WebDriver的工作原理

2022-03-12 04:32:18

今天QQ群有个朋友说，他现在对webdriver的使用已经比较熟悉了，但是对于webdriver的工作原理还不是太了解。我觉得他的这些话说出一些的人的心声。大家想下如果在你面试的时候面试官问你这个问题的话，你会怎么回答呢？希望大家看了我下面写的文章会有所理解，并且会很顺利的回答出来。

下面详细的阐述下WebDriver的工作原理：

在我们new一个WebDriver的过程中，Selenium首先会确认浏览器的native component是否存在可用而且版本匹配。接着就在目标浏览器里启动一整套Web Service(实际上就是浏览器厂商提供的driver, 比如IEDriver, ChromeDriver，它们都实现了WebDriver‘s wire protocol.)，这套Web Service使用了Selenium自己设计定义的协议，名字叫做The WebDriver Wire Protocol。这套协议非常之强大，几乎可以操作浏览器做任何事情，包括打开、关闭、最大化、最小化、元素定位、元素点击、上传文件等等等等。

WebDriver Wire协议是通用的，也就是说不管是FirefoxDriver还是ChromeDriver，启动之后都会在某一个端口启动基于这套协议的Web Service。例如FirefoxDriver初始化成功之后，默认会从http://localhost:7055开始，而ChromeDriver则大概是http://localhost:46350之类的。接下来，我们调用WebDriver的任何API，都需要借助一个ComandExecutor发送一个命令，实际上是一个HTTP request给监听端口上的Web Service。在我们的HTTP request的body中，会以WebDriver Wire协议规定的JSON格式的字符串来告诉Selenium我们希望浏览器接下来做什么事情。

可以更通俗的理解：由于客户端脚本(java, python, ruby)不能直接与浏览器通信，这时候可以把WebService当做一个翻译器，它可以把客户端代码翻译成浏览器可以识别的代码(比如js).客户端(也就是测试脚本)创建1个session，在该session中通过http请求向WebService发送restful的请求，WebService翻译成浏览器懂得脚本传给浏览器，浏览器把执行的结果返回给WebService,WebService把返回的结果做了一些封装(一般都是json格式)，然后返回给client,根据返回值就能判断对浏览器的操作是不是执行成功

下图表示了各种WebDriver的工作原理

WebDriver的工作原理

从上图中我们可以看出，不同浏览器的WebDriver子类，都需要依赖特定的浏览器原生组件，例如Firefox就需要一个add-on名字叫webdriver.xpi。而IE的话就需要用到一个dll文件来转化Web Service的命令为浏览器native的调用。另外，图中还标明了WebDriver Wire协议是一套基于RESTful的web service

关于WebDriver Wire协议的细节，比如希望了解这套Web Service能够做哪些事情，可以阅读Selenium官方的协议文档，在Selenium的源码中，我们可以找到一个HttpCommandExecutor这个类，里面维护了一个Map<String, CommandInfo>，它负责将一个个代表命令的简单字符串key，转化为相应的URL，因为REST的理念是将所有的操作视作一个个状态，每一个状态对应一个URI。所以当我们以特定的URL发送HTTP request给这个RESTful web service之后，它就能解析出需要执行的操作。截取一段源码如下：

 1 .put(NEW_SESSION, post("/session"))  
 2         .put(QUIT, delete("/session/:sessionId"))  
 3         .put(GET_CURRENT_WINDOW_HANDLE, get("/session/:sessionId/window_handle"))  
 4         .put(GET_WINDOW_HANDLES, get("/session/:sessionId/window_handles"))  
 5         .put(GET, post("/session/:sessionId/url"))  
 6   
 7             // The Alert API is still experimental and should not be used.  
 8         .put(GET_ALERT, get("/session/:sessionId/alert"))  
 9         .put(DISMISS_ALERT, post("/session/:sessionId/dismiss_alert"))  
10         .put(ACCEPT_ALERT, post("/session/:sessionId/accept_alert"))  
11         .put(GET_ALERT_TEXT, get("/session/:sessionId/alert_text"))  
12         .put(SET_ALERT_VALUE, post("/session/:sessionId/alert_text"))

可以看到实际发送的URL都是相对路径，后缀多以/session/:sessionId开头，这也意味着WebDriver每次启动浏览器都会分配一个独立的sessionId，多线程并行的时候彼此之间不会有冲突和干扰。例如我们最常用的一个WebDriver的API，getWebElement在这里就会转化为/session/:sessionId/element这个URL，然后在发出的HTTP request body内再附上具体的参数比如by ID还是CSS还是Xpath，各自的值又是什么。收到并执行了这个操作之后，也会回复一个HTTP response。内容也是JSON，会返回找到的WebElement的各种细节，比如text、CSS selector、tag name、class name等等。以下是解析我们说的HTTP response的代码片段：

 1 try {
 2         response = new JsonToBeanConverter().convert(Response.class, responseAsText);
 3       } catch (ClassCastException e) {
 4         if (responseAsText != null && "".equals(responseAsText)) {
 5           // The remote server has died, but has already set some headers.
 6           // Normally this occurs when the final window of the firefox driver
 7           // is closed on OS X. Return null, as the return value _should_ be
 8           // being ignored. This is not an elegant solution.
 9           return null;
10         }
11         throw new WebDriverException("Cannot convert text to response: " + responseAsText, e);
12       } //...

WebDriver的工作原理

码农公寓

相关文章