中的元素。

# 通过id或name切换
driver.switch_to.frame(“frame_name_or_id”)
# 或者通过定位到的frame元素切换
frame_element = driver.find_element(By.CSS_SELECTOR, “iframe.some-class”)
driver.switch_to.frame(frame_element)

# 在frame内操作元素...
# 操作完成后，切回主文档
driver.switch_to.default_content()

4.2 模拟高级用户交互：鼠标悬停、拖拽、键盘操作

需要导入 ActionChains 类来模拟复杂的鼠标和键盘操作。

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

# 鼠标悬停
menu = driver.find_element(By.ID, “dropdownMenu”)
ActionChains(driver).move_to_element(menu).perform()
# 此时，悬停触发的子菜单应该出现了，再定位子菜单项点击
sub_menu = driver.find_element(By.LINK_TEXT, “选项一”)
sub_menu.click()

# 拖拽元素
source = driver.find_element(By.ID, “draggable”)
target = driver.find_element(By.ID, “droppable”)
ActionChains(driver).drag_and_drop(source, target).perform()

# 组合按键（例如Ctrl+C复制）
ActionChains(driver).key_down(Keys.CONTROL).send_keys(‘c’).key_up(Keys.CONTROL).perform()

4.3 文件上传与下载

文件上传 ：如果网页上传按钮是 <input type=“file”> ，那非常简单，直接 send_keys 文件路径即可。

upload_element = driver.find_element(By.XPATH, “//input[@type=‘file’]”)
upload_element.send_keys(“/Users/yourname/Desktop/test_image.jpg”) # 绝对路径

如果网页用了自定义的上传组件（通常是用 div 模拟的），可能需要用 ActionChains 模拟点击，或者借助 pyautogui 库模拟系统级键盘操作（不推荐，兼容性差），或者与开发沟通能否在测试环境提供原生 input。

文件下载 ：需要设置浏览器选项，指定下载路径，并禁用下载弹窗。

from selenium import webdriver

options = webdriver.ChromeOptions()
prefs = {
    “download.default_directory”: r“C:\Downloads”, # 指定下载路径
    “download.prompt_for_download”: False, # 禁止下载弹窗
    “download.directory_upgrade”: True,
    “safebrowsing.enabled”: True
}
options.add_experimental_option(“prefs”, prefs)

driver = webdriver.Chrome(options=options)

之后，点击下载链接，文件就会自动保存到指定目录。

4.4 测试框架雏形：Page Object Model (POM)

当你的自动化脚本越来越多，你会发现大量重复的定位符和操作代码散落在各个测试用例里，难以维护。这时就需要 Page Object Model (页面对象模型) 。它的核心思想是 将页面封装成类，页面的元素定位和基本操作作为类的方法，测试用例只关心业务逻辑 。

举个例子，对于登录页面：

# pages/login_page.py
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

class LoginPage:
    def __init__(self, driver):
        self.driver = driver
        self.wait = WebDriverWait(driver, 10)

    # 定位器 (Locators)
    USERNAME_INPUT = (By.ID, “username”)
    PASSWORD_INPUT = (By.ID, “password”)
    LOGIN_BUTTON = (By.ID, “loginBtn”)
    ERROR_MSG = (By.CLASS_NAME, “alert-danger”)

    # 页面操作方法
    def enter_username(self, username):
        user_elem = self.wait.until(EC.visibility_of_element_located(self.USERNAME_INPUT))
        user_elem.clear()
        user_elem.send_keys(username)

    def enter_password(self, password):
        self.driver.find_element(*self.PASSWORD_INPUT).send_keys(password)

    def click_login(self):
        self.driver.find_element(*self.LOGIN_BUTTON).click()

    def get_error_message(self):
        try:
            return self.driver.find_element(*self.ERROR_MSG).text
        except:
            return None

    # 业务场景组合方法
    def login(self, username, password):
        self.enter_username(username)
        self.enter_password(password)
        self.click_login()

然后在测试用例中，代码会变得非常清晰：

# tests/test_login.py
import pytest
from pages.login_page import LoginPage

def test_valid_login(driver): # 假设driver通过fixture注入
    login_page = LoginPage(driver)
    login_page.login(“admin”, “correct_password”)
    # 断言登录成功，例如跳转到首页
    assert “dashboard” in driver.current_url

def test_invalid_login(driver):
    login_page = LoginPage(driver)
    login_page.login(“wrong_user”, “wrong_pass”)
    error_text = login_page.get_error_message()
    assert error_text is not None
    assert “用户名或密码错误” in error_text

POM 极大地提高了代码的可读性、可维护性和复用性。元素定位符只在一个地方（Page类）维护，如果页面元素变了，你只需要修改这一个文件。

5. 常见问题排查与性能优化

即使按照最佳实践来写，脚本运行时还是会遇到各种稀奇古怪的问题。这里记录一些高频问题和解决思路。

5.1 元素定位失败：NoSuchElementException

这是最最常见的错误。原因和排查步骤：

  1. 等待不足 ：元素还没加载出来就去定位。 解决方案 ：使用显式等待 ( WebDriverWait + EC )。
  2. 定位器写错了 ：ID/Class 名称有误，或者元素在 iframe/Shadow DOM 里。 排查 ：用浏览器开发者工具仔细核对定位器，检查元素是否在 iframe 内。
  3. 页面结构动态变化 ：元素的 ID 或 Class 是随机生成的。 解决方案 ：使用相对稳定的属性来定位，比如 name ，或者使用包含部分文本的 XPath ( //button[contains(text(), ‘提交’)] ) 或 CSS 选择器 ( button[type*=‘submit’] )。
  4. 页面有多个匹配元素 ：你的定位器找到了多个元素，但 find_element 只返回第一个，可能不是你想要的那个。 解决方案 ：使用 find_elements 获取列表，或者优化定位器使其唯一。也可以使用 find_element 并指定索引（不推荐，容易失效）。

5.2 元素不可交互：ElementNotInteractableException

找到了元素，但点击或输入时失败。可能原因：

  1. 元素被遮挡 ：被另一个元素（如弹窗、遮罩层）盖住了。 解决方案 ：等待遮挡物消失，或者用 ActionChains 尝试点击。
  2. 元素不可见 ：元素在屏幕外，或者 style=“display: none;” 。 解决方案 ：使用 EC.visibility_of_element_located 等待其可见，或者用 JavaScript 滚动到元素所在位置 driver.execute_script(“arguments[0].scrollIntoView();”, element) 。
  3. 元素是 disabled 状态 ：按钮有 disabled 属性。 解决方案 ：等待其变为可用 ( EC.element_to_be_clickable )，或者检查前置操作是否未完成。

5.3 脚本运行不稳定（Flaky Tests）

有时成功有时失败，令人抓狂。除了上述等待问题，还有：

  1. 网络或环境不稳定 ：这不是脚本问题。可以考虑在关键步骤加入重试机制，或者优化测试环境。
  2. 浏览器版本与驱动不匹配 ： 严格检查并匹配版本！
  3. 使用了不稳定的定位器 ：依赖于绝对路径的 XPath 或容易变化的 Class。 尽量使用有业务含义的、稳定的属性 ，如 data-testid （如果开发配合添加）。
  4. 异步操作未完成 ：现代网页大量使用 Ajax 和前端框架，一个操作触发后，页面状态是逐步更新的。 不要只等待一个元素，要等待代表操作完成的状态出现 。例如，点击提交后，不要只等页面跳转，可以等待“提交成功”的提示框出现。

5.4 性能与稳定性优化建议

  1. 使用无头模式 (Headless) ：在不需要观察浏览器界面的场景（如 CI/CD 流水线中），使用无头模式可以节省大量资源，运行更快。 
    from selenium import webdriver
options = webdriver.ChromeOptions()
options.add_argument(“--headless”) # 开启无头模式
options.add_argument(“--disable-gpu”) # 禁用GPU，某些系统需要
options.add_argument(“--no-sandbox”) # Linux环境下可能需要
driver = webdriver.Chrome(options=options)
  2. 合理设置等待时间 ：隐式等待不要设得太长（建议5-10秒），显式等待根据操作复杂度设置（通常10-20秒）。过长的等待会拖慢整个套件的执行速度。
  3. 复用浏览器实例 ：对于一组相关的测试用例，可以考虑复用同一个 driver 实例，而不是每个用例都开启关闭一次浏览器。这可以通过 pytest 的 fixture 设置 scope=“session” 或 “module” 来实现。但要注意用例间的状态隔离，避免相互影响。
  4. 清理 Cookies 和缓存 ：对于需要登录状态的测试，在用例开始前或结束后清理 Cookies，可以保证测试的独立性。 
    driver.delete_all_cookies()
driver.execute_script(“window.localStorage.clear();”) # 清理本地存储
  5. 截图和日志 ：在关键步骤，特别是断言失败或发生异常时，自动截图并保存日志，对于后期排查问题有巨大帮助。 
    try:
    # 某些操作
except Exception as e:
    timestamp = time.strftime(“%Y%m%d_%H%M%S”)
    driver.save_screenshot(f“error_{timestamp}.png”)
    print(f“操作失败: {e}”)
    raise

自动化测试脚本的编写，三分在技术，七分在经验和耐心。每一个稳定运行的脚本背后，都是对业务页面交互逻辑的深刻理解和对各种边界情况的充分考虑。从最简单的登录操作开始，逐步扩展到处理复杂流程、封装页面对象、集成到持续集成平台，这条路没有捷径，但每一步都算数。当你看到原本需要手动执行一小时的回归测试，现在只需点一下按钮就能在十分钟内完成并生成报告时，那种成就感会让你觉得所有的折腾都是值得的。

Logo
亚马逊云科技技术品牌专区

更多推荐

Kiro Editor 开发实战：使用 Cargo 构建、测试与性能优化指南

欢迎来到这篇终极指南，我们将深入探索如何使用Rust构建高性能的终端文本编辑器Kiro Editor。无论你是Rust新手还是经验丰富的开发者，这篇完整教程将带你了解如何利用Cargo工具链进行高效的开发、测试和性能优化，打造一款快速、轻量且功能强大的UTF-8文本编辑器。## 什么是Kiro Editor？Kiro Editor是一款使用Rust编写的极简终端文本编辑器，它最初是著名编辑

avatar 亚马逊云科技技术品牌专区

近期零基础学量化，先按基础差异拆学习顺序

读者应明白，拆解学习顺序时要先看自己的基础缺口，再决定哪一段需要放慢。不同流程阶段都有不同检查任务，学习路线要能反映这些差异。

avatar 亚马逊云科技技术品牌专区

2026年量化工具选择，要跟着能力基础走

读者应理解，选择工具前要先判断自己的能力基础和当前任务。工具应该帮助自己补上当前最关键的缺口，而不是替代学习顺序本身。

avatar 亚马逊云科技技术品牌专区