Bob's Blog

Selenium是业内常用的web自动化测试框架，支持多种语言多种浏览器，被广泛应用到模拟用户在web平台上的行为，在自动化测试中应用得非常多，在爬虫领域偶尔也会被用到。

要追溯历史的话得回到2004年。selenium可以分为selenium IDE，selenium Grid，selenium RC(remote control, 或被称为selenium 1)，selenium webdriver(2和3都被称为webdriver)。

IDE估计也没几个人在用了，Grid是做分布式的测试，以后可以再单独说明。这里主要介绍目前使用的selenium webdriver。

在好些年前用remote control时是需要先启动一个server，然后才可以用脚本控制浏览器并操作页面元素。这个主要是因为同源协议的限制。这个server就相当于是一个代理，脚本转换后的http请求通过这个server再发向浏览器注入js来操作，以代理的方式来绕过同源协议。

RC是不支持鼠标键盘事件，webdriver可以。

后来新的版本出来了，转向了webdriver，操作浏览器时需要对应的driver，比如chrome需要chromedriver，firefox需要geckodriver，乃至于headless浏览器。

原理步骤基本如下：

1)webdriver启动目标浏览器，并绑定到指定的端口，并以启动的浏览器实例作为一个http server；

2)客户端发送http请求到http server；

3)http server依赖源生的浏览器组件来转换为浏览器的源生调用。

这么看起来似乎也有个server啊，不过webdriver和之前的RC js注入有一些不同，它是直接利用了浏览器源生的支持来操作浏览器，相当于是直接交互了，所以对不同的平台和不同的浏览器，都必须依赖一个特定的浏览器的源生组件(还是类似刚才提到的driver，当我们下载chromedriver时也会有mac/windows/linux版本和浏览器支持版本)来实现把webdriver的API调用转化为浏览器的源生调用。

在http请求的交互中，有一个非常重要的协议：JSON Wire Protocol; 依据它来做各种操作比如点击、获取属性、拖拽、关闭等等。

基于webdriver的手机app自动化框架appium也是会用到这个协议。

部分参考：https://www.guru99.com/introduction-to-selenium.html ; https://www.quora.com/How-does-the-Selenium-WebDriver-work