基于Selenium開源庫實現Web頁面自動化的開發探析

doi：10.3969/J.ISSN.1672-7274.2025.06.024

中圖分類號：TP31 文獻標志碼：A

Exploration and Development ofWeb Page Automation Based on Selenium Open Source Library

LIU Bo （China Mobile Online Marketing Service Center Jiangxi Branch， Nanchang 3302oo， China）

Abstract： The article introduces the basic concept of RPA （Robotic Process Automation） automation and explores the development capabilities of Web automation processes using selenium open-source libraries on Windows and domestic systems （Kirin，UniTrust）.

Keywords：software development; RPA; processautomation; selenium

0 引言

RPA（RoboticProcessAutomation）是一種以軟件機器人及人工智能為基礎的業務過程自動化科技。它依據預先設定好的程序與現有系統進行交互，并完成預期的任務。RPA軟件能夠捕捉并模擬我們日常的鍵盤、鼠標操作等人機交互行為，如識別、觸發、通信、文本生成等任務，從而自動執行重復性的業務流程，RPA的優點包括減少人工錯誤、增強準確性、提高生產效率并降低成本，它能夠執行大量重復的、基于規則的工作流程任務。RPA應用領域包括財務會計、人力資源、采購、供應鏈管理等，如費用報銷、單據審核、人員入職、開具證明、訂單核對等流程。

分析目前市面上的RPA解決方案，從部署開發模式來說，一般是RPA設計器、RPA機器人運行客戶端、RPA機器人服務端。RPA設計器一般來說具有可視化的軟件圖形操作界面，在該軟件工具上設計流程后，配置在客戶端自動化軟件上運行，便可以模擬人類在軟件系統中交互的動作來執行業務流程。設計業務流程時，用已有的自動化操作組件搭建設計自動化流程，可以使用鼠標拉拽能力組件，編排設計出各種自動化的業務流程。對于復雜的業務邏輯，可嵌入腳本如python處理或者使用RPA設計器內置規定的語言開發處理。

RPA機器人服務端則是用來管控部署調度各個RPA機器人運行客戶端，比如，運行的觸發方式控制、部署方式云端還是本機、操作運行方式是有人值守還是無人值守、狀態監控及操作控制等。同時進行全流程管控，如需求管理、功能測試上線、用戶驗收等。

RPA機器人運行客戶端則是部署在實際生產終端上，加載運行設計器開發制定好的自動化流程，根據RPA機器人服務端調度處理業務。

費用方面需要購買RPA軟件許可證費用和RPA設計器相關費用。從開發使用體驗來講，稍微復雜的生產流程場景僅靠同的組件鼠標拖拉拽是幾乎無法完成，都需具備開發技能的人員使用RPA工具內特定的開發語言或者相關腳本進行編程開發，造成使用門檻較高，且開發體驗較差效率降低。

企業內部應用如果部署使用的是基于瀏覽器的B/S應用要實現Web瀏覽器自動化生產應用，想節省費用，同時想提升開發效率進行輕量級開發，經過探索分析，可采用selenuium開源庫結合目前的流行開發語言開發實現Web頁面自動化流程，selenium原本用于Web自動化測試化，可運行在各種類型的瀏覽器中，目前穩定版本為selenium3.0，可結合實現RPA類似功能，在Web瀏覽器的應用系統上解決并執行大量重復的、基于規則的工作流程任務，同時也節省相關RPA解決方案購買費用，開發體驗良好效率更高。

基于以上，具備開發技能的人員可以使用開源框架SeleniumWebDriver，編寫模仿用戶操作的操作流程腳本命令（java編寫），WebDrvier根據瀏覽器驅動直接調用Web瀏覽器，瀏覽器執行操作流程腳本，流程直接運行在瀏覽器中。實現瀏覽器自動化操作達到RPA自動化流程。從原理來說，RPA解決方案提供商也是采用了類似的開源框架，然后采用PYTHON或者C#等高級編程語言封裝開發。也可以達到RPA軟件相同效果，且開發自由度更大更靈活，開發效率更高。

下面分別介紹下Windows和國產系統下如何快速搭建基于SeleniumWeb瀏覽器自動化開發。

1 Windows環境下進行SeleniumWeb自動化開發

1.1開發環境搭建

條件具備下，最好是Windows11環境，這以谷歌瀏覽器為例，需安裝googlechrome瀏覽器，版本范圍為V82-V96（版本太新不支持，同時需禁止chrome自動升級），開發工具為VS.net2022，開發項目：C#+ winform開發，使用NuGet安裝Selenium相關庫文件，輸入selenium，查詢后安裝selenium.support、selenium.WebDriver，如圖1所示。

1.2啟動Web瀏覽器方式

這里有兩種模式，一個是用代碼啟動瀏覽器，另外一個先啟動瀏覽器，然后再通過代碼開發連接它實現自動化。

1.2.1代碼啟動瀏覽器

IWebDriver driver Σ=Σ new OpenQA.Selenium. Chrome.ChromeDriver;

//初始化谷歌瀏覽器對象，獲取到可以控制進行各種瀏覽器操作。

//如自動打開一個連接網址driver.Navigate.GoToUrl（“要打開的網址”）;

1.2.2先手工啟動谷歌瀏覽器，再用代碼連接

先建立一個臨時目錄如e：＼temp，然后建立谷歌瀏覽器的運行模式，端口為9222距離，用以下命令行啟動谷歌瀏覽器：

chrome.exe --remote-debugging-por t=9222 --user-data-dir \"E：＼temp\"

然后通過代碼連接端口之后就可以控制此瀏覽器：

public IWebDriver selenium;

ChromeOptions options Σ=Σ new ChromeOptions;

options.DebuggerAddress O= \"127.0.0.1：9222\";

selenium Σ= new ChromeDriver（options）;

連接到了瀏覽器，就可以進行尋找按鈕、文本等元素進行操作了。

（1）首先要看元素是不是在iframe里面，如果在，需要切換。

var framel Σ=Σ selenium.FindElement（By. XPath（\"/html/body/div[3]/iframe\"））;

selenium.SwitchTo.Frame（framel）;

（2）切換回來。

selenium.SwitchTo.DefaultContent;

（3）元素定位。

WebDriver對象的FindElement函數可用于定位一個頁面元素，可以根據id、name、Class、xpath、css方式、jQurey等方式定位，這里舉例xpath方式定位（其他定位方式詳情參考相關資料）。

如獲取文本框里面的值，一般采用xpath定位，在谷歌瀏覽器，F12打開調試模式，鼠標定位到需要定位的ui元素，右鍵，選擇CopyXpath，復制此原元素的xpath路徑。

var startime Σ=Σ selenium.FindElement（By. XPath（\"/html/body/div[1]/input\"））;

System.Threading.Thread.Sleep（500）;

然后獲取里面的內容startime.GetAttribute（\"value\"）

（4）按鈕點擊。

var findbutton τ=τ selenium.FindElement（By. XPath（\"/html/body/div[1]/div[2]/a\"））;

System.Threading.Thread.Sleep（500）;

findbutton.Click;

由于是操作Web頁面，打開頁面可能會因為網絡和系統加載問題會延時，如果此時去獲取元素頁面還沒打開，Web頁面元素會無法定位造成報錯失敗，所以每一步都需要加入延時操作。這里只是拋磚引玉，其他元素定位方法請參考相關文獻[]。

2國產系統環境下進行SeleniumWeb自動化開發

2.1開發環境搭建

這里介紹采用JDK1.8+selenium庫開發JAVAconsole工程實現（有條件開發JAVAUI界面，也可以用PYTHON，QT開發）。開發工具IntelliJIDEA2022。

（1）在PC上安裝jdk1.8版本（具體安裝部署可參考相關資料）。

（2）準備谷歌瀏覽器安裝（版本推薦V82-V96之間），安裝后，以麒麟系統為例，一般安裝在/opt/google/chrome目錄下。

（3）下載同版本的瀏覽器驅動文件chromedriver，放在/opt/google/chrome目錄下。

（4）新建javaconcole工程，pom.xml文件如下： org.seleniumhq.selenium selenium-java 3.141.59 org.seleniumhq.selenium selenium-api 3.141.59 org.seleniumhq.selenium selenium-chrome-driver 3.141.59

2.2啟動Web瀏覽器方式

打開終端，建立臨時目錄如/home/rpa/temp，輸入以下命令：

/opt/google/chrome/chrome --remote-debuggingport =9222 --user-data-dir =^′ /home/rpa/temp/\"

然后通過代碼連接獲取到ChromeDriver進行瀏覽器各種操作，更加靈活。

System.setProperty（\"webdriver.chrome.driver\" \"/opt/google/chrome/chromedriver\"）;

ChromeOptions option Σ= new ChromeOptions;

option.setExperimentalOption（\"debuggerAddre ss\"， \"127.0.0.1：9222\"）;

ChromeDriver driver Σ=Σ newChromeDriver （option）;

System.out.println（\"已經定位到\" + driver. getTitle;

元素界面定位方法和前面類似。

3 其他注意事項

3.1定位元素經常定位不到

一般有以下原因：Web頁面元素變化了導致xpath路徑變化、頁面由于網絡原因還沒加載出來定位找不到。第一種需要重新分析頁面元素，第二種原因可使用以下方法：

3.1.1顯示等待方式來判斷頁面元素是否存在

//這里以java為例，設定觸發條件的最長等待時間為3秒，

WebDriverWaitwait Σ=Σ newWebDriverWait （driver， 3）;

//判斷指定元素是否在頁面中等待3秒，如果超過3秒，則拋出異常

Wait.until（ExpectedConditions.presenceOfElementLocated（By.xpath（ id=＼\"istContainer＼\"]/div/div[2]/div[2]/span[1]\"）））;

或者加入延遲語句，等待元素加載出來再進行定位獲取。

3.1.2頁面元素明明在頁面存在但是無法定位

需要進行滾動條操作，將擋住的頁面元素顯示出來，再定位獲取此UI元素。可參考相關文獻[1]。

4 結束語

綜上所述，使用合適的開發編程語言再結合selenium開源庫可實現Web瀏覽器自動化操作實現RPA類似功能，開發過程不再局限且更加靈活更加高效，也可以節省相關購買RPA軟件費用。

參考文獻

[1]吳曉華，俞美玲SeleniumWebDriver3實戰寶典（java版）.北京：電子工業出版社，2019.