WebDriver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nativa 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，他们都实现了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。
WebDriver Wire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localhost:7055开始，⽽ChromeDriver则⼤概是localhost:46350之类的。接下来，我们调⽤WebDriver的任何API，都需要借助⼀个CommandExecutor发送⼀个命令，实际上是⼀个HTTP request给监听端⼝上的webservice。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）不能直接和浏览器通信，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）创建⼀个session，在该session中通过http请求向webservice发送restful的请求，we
bservice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。
摘⾃官⽹对于chrome driver的描述：
The ChromeDriver consists of three seperate pieces. There is the browser itself("chrome"), the language bindings provided by the Selenium project("the driver") and an executable downloaded from the Chromium proejct which acts as a bridge between "chrome" and the "driver". This executable is called "chromedriver", but we'll try and refer to it as the "server" in this page to reduce confusion.
⼤概意思就是我们下载的chrome可执⾏⽂件(.exe) 是为作为浏览器与client(language binding)桥梁的作⽤，也更印证了对于
webservice(driver)的理解。
举个实际的例⼦：
WebDriver driver = new FirefoxDriver();
浏览web是什么意思
<('le");
在执⾏('le")；这句代码时，client也就是我们的测试代码向webservice(remote server)发送了如下的请求：
POST session/285b12e4-2b8a-4fe6-90e1-c35cba245956/url
post_data{"url":"google"}
通过POST的⽅式请求localhost:port/hub/session/session_id/url地址，请求浏览器完成跳转url的操作。
如果上述请求是可接受的，或者说web service是实现了这个接⼝，那么web service会跳转到该post data包含的url，并返回如下的response：
{"name":"get", "sessionid":"285b12e4-2b8a-4fe6-90e1-c35cba245956","status":0,"value":""}
该response中包含如下信息
name: web service端的实现的⽅法的名称，这⾥是get，表⽰跳转到指定url；
sessionid：当前session的id；
status：请求执⾏的状态码，⾮0表⽰未正确执⾏，这⾥是0，表⽰⼀切ok不必担⼼；
value：请求的返回值，这⾥返回值为空，如果client调⽤title接⼝，则该值应该是当前页⾯的title；
如果client发送的请求是定位某个特定的页⾯元素，则response的返回值可能是这样的：
{"name":"findElement","sessionId":"285b12e4-2b8a-4fe6-90e1-c35cba245956","status":0,"value":{"ELEMENT":"{2192893e-f260-44c4-bdf6-7aad3c919739}"}}
name，sessionid，status跟上⾯的例⼦是差不多的，区别是该请求的返回值是ELEMENT:{2192893e-f260-44c4-bdf6-7aad3c919739}，表⽰定位到元素的id，通过该id，client可以发送如click之类的请求与server端进⾏交互。
下图表⽰了各种webdriver的⼯作原理
从上图我们可以看出，不同浏览器的webdriver⼦类，都需要依赖特定的浏览器原⽣组件，例如运⾏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：
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：
PS：如果想更深⼊的了解WebDriver的架构，可以参考该⽂章。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。