Selenium历史

Selenium为浏览器自动化提供了先进的功能，从业者通常用它来实现网络应用的端到端测试。Selenium由三个核心组件组成： WebDriver, Grid, 和 IDE。

Jason Huggins和Paul Hammant于2004年在Thoughtworks工作时创建了Selenium。他们选择了 "Selenium "这个名字作为与惠普公司开发的现有测试框架Mercury的对应物。这个名字很有意义，因为化学物质硒以减少汞的毒性而闻名。

最初版本的Selenium（今天被称为Selenium Core）是一个JavaScript库，在网络应用中模拟用户操作。Selenium Core解释Selenese命令来实现任务。这些命令被编码为由三部分组成的HTML表格：命令（在网络浏览器中执行的动作，如打开URL或点击链接）、目标（识别网络元素的定位器，如特定组件的属性）和值（可选数据，如输入到网络表格字段中的文本）。

Huggins和Hammant在Selenium Remote Control（RC）的新项目中给Selenium Core增加了脚本层。Selenium RC遵循C-S架构。客户端使用一种绑定语言（如Python或JavaScript）通过HTTP向Selenium RC服务器的中间代理发送Selenese命令。该服务器按需启动网络浏览器，将Selenium Core库注入网站，并将客户的请求代理给Selenium Core。此外，Selenium RC服务器将目标网站掩盖在与注入的Selenium Core库相同的本地URL上，以避免同源策略问题。这种方法在当时是改变了浏览器自动化的游戏规则，但它有很大的局限性。首先，由于JavaScript是支持自动化的底层技术，有些操作是不允许的，因为JavaScript不允许--例如，上传和下载文件或处理弹出式窗口和对话框。此外Selenium RC引入的开销也影响性能。

与此同时，Simon Stewart在2007年创建了WebDriver项目。WebDriver和Selenium RC从功能的角度来看是相当的，也就是说，这两个项目都允许程序员使用编程语言来模拟用户。然而，WebDriver使用每个浏览器的原生支持来进行自动化，因此，其能力和性能远远优于RC。2009年，Jason Huggins和Simon Stewart在谷歌测试自动化会议上会面后，他们决定将Selenium和WebDriver合并为一个项目。这个新项目被称为Selenium WebDriver或Selenium 2。这个新项目使用基于HTTP的通信协议，结合浏览器上的本地自动化支持。这种方法仍然是Selenium 3（2016年发布）和Selenium 4（2021年发布）的基础。现在我们把Selenium RC和Core称为 "Selenium 1"，而且不鼓励使用它，而是使用Selenium WebDriver。

Selenium WebDriver

Selenium WebDriver是自动控制浏览器的库。它提供了不同语言绑定的跨平台的API。Selenium WebDriver支持的官方编程语言有Python、Java、JavaScript、Ruby和C#。Selenium WebDriver使用每个浏览器实现的本地支持来执行自动化过程。我们需要在使用Selenium WebDriver API的脚本和浏览器之安装驱动。

驱动程序（如chromedriver、geckodriver等）是依赖于平台的二进制文件，接收来自WebDriver脚本的命令，并将其翻译成一些浏览器特定的语言。在Selenium WebDriver的第一个版本中（即在Selenium 2中），这些命令（也被称为Selenium协议）是通过HTTP的JSON消息（所谓的 JSON Wire Protocol）。如今，这种通信（仍然是通过HTTP的JSON）遵循W3C WebDriver的标准规范。从Selenium 4开始，该规范是首选的Selenium协议。

Chrome浏览器遵循DevTools协议。DevTools是一套用于基于Blink渲染引擎的浏览器的开发者工具，如Chrome、Chromium、Edge或Opera。DevTools协议基于JSON-RPC消息，可以对这些浏览器进行检查、调试和分析。在Firefox中，原生自动化支持使用Marionette协议。Marionette是基于JSON的远程协议，允许检测和控制基于Gecko引擎的网络浏览器（如Firefox）。

Selenium WebDriver允许像用户一样控制网络浏览器，但要以编程方式进行。为此，Selenium WebDriver的API提供了各种各样的功能，可以浏览网页，与网页元素互动，或者模拟用户操作，以及其他许多功能。目标应用是基于网络的，如静态网站、动态网络应用、单页应用（SPA）、具有网络界面的复杂企业系统等。

Selenium Grid

Selenium家族的第二个项目是Selenium Grid。Philippe Hanrigou在2008年开始开发这个项目。Selenium Grid是一组联网的主机，为Selenium WebDriver提供浏览器基础设施。这个基础结构使Selenium WebDriver脚本能够在多个操作系统的不同性质（类型和版本）的远程浏览器中（并行）执行。

网格的中心入口是Hub（也被称为Selenium服务器）。这个服务器端的组件保持对节点的跟踪，并代理来自Selenium脚本的请求。和Selenium WebDriver一样，W3C WebDriver规范是这些脚本和Hub之间通信的标准协议。Selenium 4提供了完全分布式的Selenium Grid。这种架构实现了先进的负载平衡机制，以避免任何组件过载。

Selenium IDE

Shinya Kasatani在2006年创建了这个项目。Selenium IDE是记录和回放（R&P）自动化技术的工具。首先，在Selenium IDE中，记录部分捕获用户与浏览器的互动，将这些动作编码为Selenium命令。第二，我们使用生成的Selenium脚本来自动执行浏览器会话（回放）。

这个早期版本的Selenium IDE是一个Firefox插件，嵌入了Selenium Core来记录、编辑和播放Selenium脚本。这些早期版本是XPI模块（即用于创建Mozilla扩展的技术）。从55版（2017年发布）开始，火狐浏览器将对附加组件的支持迁移到了W3C浏览器扩展规范。因此，Selenium IDE被停用了，有一段时间无法使用它。Selenium团队按照浏览器扩展的建议重写了Selenium IDE，以解决这个问题。得益于此，我们现在可以在多个浏览器中使用Selenium IDE，如Chrome、Edge和Firefox。

使用这个GUI，用户可以记录与浏览器的交互，编辑和执行生成的脚本。Selenium IDE将每个交互编码为不同的部分：命令（即在浏览器中执行的动作）、目标（即网络元素的定位器）和值（即处理的数据）。当然，我们也可以包括对命令的描述。Selenium IDE基于Electron。Electron是基于Chromium和Node.js的开源框架，允许桌面应用开发。

Selenium 生态系统

• API

Selenium项目为Selenium WebDriver维护着各种语言绑定：
Python、Java、JavaScript、Ruby和C#。

• 驱动

• 定位器工具

Selenium WebDriver API提供了不同的方法来定位Web元素（见第三章）：通过属性（id、name或class），通过链接文本（完整或部分），通过标签名称，通过CSS（层叠样式表）选择器，或通过XML路径语言（XPath）。特定的工具可以帮助识别和生成这些定位器。

• 框架

python中有不少库对selenium进行了扩展，以下是一部分

https://github.com/mherrmann/selenium-python-helium
https://github.com/seleniumbase/SeleniumBase
https://github.com/cobrateam/splinter

• 浏览器基础设施

我们可以用Selenium WebDriver来控制安装在运行WebDriver脚本的机器上的本地浏览器。同时，Selenium WebDriver可以驱动远程网络浏览器（即在其他主机上执行的浏览器）。在这种情况下，我们可以使用Selenium Grid来支持远程浏览器的基础设施。尽管如此，这种基础设施在创建和维护方面可能具有挑战性。

另外，我们也可以使用云提供商，将支持浏览器基础设施的责任外包出去。在Selenium生态系统中，云提供商是为自动测试提供管理服务的公司或产品。这些公司通常提供网络和移动测试的商业解决方案。云提供商的用户要求按需提供不同类型、版本和操作系统的浏览器。此外，这些供应商通常提供额外的服务，以缓解测试和监测活动，如访问会话记录或分析能力，仅举几例。现在与Selenium最相关的一些云供应商是Sauce Labs、BrowserStack、LambdaTest、CrossBrowserTesting、Moon Cloud、TestingBot、Perfecto或Testinium。

另一个我们可以用来支持Selenium的浏览器基础设施的解决方案是Docker。Docker是一种开源软件技术，允许用户将应用程序打包并作为轻量级、可移植的容器运行。Docker平台有两个主要组成部分：Docker引擎：用于创建和运行容器的工具，以及Docker Hub：用于分发Docker镜像的云服务。在Selenium领域，我们可以使用Docker来打包和执行容器化浏览器。表1-6列出了在Selenium生态系统中使用Docker的相关项目的摘要。

• 社区

由于其协作的性质，软件开发需要许多参与者的组织和互动。在开放源码领域，我们可以通过社区的相关性来衡量一个项目的成功。Selenium得到了全世界许多不同参与者的大型社区的支持。