接触selenium大概半年时间了。从开始的预研，简单的写个流程到后期的自动化框架的开发，因为本人不属于代码方面的大牛，一直的边研究边做。逐步深入学习。近期发现自己对本身selenium的发展还存在困惑，这个也会困扰刚开始做的人，不了解为啥又是selenium、又是webdriver的。这些基本概念随着深入的开发在不懂、了解、混沌、清晰这个过程中逐渐的展现开来。目前我的框架java+testng+ant已经成型。但是发现自己对selenium的一些基本原理还有些混沌，所以特意停下来回头梳理一下，查找了很多的资料，这些很多信息是从不同文章的收获到的，这里按照自己的思路进行一定的梳理，引用一些自己看到的写的比较清晰的说明，很感谢这些前辈的分享，这里做个记录，也分享给大家。

追踪溯源，WebDriver 和 Selenium 本是两个独立的项目，实现机制也是不同的。 Selenium 2 中将两者合并，这究竟有什么用意呢？WebDriver 比 Selenium 又有什么优势呢？我们该如何选择使用 Selenium 还是 WebDriver 呢？先梳理一些 WebDriver 的基本知识和使用方法。因为是Selenium 2 中将两者合并的，通常我们把Selenium 2 称为 WebDirver，Selenium 1.x称为Selenium（Selenium1.x 时通常指的是 Selenium RC，所以 Selenium 也指 Selenium RC）。

selenium1.x

selenium 1.0包括：selenium IDE、selenium Grid、selenium RC三部分。
selenium IDE：firefox的一个插件，可以录制和回放脚本。
selenium Grid：用于实现分布式测试。利用Grid，可以很方便地同时在多台机器上和异构环境中并行运行多个测试事例。
selenium RC：selenium 的核心部分，可以实现利用selenium的代理服务器来实现访问浏览器实现自动化测试。
其中：selenium RC分为：Client和Selenium Server。
client实现自动化脚本，Selenium Server负责控制浏览器行为。
Selenium Server分为3部分。
Launcher：启动浏览器
Http Proxy：selenium Server的Http代理
Core：嵌入到浏览器的js代码。
有Launcher启动浏览器，将core嵌入到浏览器，并把浏览器代理设置为selenium Server的Http Proxy。

使用的是JavaScript注入技术与浏览器打交道，需要Selenium RC启动一个Server，将操作Web元素的API调用转化为一段段Javascript，在Selenium内核启动浏览器之后注入这段Javascript。开发过Web应用的人都知道，Javascript可以获取并调用页面的任何元素，自如的进行操作。由此才实现了Selenium的目的：自动化Web操作。这种Javascript注入技术的缺点是速度不理想，而且稳定性大大依赖于Selenium内核对API翻译成的Javascript质量高低。

Selenium 2.x

Selenium 2，又名 WebDriver，它的主要新功能是集成了 Selenium 1.0 以及 WebDriver（WebDriver 曾经是 Selenium 的竞争对手）。也就是说 Selenium 2 是 Selenium 和 WebDriver 两个项目的合并，即 Selenium 2 兼容 Selenium，它既支持 Selenium API 也支持 WebDriver API。

当Selenium2.x 提出了WebDriver的概念之后，它提供了完全另外的一种方式与浏览器交互。那就是利用浏览器原生的API，封装成一套更加面向对象的Selenium WebDriver API，直接操作浏览器页面里的元素，甚至操作浏览器本身（截屏，窗口大小，启动，关闭，安装插件，配置证书之类的）。由于使用的是浏览器原生的API，速度大大提高，而且调用的稳定性交给了浏览器厂商本身，显然是更加科学。然而带来的一些副作用就是，不同的浏览器厂商，对Web元素的操作和呈现多少会有一些差异，这就直接导致了Selenium WebDriver要分浏览器厂商不同，而提供不同的实现。例如Firefox就有专门的FirefoxDriver，Chrome就有专门的ChromeDriver等等。（包括了AndroidDriver和iOS WebDriver）

WebDriver与之前Selenium的JS注入实现不同，直接利用了浏览器native support来操作浏览器。所以对于不同平台，不同的浏览器，必须依赖一个特定的浏览器的native component来实现把WebDriver API的调用转化为浏览器的native invoke。

在我们new一个WebDriver的过程中，Selenium首先会确认浏览器的native component是否存在可用而且版本匹配。接着就在目标浏览器里启动一整套Web Service，这套Web Service使用了Selenium自己设计定义的协议，名字叫做The WebDriver Wire Protocol。这套协议非常之强大，几乎可以操作浏览器做任何事情，包括打开、关闭、最大化、最小化、元素定位、元素点击、上传文件等等等等。

WebDriver Wire协议是通用的，也就是说不管是FirefoxDriver还是ChromeDriver，启动之后都会在某一个端口启动基于这套协议的Web Service。例如FirefoxDriver初始化成功之后，默认会从http://localhost:7055开始，而ChromeDriver则大概是http://localhost:46350之类的。接下来，我们调用WebDriver的任何API，都需要借助一个ComandExecutor发送一个命令，实际上是一个HTTP request给监听端口上的Web Service。在我们的HTTP request的body中，会以WebDriver Wire协议规定的JSON格式的字符串来告诉Selenium我们希望浏览器接下来做社么事情。

借用一张别资料中看到的图，觉得画的很好，因为很多博客中看到过，也不知道源出处原作者是谁呢，这里表示感谢。

从上图中我们可以看出，不同浏览器的WebDriver子类，都需要依赖特定的浏览器原生组件，例如Firefox就需要一个add-on名字叫webdriver.xpi。而IE的话就需要用到一个dll文件来转化Web Service的命令为浏览器native的调用。另外，图中还标明了WebDriver Wire协议是一套基于RESTful的web service。

关于WebDriver Wire协议的细节，比如希望了解这套Web Service能够做哪些事情，可以阅读Selenium官方的协议文档， 在Selenium的源码中，我们可以找到一个HttpCommandExecutor这个类，里面维护了一个Map<String, CommandInfo>，它负责将一个个代表命令的简单字符串key，转化为相应的URL，因为REST的理念是将所有的操作视作一个个状态，每一个状态对应一个URI。所以当我们以特定的URL发送HTTP request给这个RESTful web service之后，它就能解析出需要执行的操作。

可以看到实际发送的URL都是相对路径，后缀多以/session/:sessionId开头，这也意味着WebDriver每次启动浏览器都会分配一个独立的sessionId，多线程并行的时候彼此之间不会有冲突和干扰。例如我们最常用的一个WebDriver的API，getWebElement在这里就会转化为/session/:sessionId/element这个URL，然后在发出的HTTP request body内再附上具体的参数比如by ID还是CSS还是Xpath，各自的值又是什么。收到并执行了这个操作之后，也会回复一个HTTP response。内容也是JSON，会返回找到的WebElement的各种细节，比如text、CSS selector、tag name、class name等等。

在 Selenium 2 中，Selenium Grid 被集成到了 Selenium Server 中，即是包含在 selenium-server-standalone-x-x-x.jar 包中，好处就是更简洁更方便了！Selenium Grid 包含有两种角色，hub 和 node，其中 hub 是用来接收所有的请求，并将请求分发给不同的 node；node 指的便是实际执行测试的节点，它包含 Selenium 和 WebDriver 两种类型，其中 Selenium 是兼容 Selenium 1 中的 Selenium RC。