以查找元素为例，看 webdriver 的工作原理

selenium的历史

selenium1.x：这个时候的selenium，使用的是JavaScript注入技术与浏览器打交道，需要Selenium RC启动一个Server，将操作Web元素的API调用转化为一段段Javascript，在Selenium内核启动浏览器之后注入这段Javascript。Javascript可以获取并调用DOM的任何元素，自如的进行操作。由此才实现了Selenium的目的：自动化Web操作。这种Javascript注入技术的缺点是速度不理想，而且稳定性大大依赖于Selenium内核对API翻译成的Javascript质量高低。
selenium2.x：相比于selenium1.x，2.x版本整合了webdriver以及原版selenium，两个项目合二为一，虽然名字还叫selenium，但也可以叫Webdriver。这个版本的selenium是利用浏览器原生的API，封装成一套更加面向对象的Selenium WebDriver API，直接操作浏览器页面里的元素，甚至操作浏览器本身（截屏，窗口大小，启动，关闭，安装插件，配置证书之类的）。由于使用的是浏览器原生的API，速度大大提高，而且调用的稳定性交给了浏览器厂商本身，显然是更加科学。然而带来的一些副作用就是，不同的浏览器厂商，对Web元素的操作和呈现多少会有一些差异，这就直接导致了Selenium WebDriver要分浏览器厂商不同，而提供不同的实现。
发展史请看下图：

以下进入正题

结构

要通过selenium实现自动化测试，最最主要是需要三种东西。

测试需要用的代码
webdriver
浏览器
今天想要分享的也是这三者关系。

代码

selenium支持多种语言（java/c#/python/ruby）。测试工程师通过编程语言，调用浏览器对应API实现需要的功能。

webdriver

webdriver，就像是一个媒介，代码驱动webdriver。上文提过，不同浏览器有不同的webdriver，例如火狐的FirefoxDriver，谷歌的 ChromeDriver.

浏览器

不同的浏览器对应不同的webdriver。

从上图，测试代码输入操作给webdriver，webdriver再去控制浏览器，最终达到的效果就是代码实现对浏览器的操作。

以查找元素为例，查看代码与webdriver的交互

以下python为例

from selenium import webdriver
driver = webdriver.Chrome()

这里driver是webdriver.Chrome()的对象，我们查看webdriver.Chrome()的源码，发现本质是
from .chrome.webdriver import WebDriver as Chrome 从目录名可知这来自chrome的webdriver，再次对这个WebDriver溯源，发现它是继承了一个RemoteWebDriver类，注释的含义是：控制ChromeDriver并允许驱动浏览器。

class WebDriver(RemoteWebDriver):
    """
    Controls the ChromeDriver and allows you to drive the browser.

    You will need to download the ChromeDriver executable from
    http://chromedriver.storage.googleapis.com/index.html
    """

    def __init__(...）
...

再次对继承的RemoteWebDriver类溯源，发现其是selenium.webdriver.remote.webdriver.WebDriver

class WebDriver(object):
    """
    Controls a browser by sending commands to a remote server.
    This server is expected to be running the WebDriver wire protocol
    as defined at
    https://github.com/SeleniumHQ/selenium/wiki/JsonWireProtocol

    :Attributes:
     - session_id - String ID of the browser session started and controlled by this WebDriver.
     - capabilities - Dictionaty of effective capabilities of this browser session as returned
         by the remote server. See https://github.com/SeleniumHQ/selenium/wiki/DesiredCapabilities
     - command_executor - remote_connection.RemoteConnection object used to execute commands.
     - error_handler - errorhandler.ErrorHandler object used to handle errors.
    """

    _web_element_cls = WebElement

    def __init__(self, command_executor='http://127.0.0.1:4444/wd/hub',
                 desired_capabilities=None, browser_profile=None, proxy=None,
                 keep_alive=False, file_detector=None, options=None):
...

注释的含义是：通过向远程服务器发送命令来控制浏览器。该服务器应该运行WebDriver有线协议。这里先停一下，等会我们会再回来继续了解这个类。

以python为例，我们在在selenium库中，通过ID获取界面元素的方法是这样的：

ele = driver.find_element_by_id('id')

以上同方法，对代码溯源，find_elements_by_id是selenium.webdriver.remote.webdriver.WebDriver类的实例方法。在代码中，我们直接使用的其实不是selenium.webdriver.remote.webdriver.WebDriver这个类，而是针对各个浏览器的webdriver类，例如webdriver.Chrome()。所以说在测试代码中执行各种浏览器操作的方法其实都是selenium.webdriver.remote.webdriver.WebDriver类的实例方法。接下来我们再深入selenium.webdriver.remote.webdriver.WebDriver类来看看具体是如何实现例如**find_element_by_id()**的实例方法的。

    def find_element(self, by=By.ID, value=None):
        """
        Find an element given a By strategy and locator. Prefer the find_element_by_* methods when
        possible.

        :Usage:
            element = driver.find_element(By.ID, 'foo')

        :rtype: WebElement
        """
        if self.w3c:
            if by == By.ID:
                by = By.CSS_SELECTOR
                value = '[id="%s"]' % value
            elif by == By.TAG_NAME:
                by = By.CSS_SELECTOR
            elif by == By.CLASS_NAME:
                by = By.CSS_SELECTOR
                value = ".%s" % value
            elif by == By.NAME:
                by = By.CSS_SELECTOR
                value = '[name="%s"]' % value
        return self.execute(Command.FIND_ELEMENT, {
            'using': by,
            'value': value})['value']

这个find_element方法最后调用了一个excute方法，我们再来看看这个excute方法：

    def execute(self, driver_command, params=None):
        """
        Sends a command to be executed by a command.CommandExecutor.
        发送一个命令由command.CommandExecutor执行。

        :Args:
         - driver_command: The name of the command to execute as a string.
         - params: A dictionary of named parameters to send with the command.

        :Returns:
          The command's JSON response loaded into a dictionary object.
        """
        if self.session_id is not None:
            if not params:
                params = {'sessionId': self.session_id}
            elif 'sessionId' not in params:
                params['sessionId'] = self.session_id

        params = self._wrap_value(params)
        response = self.command_executor.execute(driver_command, params)
        if response:
            self.error_handler.check_response(response)
            response['value'] = self._unwrap_value(
                response.get('value', None))
            return response
        # If the server doesn't send a response, assume the command was
        # a success
        return {'success': 0, 'value': None, 'sessionId': self.session_id}

正如注释中提到的一样，其中的关键在于

response = self.command_executor.execute(driver_command, params)

一个名为command_executor的对象执行了execute方法。
名为command_executor的对象是RemoteConnection类的对象，并且这个对象是在新建selenium.webdriver.remote.webdriver.WebDriver类对象的时候就完成赋值的self.command_executor = RemoteConnection(command_executor, keep_alive=keep_alive)。
结合selenium.webdriver.remote.webdriver.WebDriver类的类注释来看：WebDriver类的功能是通过给一个remote server发送指令来控制浏览器。而这个remote server是一个运行WebDriver wire protocol的server。而RemoteConnection类就是负责与Remote WebDriver server的连接的类。
可以注意到有这么一个新建WebDriver类的对象时候的参数command_executor，默认值＝'http://127.0.0.1:4444/wd/hub'。这个值表示的是访问remote server的URL。因此这个值作为了RemoteConnection类的构造方法的参数，因为要连接remote server，URL是必须的。
现在再来看RemoteConnection类的实例方法execute。

def execute(self, command, params):
        """
        Send a command to the remote server.

        Any path subtitutions required for the URL mapped to the command should be
        included in the command parameters.

        :Args:
         - command - A string specifying the command to execute.
         - params - A dictionary of named parameters to send with the command as
           its JSON payload.
        """
        command_info = self._commands[command]
        assert command_info is not None, 'Unrecognised command %s' % command
        data = utils.dump_json(params)
        path = string.Template(command_info[1]).substitute(params)
        url = '%s%s' % (self._url, path)
        return self._request(command_info[0], url, body=data)

这个方法有两个参数

command
params

command表示期望执行的指令的名字。打开self._commands这个dict，查看Command.FIND_ELEMENT的value.
指令的URL部分包含了几个组成部分：

HTTP请求方法。WebDriver wire protocol中定义的指令是符合RESTful规范的，通过不同请求方法对应不同的指令操作。
sessionId. sessionId表示了remote server和浏览器的一个会话，指令通过这个会话变成对于浏览器的一个操作。
element 这一部分用来表示具体的指令。

而selenium.webdriver.remote.command.Command类里的常量指令又在各个具体的类似find_elements的实例方法中作为execute方法的参数来使用，这样就实现了selenium.webdriver.remote.webdriver.WebDriver类中实现各种操作的实例方法与WebDriver wire protocol中定义的指令的一一对应。
而selenium.webdriver.remote.webelement.WebElement中各种在WebElement上的操作也是用类似的原理实现的。

实例方法execute的另一个参数params则是用来保存指令的参数的，这个参数将转化为JSON格式，作为HTTP请求的body发送到remote server。
remote server在执行完对浏览器的操作后得到的数据将作为HTTP Response的body返回给测试代码，测试代码经过解析处理后得到想要的数据。

总结

初学者文中难免可能有疏漏之处，希望各位大佬指正

补充

为了怕同志们理解错，把雨泽大佬上课说的selenium工作原理写在下面,本菜鸟是在此基础上从另一角度出发来看：

Service: service->subprocess调用命令行打开webdriver.exe
Client: urlib3->访问服务(接口)

测试派 Give testers a home.

selenium的历史

以下进入正题

结构

代码

webdriver

浏览器

以查找元素为例，查看代码与webdriver的交互

总结

补充

相关帖子

随便看看

欢迎来到testingpai.com！