前几天有同学问到selenium是怎么样启动浏览器的(selenium启动浏览器的原理)，当时稍微讲解了一下，不过自我感觉不够具体，现在特地把启动原理通过代码和一系列操作给串联起来，希望可以帮助大家更好的理解。

以chrome浏览器为例，selenium启动chrome浏览器的代码如下：

其中跟浏览器启动密切相关的是这几句

self.service = Service(
    executable_path,
    port=port,
    service_args=service_args,
    log_path=service_log_path)self.service.start()

通过查看跟Service相关的代码复盘得到启动逻辑: 调用chromedriver可执行文件运行chromedirver。这也是为什么我们需要把chromedriver放到系统PATH里的原因。

所以selenium先启动了chromedriver。当然，我们可以手工启动chromedriver来模拟这个启动过程。

在命令行中运行下面的命令chromedirver

你应该可以看来类似的结果

Starting ChromeDriver 2.38.552518 (183d19265345f54ce39cbb94cf81ba5f15905011) on port 9515Only local connections are allowed.

这样我们就手工启动了chromedriver。driver监听的端口是9515.

启动了driver之后，我们需要告诉driver打开浏览器。selenium的源码里这一过程如下

def start_session(self, capabilities, browser_profile=None):
        """        Creates a new session with the desired capabilities.        :Args:         - browser_name - The name of the browser to request.         - version - Which browser version to request.         - platform - Which platform to request the browser on.         - javascript_enabled - Whether the new session should support JavaScript.         - browser_profile - A selenium.webdriver.firefox.firefox_profile.FirefoxProfile object. Only used if Firefox is requested.        """
        if not isinstance(capabilities, dict):            raise InvalidArgumentException("Capabilities must be a dictionary")        if browser_profile:            if "moz:firefoxOptions" in capabilities:
                capabilities["moz:firefoxOptions"]["profile"] = browser_profile.encoded            else:
                capabilities.update({'firefox_profile': browser_profile.encoded})
        w3c_caps = _make_w3c_caps(capabilities)
        parameters = {"capabilities": w3c_caps,                      "desiredCapabilities": capabilities}
        response = self.execute(Command.NEW_SESSION, parameters)        if 'sessionId' not in response:
            response = response['value']        self.session_id = response['sessionId']        self.capabilities = response.get('value')        # if capabilities is none we are probably speaking to
        # a W3C endpoint
        if self.capabilities is None:            self.capabilities = response.get('capabilities')        # Double check to see if we have a W3C Compliant browser
        self.w3c = response.get('status') is None
        self.command_executor.w3c = self.w3c

这一过程的核心就是就是向localhost:9515/session发送1个POST请求，并发送1个json对象，默认情况下，这个对象应该是下面这个样子。

{
    "capabilities": {
        "alwaysMatch": {
            "browserName": "chrome",
            "goog:chromeOptions": {
                "args": [],
                "extensions": []
            },
            "platformName": "any"
        },
        "firstMatch": [
            {}
        ]
    },
    "desiredCapabilities": {
        "browserName": "chrome",
        "goog:chromeOptions": {
            "args": [],
            "extensions": []
        },
        "platform": "ANY",
        "version": ""
    }
}

简单理解就是告诉remote driver打开什么浏览器，上面的例子里我们打开的是chrome浏览器。

我们可以手工还原这个过程。

确保chromedriver是在运行中的，然后打开postman，构造1个POST请求，路径是localhost:9515/session。在Body里选择raw和JSON(application/json), 贴入上面的json字符串，如下图所示

点击send，几秒之后chrome浏览器应该可以正常启动，并且postman的response里会有大致如下的返回值

{
    "sessionId": "ad4407e133cfd5f3f49bff4c2f1f087a",
    "status": 0,
    "value": {
        "acceptInsecureCerts": false,
        "acceptSslCerts": false,
        "applicationCacheEnabled": false,
        "browserConnectionEnabled": false,
        "browserName": "chrome",
        "chrome": {
            "chromedriverVersion": "2.38.552518 (183d19265345f54ce39cbb94cf81ba5f15905011)",
            "userDataDir": "/var/folders/s6/f2_brc114wv2g8w0qggk_m2c0000gn/T/.org.chromium.Chromium.NMsAKJ"
        },
        "cssSelectorsEnabled": true,
        "databaseEnabled": false,
        "handlesAlerts": true,
        "hasTouchScreen": false,
        "javascriptEnabled": true,
        "locationContextEnabled": true,
        "mobileEmulationEnabled": false,
        "nativeEvents": true,
        "networkConnectionEnabled": false,
        "pageLoadStrategy": "normal",
        "platform": "Mac OS X",
        "rotatable": false,
        "setWindowRect": true,
        "takesHeapSnapshot": true,
        "takesScreenshot": true,
        "unexpectedAlertBehaviour": "",
        "version": "66.0.3359.181",
        "webStorageEnabled": true
    }
}

上面的返回里最重要的就是sessionId，因为后面所有跟浏览器的交互都是基于该id进行的。

总结

• selenium里，selenium client先打开chromedriver

• chromedirver创建session时打开了浏览器，所以浏览器的打开跟selenium无关，完全是chromedriver的能力

更多

其实上面的例子里我们手工调用了webdriver协议里的new session协议，创建了webdriver session。具体的细节大家可以参考协议了解更多。

原文出处