Airtest+Selenium自动化测试实战：从零搭建混合模式脚本

1. 项目概述：为什么选择Airtest+Selenium组合拳？

如果你刚接触自动化测试，面对一堆工具名词可能有点懵：Selenium我知道，是Web自动化的老大哥，那Airtest又是什么？为什么要把它们俩放一起？这恰恰是这个方案的精妙之处。我最初接触自动化时，也走过弯路，要么用纯Selenium写脚本，调试起来像在走钢丝，一个元素定位失败就全盘卡住；要么用一些录制工具，生成的代码像天书，维护成本极高。直到我发现了Airtest-Selenium这个“缝合怪”，才感觉找到了新手和老手都能上手的平衡点。

简单来说，Airtest是一个由网易开源的、基于图像识别的自动化测试框架，它的核心优势是“所见即所得”——你不用太关心网页背后复杂的HTML结构，直接对屏幕上看到的按钮、输入框截图，它就能帮你点进去、输入文字。这对0基础的朋友极其友好，大大降低了门槛。而Selenium则是Web自动化领域的标准，它通过直接操作浏览器驱动，能精准地控制网页元素，执行复杂的逻辑判断，是自动化测试稳定性和深度的保证。把它们结合起来，就像是给汽车装上了自动驾驶（Airtest的图像识别）和手动驾驶（Selenium的代码控制）两套系统，你可以根据路况随时切换，既保证了易用性，又不失灵活性。

这次我们以Firefox浏览器为目标，一是因为它对WebDriver协议支持非常标准，环境配置相对简单；二是在某些特定场景（如测试浏览器插件、兼容性测试）下，Firefox是必不可少的。这个教程的目标，就是让你在完全不懂代码的情况下，也能搭建起环境，并成功运行第一个自动化测试脚本，感受“机器帮你点点点”的魔力。

2. 环境搭建与工具安装：从零开始的避坑指南

万事开头难，自动化测试的第一步——环境搭建，就劝退了不少人。网上教程很多，但版本冲突、路径问题、驱动不对应等坑一个接一个。下面我结合自己踩过的所有坑，给你梳理一条最清晰的路径。我们的核心是安装三个东西：Python、Airtest-Selenium库、Firefox浏览器及其驱动。

2.1 Python环境安装与配置

Python是我们的脚本运行环境。别怕，安装它比装一个游戏还简单。

1. 下载安装：直接访问Python官网，下载最新的稳定版（比如3.10或3.11）。安装时，务必勾选“Add Python to PATH”这个选项。这是最重要的一步，勾选后系统才能识别python命令。很多新手卡住，就是因为没勾这个。
2. 验证安装：安装完成后，打开命令行（Windows按Win+R，输入cmd；Mac打开终端）。输入python --version并回车。如果显示类似“Python 3.10.0”的版本号，恭喜你，第一步成功了。如果提示“不是内部或外部命令”，那就需要手动添加环境变量，具体路径在你安装Python的目录下。

注意：不建议安装太新的Python版本（如3.12+），因为一些库的兼容性可能还没跟上。选择3.8-3.11之间的版本最为稳妥。

2.2 安装Airtest-Selenium与Selenium库

有了Python，安装库就一行命令的事。但这里有个关键点：我们不是安装airtest，而是安装airtest-selenium。它封装了Selenium，并加入了Airtest的图像识别能力。

继续在刚才的命令行里，输入以下命令：

pip install airtest-selenium

这条命令会自动安装airtest-selenium以及它所依赖的selenium库。pip是Python的包管理工具，安装时可能会因为网络问题慢或失败，可以尝试在后面加上-i https://pypi.tuna.tsinghua.edu.cn/simple来使用国内镜像加速。

安装完成后，可以输入pip list查看已安装的包，确认能看到airtest-selenium和selenium。

2.3 Firefox浏览器与GeckoDriver驱动部署

这是最容易出错的一步。Selenium控制浏览器，需要一个“翻译官”，这就是浏览器驱动（Driver）。

1. 安装Firefox浏览器：如果你没有，去Mozilla官网下载并安装最新稳定版的Firefox。记住它的安装位置（通常不需要特别记住，但知道没坏处）。
2. 下载GeckoDriver：这是Firefox的驱动。前往GeckoDriver的GitHub发布页。关键来了：驱动版本必须和你的Firefox浏览器大版本号匹配！比如你安装了Firefox 115，就去找支持Firefox 115的GeckoDriver版本。下载对应你操作系统的文件（Windows是.zip，Mac是.tar.gz）。
3. 配置GeckoDriver：
   • 简单方法（推荐给新手）：将下载解压后得到的geckodriver.exe（Windows）或geckodriver（Mac/Linux）文件，直接扔到Python的安装目录下（和python.exe在同一文件夹）。因为Python安装目录通常已在系统PATH中，这样Selenium就能自动找到它。
   • 标准方法：将geckodriver所在目录的路径，添加到系统的环境变量PATH中。具体操作可以搜索“如何添加环境变量”，不同系统略有不同。

验证驱动是否可用：打开命令行，输入geckodriver --version。如果能看到版本信息输出，说明驱动配置成功。如果提示命令找不到，请检查上述路径配置。

3. 第一个脚本：从图像识别开始感受自动化

环境齐备，我们来写第一个真正意义上的自动化脚本。这个脚本的目标是：打开百度首页，在搜索框输入“自动化测试”，然后点击搜索按钮。我们将先用Airtest最核心的图像识别功能来实现，让你直观感受它的便利。

创建一个新的文本文件，将其后缀改为.py，例如first_test.py。用任何文本编辑器（推荐VSCode、Sublime Text甚至记事本）打开它，输入以下代码：

from airtest_selenium.proxy import WebFirefox from airtest.core.api import * # 1. 创建一个WebFirefox对象，这会启动Firefox浏览器 driver = WebFirefox() # 2. 设置浏览器窗口最大化，并访问百度 driver.maximize_window() driver.get("https://www.baidu.com") # 3. 使用Airtest的图像识别功能定位搜索框并输入文字 # touch()函数用于点击或定位图片。这里我们传入一张搜索框的截图。 # 你需要先对百度首页的搜索框进行截图，保存为“search_box.png”，并放在与脚本同目录下。 touch(Template(r"search_box.png")) # 在定位到的位置输入文字 text("自动化测试") # 4. 同样，对“百度一下”按钮截图，保存为“search_button.png”，并点击 touch(Template(r"search_button.png")) # 5. 等待几秒，看看搜索结果页面 sleep(5) # 6. 关闭浏览器 driver.quit()

代码解读与实操要点：

• WebFirefox()：这是airtest-selenium提供的类，它初始化了一个同时支持Selenium操作和Airtest图像识别的Firefox浏览器对象。
• driver.get()：这是标准的Selenium方法，用于跳转到指定网址。
• touch(Template(...))：这是Airtest的“灵魂”。Template对象封装了一张图片。touch命令会在当前屏幕上寻找与这张图片最匹配的区域，然后执行点击操作。如果只是定位（像搜索框那样），它会把光标移过去。
• text()：在当前位置输入文本。

关键步骤——截图：

1. 运行上述脚本前，先手动打开Firefox，访问www.baidu.com。
2. 使用系统自带的截图工具（如Windows的Snipping Tool），精确地截取搜索框的区域，尽量只包含输入框本身，背景干净。保存为search_box.png，放在你的Python脚本同一个文件夹里。
3. 同样，截取“百度一下”按钮，保存为search_button.png。

运行脚本：在命令行中，切换到你的脚本所在目录，输入python first_test.py。你会看到Firefox自动打开，访问百度，自动在搜索框输入文字并点击搜索。整个过程，我们一行HTML代码都没分析，全靠“看图操作”。

实操心得：图像识别的优势是直观、抗前端微小改动（比如CSS样式变了但按钮样子没变）。但它的缺点是速度相对慢一点，且受屏幕分辨率、缩放比例影响。截图时务必保证运行脚本时的浏览器状态（页面缩放比例、窗口大小）与截图时尽量一致。

4. 深入Selenium：元素定位与稳健操作

纯靠图像识别，遇到复杂逻辑或需要获取页面数据时就力不从心了。这时就需要祭出Selenium的看家本领——元素定位。Selenium提供了多达8种定位元素的方法，我们掌握最常用的3-4种就足以应对90%的场景。

让我们改造上面的脚本，用Selenium的方式实现同样的功能：

from airtest_selenium.proxy import WebFirefox from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Keys import time driver = WebFirefox() driver.maximize_window() driver.get("https://www.baidu.com") # 方法1：通过ID定位。查看百度首页搜索框的HTML，会发现它有 id="kw" search_box = driver.find_element(By.ID, "kw") # 找到元素后，清空（防止有默认文本），然后输入内容 search_box.clear() search_box.send_keys("自动化测试") # 方法2：通过CSS_SELECTOR定位“百度一下”按钮。它的id是“su” search_button = driver.find_element(By.CSS_SELECTOR, "#su") search_button.click() # 或者，方法3：在搜索框输入后直接按回车键，无需定位按钮 # search_box.send_keys(Keys.RETURN) time.sleep(5) driver.quit()

元素定位方法详解：

• By.ID：通过HTML元素的id属性定位。id通常是唯一的，定位速度最快，首选。
• By.NAME：通过name属性定位。
• By.CLASS_NAME：通过class属性定位。注意，一个元素可能有多个class。
• By.CSS_SELECTOR：通过CSS选择器定位，功能非常强大灵活。#su表示选择id="su"的元素。
• By.XPATH：通过XML路径定位，功能最强大但也最复杂，可以在没有id、class时使用，但性能稍差。

如何查看元素属性？ 在浏览器页面按F12打开开发者工具，点击左上角的箭头图标，然后去点击页面上的元素（如搜索框），开发者工具就会自动定位到对应的HTML代码，里面就能看到id、class、name等属性。

注意事项：find_element只返回找到的第一个匹配元素。如果页面上有多个相同特征的元素，请使用find_elements（返回列表）或更精确的选择器。元素定位是自动化测试稳定的基石，定位不准，后续所有操作都会失败。

5. 混合模式实战：图像识别与代码控制的完美配合

纯粹的图像识别或纯粹的代码控制都不是最优解。真正的效率来自于“混合模式”：在常规流程中用稳定的Selenium代码，在那些难以定位、动态变化或者需要视觉确认的地方，用Airtest的图像识别来辅助。

场景：测试一个购物网站，需要登录。登录按钮很容易用By.ID定位。但登录后，页面上可能会弹出一个随机的、非HTML元素构成的图形验证码，或者一个动态的欢迎提示浮层。这时，Selenium就无能为力了。

混合模式脚本示例：

from airtest_selenium.proxy import WebFirefox from selenium.webdriver.common.by import By from airtest.core.api import * import time driver = WebFirefox() driver.get("你的购物网站登录页URL") # --- 第一部分：使用Selenium完成稳定操作 --- # 定位用户名、密码输入框并输入 username = driver.find_element(By.ID, "username") password = driver.find_element(By.ID, "password") username.send_keys("your_username") password.send_keys("your_password") # 定位并点击登录按钮（假设是标准HTML按钮） login_button = driver.find_element(By.CSS_SELECTOR, ".login-btn") login_button.click() time.sleep(2) # 等待页面跳转或弹窗出现 # --- 第二部分：使用Airtest处理非标准或动态内容 --- # 情况1：处理图形验证码弹窗（假设弹窗关闭按钮是张图片） try: # 尝试用Selenium定位关闭按钮，如果找不到（可能是图片），则捕获异常 close_btn = driver.find_element(By.CLASS_NAME, "close-modal") close_btn.click() except: # 使用Airtest图像识别来点击关闭按钮的截图 # 你需要事先截好弹窗关闭按钮的图，保存为 close_popup.png touch(Template(r"close_popup.png")) print("使用图像识别关闭了弹窗。") # 情况2：登录成功后，需要视觉确认某个元素（如用户头像）出现 # 截图保存用户头像区域为 avatar.png if exists(Template(r"avatar.png")): print("登录成功，用户头像已显示！") else: print("登录可能失败，未检测到头像。") # 可以在这里加入失败处理逻辑，比如截图保存错误现场 driver.save_screenshot("login_failed.png") # --- 继续后续的Selenium自动化操作 --- # 例如，去搜索商品 search_input = driver.find_element(By.ID, "search") search_input.send_keys("手机") search_input.submit() time.sleep(3) driver.quit()

混合模式的优势：

1. 稳定性：核心流程（输入、点击标准按钮）用Selenium，不受UI样式微小变化影响。
2. 灵活性：应对弹窗、验证码、Flash组件等“代码盲区”时，图像识别是最后的保障。
3. 可维护性：大部分逻辑是结构化的代码，易于阅读和修改。图像识别作为补充，只在必要时使用。

实操心得：在项目中，我会为常见的非标准弹窗、广告位、验证码区域建立专门的“图片库”。当Selenium脚本运行失败时，会触发一个“图像救援”流程，尝试用预存的图片去识别并处理这些干扰项。这大大提高了自动化脚本的健壮性。

6. 核心技巧与最佳实践：让你的脚本更健壮

写一个能跑的脚本不难，写一个能在各种环境下稳定运行的脚本才是本事。下面这些技巧，是我在无数个调试的夜晚总结出来的。

6.1 智能等待：告别sleep的笨办法

新手最爱用time.sleep(10)，这是万恶之源。网络慢一点、电脑卡一点，10秒可能不够；网络快，10秒又纯属浪费。Selenium提供了两种智能等待：

• 隐式等待：driver.implicitly_wait(10)。设置后，在查找任何元素时，如果立即没找到，WebDriver会轮询DOM最多10秒，一旦找到就继续。这是一个全局设置。
• 显式等待：更精确、更推荐。它可以等待某个特定条件成立（如元素可见、可点击、包含特定文本）。

from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC # 等待“百度一下”按钮可见并可点击，最多等10秒 wait = WebDriverWait(driver, 10) search_button = wait.until(EC.element_to_be_clickable((By.ID, "su"))) search_button.click()

最佳实践：在脚本开头设置一个较短的隐式等待（如5秒），作为安全网。在关键操作（如点击一个需要加载的按钮后跳转）前，使用显式等待，条件更精确。

6.2 异常处理与日志记录

脚本不可能永远成功。网络中断、元素变更、页面加载超时都会导致失败。好的脚本要能“优雅地失败”，并告诉你为什么。

import logging from selenium.common.exceptions import NoSuchElementException, TimeoutException logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s') try: element = driver.find_element(By.ID, "nonExistentId") element.click() except NoSuchElementException: logging.error("未找到ID为'nonExistentId'的元素，页面结构可能已变更。") driver.save_screenshot("error_screenshot.png") # 保存现场截图 except TimeoutException: logging.warning("操作超时，请检查网络或服务器状态。") except Exception as e: logging.critical(f"发生未知错误: {e}") finally: # 无论成功失败，最后都尝试关闭浏览器 if driver: driver.quit()

6.3 页面对象模型（POM）设计模式初探

当测试用例越来越多，你会发现同样的元素定位代码散落在各个脚本里，一旦页面改了一个id，你需要修改所有脚本。POM就是为了解决这个问题：将页面元素定位和页面操作封装成单独的类。

# login_page.py - 登录页面对象类 class LoginPage: def __init__(self, driver): self.driver = driver self.username_input = (By.ID, "username") self.password_input = (By.ID, "password") self.login_button = (By.CSS_SELECTOR, ".login-btn") def enter_username(self, username): self.driver.find_element(*self.username_input).send_keys(username) def enter_password(self, password): self.driver.find_element(*self.password_input).send_keys(password) def click_login(self): self.driver.find_element(*self.login_button).click() # 在你的测试脚本中 from login_page import LoginPage driver = WebFirefox() login_page = LoginPage(driver) driver.get("登录页URL") login_page.enter_username("test_user") login_page.enter_password("test_pass") login_page.click_login()

这样做的好处是，如果登录页面的id变了，你只需要修改LoginPage这个类里的一个地方，所有用到这个页面的测试脚本都自动生效。这是迈向编写可维护、大型自动化测试套件的重要一步。

7. 常见问题排查与调试技巧实录

即使按照教程一步步来，你也可能会遇到问题。下面是我整理的“故障排除清单”，覆盖了90%的常见错误。

调试技巧：

• 多用screenshot：在关键步骤前后，特别是失败前，使用driver.save_screenshot(“step1.png”)保存截图，能帮你直观看到当时的页面状态。
• 打印信息：多用print()输出当前URL、元素属性等信息。
• 手动复现：遇到问题时，尝试手动操作一遍，观察页面是否有异步加载、弹窗、重定向等意外行为。
• 降低速度：在开发调试阶段，可以在操作之间加入time.sleep(1)，让你能看清自动化过程，便于定位问题。

走到这里，你已经从一个对自动化测试一无所知的新手，变成了一个能够搭建环境、编写混合模式脚本、并具备基本排查能力的实践者。这套Airtest-Selenium的组合，为你打开了一扇门。接下来，你可以尝试用它们去自动化你日常工作中那些重复的网页操作，比如数据抓取、报表生成、定期巡检等。记住，所有复杂的自动化项目，都是由一个个像“打开百度并搜索”这样的小脚本组合而成的。