通过源码看原理之 selenium

# selenium的历史
1. 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。
2. 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。

## 代码与webdriver的交互
以下python为例

```python
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。


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

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：
```python
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。


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：
```python
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
```python
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**。
```python
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**