当前位置: 首页 > news >正文

Selenium三种等待方式的使用

Selenium 提供了三种等待方式来确保在继续执行代码之前,页面元素已经加载并可用。这三种等待方式分别是:

显式等待(Explicit Waits)

隐式等待(Implicit Waits)

时间等待(Sleep)

下面是每种等待方式的代码示例:

  1. 显式等待(Explicit Waits)

显式等待是指代码会等待某个特定条件发生后再继续执行,最常用的是等待某个元素出现。显式等待需要配合 WebDriverWait 和 expected_conditions 一起使用。

  1. from selenium import webdriver

  2. from selenium.webdriver.common.by import By

  3. from selenium.webdriver.support.ui import WebDriverWait

  4. from selenium.webdriver.support import expected_conditions as EC

  5. driver = webdriver.Chrome()

  6. driver.get("http://example.com")

  7. try:

  8. element = WebDriverWait(driver, 10).until(

  9. EC.visibility_of_element_located((By.ID, "myElement"))

  10. finally:

  11. driver.quit()

在这个例子中,WebDriverWait 会等待最多 10 秒,直到 id 为 "myElement" 的元素可见。如果在这个时间内元素变得可见,那么它将继续执行。如果超时(在这个例子中是 10 秒),那么会抛出一个 TimeoutException。

  1. 隐式等待(Implicit Waits)

隐式等待是告诉 WebDriver 在查找元素时,如果元素没有立即出现,那么等待一段时间再查找。隐式等待在整个 WebDriver 实例生命周期中只设置一次。

  1. from selenium import webdriver

  2. driver = webdriver.Chrome()

  3. driver.implicitly_wait(10) # 设置隐式等待为 10 秒

  4. driver.get("http://example.com")

  5. # 接下来查找元素的操作,都会等待最多 10 秒

  6. element = driver.find_element_by_id("myElement")

  7. driver.quit()

在这个例子中,设置隐式等待为 10 秒。这意味着每次使用 WebDriver 的查找元素方法(如 find_element_by_id,find_elements_by_class_name 等)时,如果元素没有立即出现,WebDriver 会等待最多 10 秒。

  1. 时间等待(Sleep)

时间等待是最简单的等待方式,它只是让程序暂停执行一段时间。这种方式并不推荐用于 Web 测试,因为它不检查页面元素的状态,只是简单地让程序等待。

  1. import time

  2. from selenium import webdriver

  3. driver = webdriver.Chrome()

  4. driver.get("http://example.com")

  5. time.sleep(10) # 程序暂停 10 秒

  6. element = driver.find_element_by_id("myElement")

  7. driver.quit()

在这个例子中,程序会暂停 10 秒,然后再继续执行。这种方式的问题在于,如果页面加载速度快于 10 秒,那么程序就会浪费时间等待;如果页面加载速度慢于 10 秒,那么程序可能会因为找不到元素而抛出异常。因此,通常建议使用显式等待或隐式等待来替代时间等待。

感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

这些资料,对于【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴上万个测试工程师们走过最艰难的路程,希望也能帮助到你!有需要的小伙伴可以点击下方小卡片领取

http://www.cnnetsun.cn/news/65544.html

相关文章:

  • 应用层|低空应用安全的 “精工锻造者”,中科数测以多工具矩阵赋能应用从开发到运维的全周期安全
  • 横观水力压裂模型:从 PDE 建模到 Comsol 模拟
  • 值得关注的人形机器人公司盘点,智元AGIBOT以卓越实力登顶
  • PLC连续可变S速度曲线算法仿真
  • 清华源替换Anaconda默认源,Miniconda下载速度飞跃
  • AutoGPT技术揭秘:大语言模型如何成为自主任务驱动智能体?
  • 18、Docker生态系统工具全解析
  • 25、容器监控与应用实践全解析
  • AutoGPT如何识别任务优先级?重要紧急四象限法应用
  • 收藏这篇就够了!RAG技术详解:让大模型告别幻觉的终极方案
  • 25、深入理解 Java 中的严格性与惰性
  • 26、深入理解惰性流:操作与应用
  • 如何在服务器上运行LobeChat镜像并对接GPU加速推理?
  • 【编号2551】从代码逻辑到实用体验:一款小红书笔记下载工具的技术实现与使用感悟
  • 大模型智能体开发指南:文件系统如何优化Agent性能!
  • ComfyUI集成Qwen3-14B的可能性探索:视觉+语言新组合
  • GPT-5.2震撼上线!性能碾压人类专家,程序员必学大模型技术,建议收藏
  • CompTIA CV0-004 Cloud+ 認證考試完整介紹
  • PyTorch安装避坑指南 + vLLM性能调优技巧
  • AutoGPT与Metabase Plus集成:增强版报表自动化
  • PyTorch安装后如何加载Qwen3-VL-8B进行多模态推理
  • 【收藏必看】2025大模型技术岗位全景图:15大方向详解,助你成为AI人才
  • LobeChat支持GraphQL接口吗?API扩展能力分析
  • LobeChat能否实现对话分享功能?链接公开化实践
  • 全球工程软件格局重塑:中国AI原生平台的机会窗口
  • 【Dubbo】接口特性与开发注意事项
  • 测试环境管理的最佳实践
  • Miniconda环境下安装PyTorch GPU版的完整流程
  • AI推理的“哥白尼革命”!何恺明团队推翻LLM,将抽象推理重新定义为视觉问题
  • 深度学习训练器框架全面对比指南