WebDriver 原理 (zhuan)

from http://ziming.org/archives/7661.html#comment-6449

很好的 測試 blog

WebDriver與之前Selenium的JS注入實現不同，直接利用了瀏覽器native support來操作瀏覽器。所以對於不同平台，不同的瀏覽器，必須依賴一個特定的瀏覽器的native component來實現把WebDriver API的調用轉化為瀏覽器的native invoke。

在我們new一個WebDriver的過程中，Selenium首先會確認瀏覽器的native component是否存在可用而且版本匹配。接着就在目標瀏覽器里啟動一整套Web Service，這套Web Service使用了Selenium自己設計定義的協議，名字叫做The WebDriver Wire Protocol。這套協議非常之強大，幾乎可以操作瀏覽器做任何事情，包括打開、關閉、最大化、最小化、元素定位、元素點擊、上傳文件等等等等。

WebDriver Wire協議是通用的，也就是說不管是FirefoxDriver還是ChromeDriver，啟動之后都會在某一個端口啟動基於這套協議的Web Service。例如FirefoxDriver初始化成功之后，默認會從http://localhost:7055開始，而ChromeDriver 則大概是http://localhost:46350之類的。接下來，我們調用WebDriver的任何API，都需要借助一個ComandExecutor發送一個命令，實際上是一個HTTP request給46350端口上的Web Service。在我們的HTTP request的body中，會以WebDriver Wire協議規定的JSON格式的字符串來告訴Selenium我們希望瀏覽器接下來做什么事情。

不同瀏覽器的WebDriver子類，都需要依賴特定的瀏覽器原生組件，例如Firefox就需要一個add-on名字叫webdriver.xpi。而IE的話就需要用到一個dll文件來轉化Web Service的命令為瀏覽器native的調用。

關於WebDriver Wire協議的細節，比如希望了解這套Web Service能夠做哪些事情，可以閱讀Selenium官方的協議文檔， 在Selenium的源碼中，我們可以找到一個HttpCommandExecutor這個類，里面維護了一個Map， 它負責將一個個代表命令的簡單字符串key，轉化為相應的URL，因為REST的理念是將所有的操作視作一個個狀態，每一個狀態對應一個URI。所以當我 們以特定的URL發送HTTP request給這個RESTful web service之后，它就能解析出需要執行的操作。截取一段源碼如下：

nameToUrl = ImmutableMap.<String, CommandInfo>builder()  
        .put(NEW_SESSION, post("/session"))  
        .put(QUIT, delete("/session/:sessionId"))  
        .put(GET_CURRENT_WINDOW_HANDLE, get("/session/:sessionId/window_handle"))  
        .put(GET_WINDOW_HANDLES, get("/session/:sessionId/window_handles"))  
        .put(GET, post("/session/:sessionId/url"))  
 
         // The Alert API is still experimental and should not be used.  
        .put(GET_ALERT, get("/session/:sessionId/alert"))  
        .put(DISMISS_ALERT, post("/session/:sessionId/dismiss_alert"))  
        .put(ACCEPT_ALERT, post("/session/:sessionId/accept_alert"))  
        .put(GET_ALERT_TEXT, get("/session/:sessionId/alert_text"))  
        .put(SET_ALERT_VALUE, post("/session/:sessionId/alert_text"))

可以看到實際發送的URL都是相對路徑，后綴多以/session/:sessionId開頭，這也意味着WebDriver每次啟動瀏覽器都會分 配一個獨立的sessionId，多線程並行的時候彼此之間不會有沖突和干擾。例如我們最常用的一個WebDriver的 API，getWebElement在這里就會轉化為/session/:sessionId/element這個URL，然后在發出的HTTP request body內再附上具體的參數比如by ID還是CSS還是Xpath，各自的值又是什么。收到並執行了這個操作之后，也會回復一個HTTP response。內容也是JSON，會返回找到的WebElement的各種細節，比如text、CSS selector、tag name、class name等等。