C++ 方向 Web 自动化测试入门指南:从概念到 Selenium 实战

C++ 方向 Web 自动化测试入门指南:从概念到 Selenium 实战
在这里插入图片描述

🔥草莓熊Lotso:个人主页
❄️个人专栏: 《C++知识分享》《Linux 入门到实践:零基础也能懂》
✨生活是默默的坚持,毅力是永久的享受!


🎬 博主简介:

在这里插入图片描述

文章目录


前言:

在软件测试领域,自动化测试是提升效率、保障版本迭代质量的核心手段。尤其对于 C++ 开发的后端服务及配套 Web 界面,Web 自动化测试能有效解决回归测试重复劳动、人工操作易出错等问题。本文将从自动化测试基础概念切入,聚焦 Web 自动化测试的核心原理与 Selenium 实战,帮你搭建一套可落地的 Web 自动化测试流程。
在这里插入图片描述

一. 自动化测试基础:先搞懂"为什么"和"做什么"

在学习 Web 自动化测试前,我们需要先明确自动化测的核心点定位,它并不可以完全“取代人工”而是帮助测试人员提高效率(主要体现在回归测试上),让测试人员将更多的精力投入到更复杂的测试中。

在这里插入图片描述

1.1 自动化测试的核心目标:回归测试

自动化测试的 主要价值 体现在回归测试场景:
当软件迭代新版本时,需验证新增功能未破坏历史功能(如 C++ 后端接口变更后,Web 界面的查询、提交功能是否正常);
当软件有多个版本并行维护时,需快速验证各版本核心功能的一致性。

这里要避开两个常见误区:
❌ 误区 1:“自动化测试能取代人工测试”
自动化测试由脚本驱动,仅能验证预设场景,无法覆盖异常场景(如网络波动、界面兼容性问题),需与人工探索性测试配合。
❌ 误区 2:“自动化测试能大幅度降低工作量”
自动化脚本需前期开发与后期维护(如 Web 界面元素变更后,脚本需同步修改),仅在 “长期多次回归” 场景下才能体现效率优势,短期项目反而可能增加工作量,只能说一定程度上降低了工作量。

1.2 自动化测试分类:别把 “不同自动化” 混为一谈

自动化 是统称,不同类型的自动化测试解决的问题截然不同。对 C++ 开发者而言,需重点关注两类:接口自动化与Web UI 自动化。

自动化测试类型对比:

自动化类型测试目标核心价值适用场景
接口自动化验证C++后端接口(如HTTP/GRPC接口)的输入输出正确性不依赖界面,执行速度快,可在开发早期介入(前后端未联调时即可测试)后端接口回归、数据正确性验证
Web UI自动化验证Web界面的操作流程与展示效果(如按钮点击、表单提交、页面跳转)模拟真实用户操作,覆盖“接口+界面”端到端场景前端界面回归、关键业务流程验证(如登录、下单)

1.3 自动化测试金字塔:如何分配测试资源?

测试圈经典的 “自动化测试金字塔” 模型,揭示了不同测试类型的投入产出比:

  • 底层:单元测试(如 C++ 接口的单元测试):投入少、覆盖广、发现问题早,应占自动化测试的 70%;
  • 中层:接口 / 集成测试:衔接前后端,验证模块交互,应占 20%;

顶层:UI 自动化测试:执行慢、维护成本高,仅覆盖核心业务流程,占 10% 即可。

在这里插入图片描述

但实际企业中常出现 “冰淇淋蛋筒反模式”—— 自动化测试需要大量的初始投资,找到“突破点”,与手动测试相比,我们开始看到它对长期成本产生的积极影响,也能够清楚,这两种测试活动是完全兼容,产生短期和长期利益。

在这里插入图片描述

二. Web 自动化测试核心:环境搭建与驱动管理

Web 自动化测试的本质是 “用代码模拟人操作浏览器”,需依赖三大组件: 浏览器、浏览器驱动、自动化框架(Selenium)

2.1 核心组件原理:三者如何协同工作?

  • 浏览器:执行界面操作的载体(如 Chrome、Firefox);
  • 浏览器驱动:沟通自动化脚本与浏览器的 “桥梁”(如 ChromeDriver),负责解析脚本指令并转化为浏览器可执行的操作;
  • Selenium:Python 编写的自动化框架,提供丰富的 API(如查找元素、模拟点击),简化脚本开发。

三者交互流程如下:

在这里插入图片描述


在这里插入图片描述

2.2 环境搭建:3 步搞定依赖安装

Web 自动化测试依赖 Python 环境(便于快速编写脚本,与 C++ 后端测试工具链兼容),核心安装步骤如下:
步骤 1:安装 Python(3.7~3.11 版本)
步骤 2:安装 Selenium 框架
Selenium 版本需稳定,推荐使用 4.0.0 版本(避免新版本 API 变更导致脚本报错):

pip installselenium==4.0.0 
在这里插入图片描述


步骤 3:安装驱动管理工具(webdriver-manager)
传统方式需手动下载浏览器驱动,且浏览器更新后需同步更新驱动,极易出现版本不匹配问题。webdriver-manager 可自动管理驱动版本,彻底解决此痛点:

pip install webdriver-manager 
在这里插入图片描述


原理:webdriver-manager会自动检测本地浏览器版本,下载对应版本的驱动,并在脚本运行时自动配置驱动路径。


三. Selenium 实战:写一个百度搜索自动化脚本

掌握环境搭建后,我们通过 “百度搜索” 案例,实战 Web 自动化测试的核心流程:打开浏览器→访问页面→查找元素→模拟操作→关闭浏览器

3.1 完整脚本:百度搜索 “迪丽热巴”

import time from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver.common.by import By from webdriver_manager.chrome import ChromeDriverManager # 1. 打开浏览器----驱动管理# 安装并获取 Chrome 驱动程序路径 chrome_driver_path = ChromeDriverManager().install()# 创建谷歌浏览器驱动对象 driver = webdriver.Chrome(service=Service(chrome_driver_path)) time.sleep(2)# 2. 输入百度网址(网址要完整) driver.get("https://www.baidu.com") time.sleep(2)# 3. 找到百度输入框,输入关键词“迪丽热巴”(#kw 是搜索框对应的选择器定位方式) driver.find_element(By.CSS_SELECTOR,"#kw").send_keys("迪丽热巴") time.sleep(2)# 4. 点击“百度一下”按钮(#su 是“百度一下”按钮的选择器定位方式) driver.find_element(By.CSS_SELECTOR,"#su").click() time.sleep(2)# 5. 关闭浏览器 driver.quit()
在这里插入图片描述


常用交互 API:

  • send_keys(text):模拟键盘输入(如输入搜索关键词);
  • click():模拟鼠标左键点击(如点击按钮、链接);
  • clear():清空输入框内容;
  • webdriver.Chrome():创建 Chrome 浏览器实例(若用 Firefox,需改为webdriver.Firefox())

Selenium元素定位方式对比:

定位方式(By类)语法示例适用场景
By.IDBy.ID, "kw"元素有唯一id(如百度输入框id为kw)
By.CSS_SELECTORBy.CSS_SELECTOR, "#kw"灵活定位(支持id、class、标签名组合)
By.XPATHBy.XPATH, "//input[@id='kw']"复杂场景(如定位表格中的第n行元素)

结尾:

往期回顾:
C++ 手写 List 容器实战:从双向链表原理到完整功能落地,附源码与测试验证
结语:Web 自动化测试不是 “银弹”,但对 C++ 后端配套的 Web 项目而言,它是回归测试的高效工具。本文从概念到实战,讲解了 Web 自动化测试的核心原理、环境搭建与 Selenium 脚本开发,关键是要记住:Web 自动化测试应聚焦核心流程,与接口自动化、单元测试配合,才能最大化测试效率与质量保障能力。

✨把这些内容吃透超牛的!放松下吧✨ʕ˘ᴥ˘ʔづきらど

Read more

别再搞混了!Copilot Chat 和 Microsoft 365 Copilot 详细对比

虽然名字听起来相似 —— Microsoft 365 Copilot 和 Microsoft 365 Copilot Chat —— 但它们在多个方面存在重要区别。更关键的是,它们是相辅相成、缺一不可的。 📌 什么是 Microsoft 365 Copilot Chat? Microsoft 365 Copilot Chat(简称 Copilot Chat),主要基于网页内容生成回答。 而 Microsoft 365 Copilot 则不仅基于网页内容,还结合了用户自身的数据(如邮件、会议、文件等)。 自 2025年1月15日 起,Copilot Chat 已对所有组织全面开放。 即使是订阅了 Microsoft 365 Business Basic 的客户,也能安全地使用 Copilot Chat。

快速掌握Kohya_SS:从零开始的AI绘画模型训练完整指南

快速掌握Kohya_SS:从零开始的AI绘画模型训练完整指南 【免费下载链接】kohya_ss 项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss 想要打造专属的AI绘画风格吗?Kohya_SS训练器让每个人都能轻松定制个性化扩散模型。这个强大的GUI工具专为普通用户设计,无需编程经验就能完成LoRA训练、Dreambooth微调等专业级操作。无论你是想创建独特的艺术风格,还是训练特定角色的模型,Kohya_SS都能帮你实现梦想。🎨 🎯 为什么Kohya_SS是AI绘画训练的首选? Kohya_SS训练器将复杂的命令行操作转化为直观的图形界面,大幅降低了使用门槛。它支持多种训练模式,满足不同层次的创作需求: * LoRA轻量级训练:仅需少量图像就能创建风格适配器 * Dreambooth个性化微调:基于特定主题深度定制模型 * SDXL架构专门优化:针对最新模型架构的完整支持 * 多平台部署方案:从本地到云端的灵活选择 生物机械混合风格角色 - 展示Kohya_SS训练器在复杂风格融合上的强大能力 �

Trae、Cursor、Copilot、Windsurf对比

我最开始用Copilot(主要是结合IDE开发时进行代码补全,生成单元测试用例),但是后面又接触了Cursor,发现Cursor比Copilot更加实用,Cursor生成的单元测试用例更加全面。         多以网上查了查资料,这里记录分享一下。         这篇文章资料来自于网络,是对部分知识整理,这里只是记录一下,仅供参考 前言         随着AI技术的爆发式发展,AI编程工具正在重塑软件开发流程。GitHub Copilot作为先驱者长期占据市场主导地位,但新一代工具如Cursor、Windsurf和Trae正以颠覆性创新发起挑战。本文基于多维度实测数据,深度解析三款工具的核心竞争力,揭示AI编程工具的格局演变趋势。 工具定位与核心技术 1. Cursor:智能化的全能助手         基于VS Code生态深度改造,Cursor融合GPT-4和Claude 3.5模型,支持自然语言转代码生成、跨文件智能补全和自动文档生成。其核心优势在于: * 上下文感知能力:可同时分析10+个关联文件的语义逻辑 * Agent模

Windows 23H2 Copilot 烦不胜烦?两种关闭方案!适配联想全系列设备

升级 Windows 23H2 系统后,不少联想用户(涵盖台式机、ThinkPad、笔记本等全系列机型)都遇到了同款困扰:Copilot 要么自动弹窗打扰操作,要么按 Win+C 快捷键时弹出 “该服务在你所在地区不可用” 的提示,既占系统资源又影响使用体验。明明用不上的功能,却总在关键时刻 “刷存在感”,让人忍不住想彻底关闭,却不知道该从何下手。 其实关闭 Copilot 有两种实用方案,可根据自身需求选择:如果只是想隐藏任务栏的 Copilot 图标,避免视觉干扰,推荐用简单的 “仅关闭图标方案”—— 进入系统 “个性化 - 任务栏 - 任务栏项”,直接关闭 Copilot 功能即可,操作零门槛,还能随时重新开启;若想彻底禁用该功能,杜绝弹窗和快捷键触发,就需要用到 “注册表修改方案”,不过要注意此操作涉及注册表编辑,需谨慎按照步骤执行: