WebDriver简介

WebDriver是一个支持对用户代理进行控制的远程控制接口，它提供了平台无关和语言无关的线路协议（wire protocol），作为跨进程程序远程控制web浏览器行为的方式，它提供了一组接口来发现和操作web文档中的DOM元素，以及控制用户代理（浏览器）的行为。它主要的意图是允许web的开发者可以单独在一个进程中编写自动化用户代理（浏览器）的测试，也允许使用上述方式，在浏览器内的脚本中对浏览器进行控制。

总而言之，WebDriver被W3C纳入标准，定义了对浏览器（也就是上文提到的用户代理）操作的一系列规范。W3C中的WebDriver规范是从Selenium WebDriver浏览器自动化框架中继承过来的，因为后者实在是太流行了以致于最终变成标准。

1、WebDriver协议的通信各方组成介绍

近端（local end）：表示协议的客户端，通常是特定语言基于WebDriver协议提供的上层API接口。WebDriver规范并没有对这些提供API接口的库做任何的限制。

远端（remote end）：表示协议的服务端，WebDriver规范主要是定义远端对WebDriver协议响应的行为。

对于远端，WebDriver规范定义了两种类型的节点，并且WebDriver的远端必须提供遵循HTTP的协议，末端节点会将HTTP协议映射到不同的命令上：

中间节点（itermediary node）：中间节点扮演的是代理的角色，既要实现协议定义的远端功能也要实现协议定义的近端功能。这个比较容易理解，既然是代理，那相对于客户端来说它是服务端，因此要实现协议定义的远端功能；对于真正的服务端，它只是起到中转作用，相当于客户端，因此要实现协议的客户端。中间节点可能有多个（这个很很容易理解，网络传输节点有多个），因此并不是按照远端一步一步实现的，对于一个特定的中间节点，在它和近端之间的所有节点称作该节点的下行（下游？downstream），所有处于该节点和末端节点之间的节点称作该节点的上行（upstream）。

末端节点（endpoint node）：表示最终的远端节点，末端节点通常是通过用户代理（例如浏览器）获相似的程序实现。

图示参考

2、WebDriver规范定义必须支持的能力集

WebDriver协议规定必须要支持的能力集如下（当然不同的浏览器或Driver实现可能还支持一些扩展的能力）：

能力项

能力项命名

值类型

具体描述

浏览器名称

browserName

string

标识用户代理。

浏览器版本

browserVersion

string

标识用户代理的版本号。

平台名称

platformName

string

标识末端节点所在的操作系统名称。

接受不安全的TLS证书

acceptInsecureCerts

boolean

表明是否在会话过程中接受不可信或自签名的TLS证书。

页面加载策略

pageLoadStrategy

string

定义当前会话的页面加载策略，有三个选项：none、eager和normal。

代理配置

proxy

JSON Object

定义当前会话的代理配置。

窗口尺寸/定位

setWindowRect

boolean

表明远端是否支持所有的窗口调整和定位命令。

会话超时

timeouts

JSON Object

描述给定会话操作的超时

严格的文件互操作性

strictFileInteractability

boolean

描述当前会话严格的文件互操作性。

未处理的提示行为

unhandledPromptBehavior

string

描述当前会话的用户提示处理程序，默认是dismiss and notify state。

参考链接

WebDriver官方介绍链接