python selenium 源码-杰瑞科技汇

Selenium 并不是一个单一的项目，而是一个包含多个组件的生态系统，它的 Python 绑定 (selenium) 只是其中的一部分。

（图片来源网络，侵删）

我们将从以下几个方面来解析其源码：

Selenium 生态系统概览：了解各个组件如何协同工作。
Python 绑定 (selenium) 的核心架构：分析 selenium 库的源码结构。
核心流程剖析：以 driver.get() 为例,看懂一次请求的完整生命周期。
WebDriver 协议：Python 库与浏览器驱动沟通的“普通话”。
如何阅读和调试源码：提供实用的方法。

Selenium 生态系统概览

要理解 Python Selenium 的源码，首先必须理解它的架构，Selenium 采用了客户端-服务器模型。

你的测试脚本 (Client):
- 这就是你用 Python (或 Java, C#, 等) 编写的自动化测试脚本。
- 它通过 selenium 这个 Python 库与 Selenium 的 WebDriver 协议进行交互。
WebDriver 绑定库:
（图片来源网络，侵删）
- 这就是 selenium Python 包本身，它不直接操作浏览器，而是： a. 将你的操作（如 find_element, click()）转换成标准的 JSON 命令。 b. 通过 HTTP 请求将这些命令发送给浏览器驱动。 c. 接收来自浏览器驱动的响应（如元素信息、执行结果）。
浏览器驱动:
- 这是真正的“翻译官”和“执行者”，每个浏览器都有自己的驱动（如 chromedriver, geckodriver）。
- 它是一个独立的小程序,你的测试脚本启动它。
- 它监听来自 selenium 库的 HTTP 请求。
- 它将这些 JSON 命令转换成浏览器可以理解的、底层的自动化 API 调用（在 Chrome 中是使用 Chrome DevTools Protocol）。
- 它执行命令，并将结果（如页面截图、元素属性）返回给 selenium 库。
浏览器:

最终的目标，它接收来自驱动的指令，并执行相应的操作（导航、点击、输入等）。

关键点：你的 Python 脚本 从不直接与浏览器通信，它始终通过浏览器驱动这个中间层,这就是为什么你需要为每个浏览器下载并配置对应的驱动程序。

（图片来源网络，侵删）

Python 绑定 (`selenium`) 的核心架构

selenium 库的源码在 GitHub 上是开源的：https://github.com/SeleniumHQ/selenium/tree/trunk/py

我们可以通过其目录结构来理解它的设计思想：

selenium/
├── __init__.py              # 包的入口点，导出最常用的类和函数
├── api/                     # 高级 API，我们日常使用的接口都在这里
│   ├── webelement.py        # WebElement 类，代表页面上的一个元素
│   └── webdriver.py         # WebDriver 类，代表整个浏览器会话
├── common/
│   ├── exceptions.py        # 定义了所有 Selenium 的异常类
│   ├── utils/               # 各种工具函数，如文件路径处理、等待等
│   └── ...                  # 其他通用组件
├── remote/
│   ├── webdriver.py         # **核心！** 远程 WebDriver 的实现
│   ├── connection.py        # **核心！** 处理与驱动的 HTTP 连接
│   └── webelement.py        # 远程 WebElement 的实现
└── ...

核心类解析

selenium.webdriver.remote.webdriver.WebDriver:
- 这是所有操作的起点，是我们最常接触的 driver 对象。
- 它负责管理整个会话的生命周期（start_session, quit）。
- 它提供了所有高级操作，如 get(), find_element(), execute_script() 等。
- 它内部持有一个 RemoteConnection 对象,用于与驱动通信。
selenium.webdriver.remote.connection.RemoteConnection:
- 这是通信层的核心，它封装了与浏览器驱动的所有 HTTP 交互。
- 它有一个 execute() 方法,这是将命令发送给驱动的底层方法。
- 它处理了请求的序列化（将 Python 对象转为 JSON）和响应的反序列化（将 JSON 转为 Python 对象）。
selenium.webdriver.remote.webelement.WebElement:
- 代表页面上的一个 DOM 元素。
- 它本身并不包含元素数据，而是通过 driver.execute() 向驱动发送命令，并附带一个 element ID（由驱动在 find_element 时返回）。
- 当你调用 element.text 时，它内部会向驱动发送一个 getElementText 命令，并附上这个元素的 ID。
selenium.webdriver.common.by.By:
- 一个简单的枚举类，定义了定位元素的方式（ID, XPATH, CSS_SELECTOR 等）。

核心流程剖析：`driver.get("https://www.google.com")`

让我们以最常用的 driver.get() 方法为例，追踪其源码执行流程，感受整个“客户端-驱动-浏览器”的交互过程。

步骤 1：你的 Python 脚本调用

from selenium import webdriver
driver = webdriver.Chrome()
driver.get("https://www.google.com") # <-- 调用这里

步骤 2：WebDriver.get() 方法 (在 selenium/webdriver/remote/webdriver.py) 当你调用 driver.get(url) 时，执行的是 WebDriver 类中的 get 方法。

# 简化后的源码
class WebDriver:
    # ...
    def get(self, url: str) -> None:
        """
        Loads a web page in the current browser session.
        """
        self.execute(Command.GET, {'url': url}) # <-- 关键！

可以看到，get 方法非常简洁，它只是调用了 self.execute() 方法,并传入了两个参数：

Command.GET：这是一个预定义的命令常量，代表“导航”操作。
{'url': url}：一个包含 URL 的字典,作为命令的参数。

步骤 3：execute() 方法 (在 selenium/webdriver/remote/webdriver.py 或 connection.py) execute() 方法是真正的核心,它负责与驱动通信。

# 简化后的源码
class WebDriver:
    # ...
    def execute(self, driver_command, params=None):
        """
        Sends a command to be executed by a command.CommandExecutor.
        """
        # self.command_executor 是一个 RemoteConnection 对象
        # 它负责实际的 HTTP 通信
        response = self.command_executor.execute(driver_command, params)
        # ... 处理响应，检查错误等 ...
        return response

这里，self.command_executor 通常就是 RemoteConnection 的一个实例,真正的执行被委托给了它。

步骤 4：RemoteConnection.execute() 方法 (在 selenium/webdriver/remote/connection.py) 这是将命令打包成 HTTP 请求并发送的地方。

# 简化后的源码
class RemoteConnection:
    # ...
    def execute(self, command, params=None):
        """
        Send a command to the remote server.
        """
        # 1. 准备请求体
        payload = {
            'url': self._url,  # 驱动的地址，如 'http://127.0.0.1:9515'
            'sessionId': self.session_id, # 当前会话的 ID
            'command': command, #  'get'
        }
        if params:
            payload['parameters'] = params #  {'url': 'https://www.google.com'}
        # 2. 序列化并发送 HTTP POST 请求
        response = self._request('POST', '/session/$sessionId/' + command_info[0], body=payload)
        # 3. 处理响应
        if response['status'] == 0:
            return response['value']
        else:
            # 抛出异常
            raise WebDriverException(response['value'], response['status'])

这个方法做了三件大事：

构建载荷：将命令名 (command)、参数 (params)、会话 ID (sessionId) 等信息打包成一个字典。
发送请求：通过 _request() 方法（内部使用 requests 库）向驱动发送一个 HTTP POST 请求，请求的 URL 类似于 http://127.0.0.1:9515/session/<session_id>/url。
处理响应：接收驱动的 JSON 响应，如果响应状态码不为 0（表示成功），则抛出异常；否则，返回响应体中的 value 字段。

步骤 5：浏览器驱动执行 chromedriver 接收到了这个 HTTP POST 请求，它解析出 url 参数，然后使用 Chrome 的自动化接口（通常是 CDP）让 Chrome 浏览器打开 https://www.google.com，完成后，chromedriver 会返回一个成功的 JSON 响应。

步骤 6：响应返回 RemoteConnection 收到响应，WebDriver.get() 方法执行完毕，你的 Python 脚本继续往下运行。

WebDriver 协议

从上面的流程可以看出，Python 库和驱动之间通过一套标准化的协议（WebDriver Protocol）通信，这个协议是基于 HTTP 和 JSON 的。

命令：如 get, findElement, click, executeScript 等。
端点：如 /session, /session/{sessionId}/element, /session/{sessionId}/element/{elementId}/click。
请求/响应格式：统一的 JSON 结构。

Selenium 的 Python 库实现了一套JSON Wire Protocol（较旧）和一套更现代的W3C WebDriver Protocol，现在默认使用 W3C 协议，你可以通过阅读 selenium/webdriver/remote/common/command.py 来看到所有支持的命令定义。

如何阅读和调试源码

安装源码：在你的虚拟环境中，使用 pip install -e . 的方式安装 selenium 的源码，这样你就可以在 IDE 中直接跳转到源码并进行调试。
```
git clone https://github.com/SeleniumHQ/selenium.git
cd selenium/trunk/py
pip install -e .
```
使用 IDE 调试：
- 在 VS Code 或 PyCharm 中,设置断点。
- 运行你的测试脚本。
- 当执行到断点时，单步步入 (Step Into)，你会清晰地看到调用栈如何从你的脚本一层层深入到 WebDriver -> execute -> RemoteConnection。

打印日志： Selenium 提供了强大的日志功能，可以让你看到所有发送给驱动的命令和接收到的响应,这对于调试非常有用。

from selenium import webdriver
import logging
# 配置日志
logging.basicConfig(level=logging.DEBUG)
logger = logging.getLogger('selenium.webdriver.remote.remote_connection')
logger.setLevel(logging.DEBUG)
# 创建驱动时传入服务日志
service = webdriver.chrome.service.Service(log_path='chromedriver.log')
driver = webdriver.Chrome(service=service)
# 现在运行你的脚本，你会在控制台看到详细的命令/响应日志
driver.get("https://www.example.com")
driver.find_element("id", "some-id").click()
driver.quit()

这些日志会精确显示 POST /session/... 请求的内容和 200 OK 响应的内容,让你能直接看到底层协议的交互。

理解 Selenium Python 库的源码，关键在于把握其分层架构和代理模式：

分层：高级 API (WebDriver, WebElement) -> 命令转换 -> HTTP 通信 (RemoteConnection)。
代理：selenium 库是用户的代理，而浏览器驱动是 selenium 库与浏览器之间的代理。

通过阅读源码，你会发现它设计得非常清晰和模块化。WebDriver 类关注“做什么”，而 RemoteConnection 类关注“怎么做”，这种解耦使得 Selenium 能够支持多种编程语言和多种浏览器。

python selenium 源码

Selenium 生态系统概览

Python 绑定 (`selenium`) 的核心架构

核心类解析

核心流程剖析：`driver.get("https://www.google.com")`

WebDriver 协议

如何阅读和调试源码

99ANYc3cd6

艾肯micu声卡调试步骤有哪些？

Java字符串如何转十六进制？

Unity3D小游戏教程从哪开始学？

CAD 2025教程电子书哪里找？

会声会影2025教程有哪些新功能？

Java Socket编程实例具体怎么实现？

Win10操作教程，从入门到精通怎么学？

Python pip安装opencv报错怎么办？

Spark MLlib与Python如何高效结合使用？

3ds破解版如何安装游戏？步骤详解

Java Web Server如何实现高效请求处理？

Python Tornado目录如何配置与使用？

python sip client

Python findall通配符有哪些具体用法？

python qt designer

Java Web开发从零开始怎么学？

python selenium 源码

Selenium 生态系统概览

Python 绑定 (selenium) 的核心架构

核心类解析

核心流程剖析：driver.get("https://www.google.com")

WebDriver 协议

如何阅读和调试源码

相关推荐

Java Socket编程实例具体怎么实现？

Python 绑定 (`selenium`) 的核心架构

核心流程剖析：`driver.get("https://www.google.com")`