Selenium: co to jest, jak działa i od czego zacząć automatyzację testów

Czas czytania: około 13 minut

Selenium ma dwadzieścia lat, kilka pokoleń następców i nadal jest pierwszym narzędziem, o które pytają rekruterzy w ogłoszeniach dla testerów automatyzujących. Nie dlatego, że jest najwygodniejsze, tylko dlatego, że jest standardem: sposób, w jaki steruje przeglądarką, stał się specyfikacją W3C, a testy napisane w nim dziesięć lat temu nadal da się uruchomić. Jeżeli zaczynacie automatyzację testów webowych, Selenium jest miejscem, w którym nauczycie się rzeczy, które przenoszą się na każde inne narzędzie.

W tym tekście wyjaśniamy, czym jest Selenium i jak działa WebDriver, z czego składa się cały projekt, w jakim języku pisać testy, jak napisać pierwszy test krok po kroku, jak lokalizować elementy i czekać na nie, jak zorganizować projekt, kiedy zamiast Selenium wybrać Playwright albo Cypress, jak wpiąć testy w CI/CD i jakie błędy popełniają początkujący. Piszemy jako zespół, który napisał ponad 450 000 testów automatycznych i szkoli z Selenium od lat.

Czym jest Selenium?

Selenium to projekt open source (licencja Apache 2.0) do automatyzacji przeglądarek internetowych, używany przede wszystkim do testów aplikacji webowych; powstał w 2004 roku w ThoughtWorks, a dziś jest utrzymywany przez społeczność i rozwijany jako standard, na którym opiera się specyfikacja W3C WebDriver.

Według historii projektu Selenium zaczęło się w 2004 roku w Chicago, gdy Jason Huggins z ThoughtWorks zbudował narzędzie do testowania aplikacji wewnętrznej przez przeglądarkę. Kolejne lata przyniosły połączenie z projektem WebDriver, wersję 2 w 2011 roku, a w październiku 2021 roku Selenium 4, w którym protokół WebDriver stał się w pełni zgodny ze standardem W3C. Projekt jest nadal aktywnie rozwijany: strona selenium.dev ogłasza kolejne wydania serii 4 co kilka tygodni.

Selenium nie jest jednym programem, tylko zestawem trzech narzędzi o różnym przeznaczeniu, o których piszemy niżej. Gdy ktoś mówi „piszę testy w Selenium”, prawie zawsze ma na myśli Selenium WebDriver: bibliotekę, którą dołącza się do projektu w wybranym języku programowania. Selenium nie ma własnego języka ani własnego środowiska. Test w Selenium to zwykły program w Javie albo Pythonie, który zamiast liczyć faktury, klika w przeglądarce.

Jak działa Selenium WebDriver?

Selenium WebDriver działa w trzech warstwach: kod testu w wybranym języku wysyła polecenia w protokole WebDriver do sterownika przeglądarki (chromedriver, geckodriver, msedgedriver, safaridriver), a sterownik wykonuje je w prawdziwej przeglądarce i odsyła wynik; od wersji 4.6 sterowniki pobiera automatycznie Selenium Manager.

WebDriver to specyfikacja W3C opisująca zdalny interfejs sterowania przeglądarką: jak otworzyć adres, znaleźć element, kliknąć, odczytać tekst. Ponieważ to standard, sterowniki piszą sami producenci przeglądarek, a Selenium dostarcza biblioteki klienckie w językach programowania, które ten protokół wywołują. Test w Selenium jest więc czarną skrzynką: widzi to, co widzi użytkownik, i nie ma dostępu do wnętrza aplikacji, co jest jednocześnie ograniczeniem i gwarancją, że test sprawdza to, czego doświadczy klient.

Do wersji 4.6 największym problemem początkujących było ręczne pobieranie sterownika w wersji zgodnej z przeglądarką, który przestawał działać po każdej jej aktualizacji. Selenium Manager, wbudowany w biblioteki od tej wersji, sam pobiera i dopasowuje sterownik, więc pierwszy test uruchamia się bez konfiguracji. Selenium 4 dodało też BiDi, dwukierunkowy protokół dający dostęp do zdarzeń przeglądarki, na przykład logów konsoli i żądań sieciowych, których klasyczny WebDriver nie widział.

Z czego składa się Selenium: WebDriver, IDE i Grid

Projekt Selenium składa się z trzech narzędzi: WebDriver (biblioteka do pisania testów w kodzie, podstawa wszystkiego), IDE (wtyczka do przeglądarki nagrywająca i odtwarzająca kliknięcia, do szybkich prototypów) oraz Grid (serwer rozdzielający testy na wiele przeglądarek i maszyn równolegle).

Opisy wszystkich trzech: WebDriver, Selenium IDE, Selenium Grid. W dalszej części tekstu piszemy o WebDriverze, bo to on decyduje o tym, czy automatyzacja w Waszym projekcie zadziała.

W jakim języku pisać testy w Selenium?

Testy w Selenium pisze się w tym języku, w którym pisze zespół developerski albo w którym tester już programuje: Java w większości polskich firm i ogłoszeń, Python przy najkrótszej drodze od zera do pierwszego testu, C# w zespołach .NET, JavaScript tam, gdzie front i testy mają wspólny stos; sam WebDriver działa tak samo w każdym z nich.

Jeżeli nie macie jeszcze języka, decyzję rozkładamy w tekście Jaki język programowania wybrać do automatyzacji testów. Krótko: Java, jeśli celujecie w ogłoszenia, Python, jeśli chcecie jak najszybciej napisać coś, co działa. Oba uczymy od podstaw na szkoleniach Java dla testerów i Python dla testerów.

Jak napisać pierwszy test w Selenium krok po kroku?

Pierwszy test w Selenium powstaje w sześciu krokach: instalacja języka i biblioteki, utworzenie projektu z frameworkiem testowym, uruchomienie przeglądarki przez WebDriver, znalezienie elementu i wykonanie akcji, sprawdzenie wyniku asercją oraz uruchomienie testu z wiersza poleceń; od wersji 4.6 nie trzeba pobierać sterownika ręcznie.

Pierwszy test w Selenium, Python i pytest (Selenium 4.6 lub nowsze, sterownik pobiera Selenium Manager)

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

def test_wyszukiwanie_szkolenia():
    driver = webdriver.Chrome()
    try:
        driver.get("https://qualityisland.pl/szkolenia/")
        pole = WebDriverWait(driver, 10).until(
            EC.visibility_of_element_located((By.CSS_SELECTOR, "input[type='search']")))
        pole.send_keys("Selenium")
        pole.submit()
        wynik = WebDriverWait(driver, 10).until(
            EC.visibility_of_element_located((By.CSS_SELECTOR, "h2.woocommerce-loop-product__title")))
        assert "Selenium" in wynik.text
    finally:
        driver.quit()

Trzy rzeczy w tym przykładzie są ważniejsze niż reszta: jawne oczekiwanie na element zamiast stałego uśpienia, zamknięcie przeglądarki w bloku finally niezależnie od wyniku oraz asercja na końcu. Oficjalny opis pierwszych kroków w każdym języku: Getting Started w dokumentacji Selenium.

Jak lokalizować elementy i czekać na nie, żeby testy były stabilne?

Stabilność testu w Selenium zależy od dwóch decyzji: jak znajdujecie elementy (identyfikatory i atrybuty testowe przed XPath po strukturze) i jak na nie czekacie (jawne oczekiwanie na warunek zamiast stałych opóźnień i zamiast oczekiwania niejawnego); większość „niestabilnych testów Selenium” to testy z lokatorem po pozycji i uśpieniem na trzy sekundy.

Oczekiwanie: Selenium ma oczekiwanie niejawne (ustawione raz dla całej sesji) i jawne (na konkretny warunek, na przykład widoczność elementu). Mieszanie obu daje nieprzewidywalne czasy, dlatego dokumentacja zaleca jawne. Stałe uśpienie (sleep) nie jest oczekiwaniem: za krótkie na wolnym środowisku, za długie na szybkim, zawsze ukrywa realny czas odpowiedzi. Szczegóły w naszych tekstach o selektorach w Selenium i o waitach w Selenium WebDriver, a o sprawdzaniu wyniku w tekście o asercjach w Selenium.

Jak zorganizować projekt testów: Page Object, framework, raporty

Projekt testów w Selenium organizuje się wzorcem Page Object: każda strona albo komponent ma klasę z lokatorami i akcjami, a test opisuje tylko scenariusz; do tego framework testowy z raportami, konfiguracja środowisk i przeglądarek w jednym miejscu oraz dane testowe poza kodem.

• Page Object. Klasa StronaLogowania ma metody zaloguj(email, haslo) i komunikatBledu(). Test wywołuje metody, nie zna lokatorów. Zmiana układu strony to zmiana w jednej klasie, nie w pięćdziesięciu testach. Wzorzec opisuje dokumentacja Selenium.
• Framework i raporty. JUnit, TestNG albo pytest dają uruchamianie, grupowanie, powtarzanie i raport. Raport z zrzutem ekranu przy padnięciu (Allure, ExtentReports, wbudowany HTML w pytest) skraca diagnozę z godzin do minut.
• Konfiguracja. Adres środowiska, przeglądarka, tryb bezgłowy, limity czasu w jednym pliku albo zmiennych środowiskowych. Test nie ma w sobie adresu „https://test.firma.pl”.
• Dane testowe. Konta, produkty, kody poza kodem testu, w plikach albo tworzone przez API przed testem. Test, który zależy od tego, że w bazie jest użytkownik jan@test.pl, pada w dniu, w którym ktoś go usunie.
• Warstwa API. Logowanie, przygotowanie danych i sprzątanie przez API, nie przez interfejs. Test przez przeglądarkę sprawdza tylko to, co użytkownik naprawdę widzi.

Wzorce projektowe frameworka rozkładamy w tekście Automatyzacja testów Selenium WebDriver: wzorce projektowe, a to, ile testów przez interfejs w ogóle powinno być, w tekście o piramidzie testów.

Liczby z projektu dla Argos, potwierdzone przez klienta. Testy interfejsu w tym projekcie zostały, ale tylko dla ścieżek krytycznych; reszta zeszła niżej. To najważniejsza lekcja o Selenium: narzędzie działa dobrze wtedy, gdy nie prosi się go o sprawdzanie wszystkiego.

Selenium, Playwright czy Cypress: kiedy które?

Selenium wybiera się dla wielu języków, wielu przeglądarek z Safari włącznie, istniejących zespołów javowych i integracji z Appium; Playwright dla nowych projektów w JavaScripcie, Pythonie, Javie lub C# z naciskiem na szybkość i stabilność; Cypress dla zespołów frontendowych piszących w JavaScripcie testy blisko komponentów.

Pełne porównanie w tekście Selenium WebDriver, Cypress czy Playwright. Umiejętności z Selenium przenoszą się na oba pozostałe narzędzia: lokatory, oczekiwania, Page Object i architektura frameworka wyglądają tak samo, zmienia się składnia. Dlatego naukę automatyzacji webowej warto zacząć od Selenium nawet wtedy, gdy docelowo zespół pisze w Playwrighcie, którego uczymy na szkoleniu Automatyzacja testów z narzędziem Playwright.

Jak wpiąć testy Selenium w CI/CD i uruchamiać je równolegle?

W CI/CD testy Selenium uruchamia się w trybie bezgłowym na agencie z zainstalowaną przeglądarką albo w kontenerze, równolegle przez framework testowy lub Selenium Grid, z raportem i zrzutami przy padnięciu; zestaw dzieli się na smoke testy przy każdej zmianie i pełną regresję raz dziennie.

• Tryb bezgłowy. Przeglądarka bez okna, ta sama logika. Szybciej i bez zależności od pulpitu na agencie CI.
• Kontenery. Oficjalne obrazy Selenium z przeglądarką i sterownikiem w środku; pipeline nie zależy od tego, co zainstalowano na maszynie.
• Równoległość. Najpierw w frameworku (pytest-xdist, JUnit równoległy, TestNG), potem Grid, gdy testów jest więcej niż jedna maszyna udźwignie. Warunek: testy niezależne od siebie i od kolejności.
• Warstwy. Smoke test krytycznych ścieżek przy każdym scaleniu, pełna regresja w nocy i przed wydaniem, z limitem czasu na każdą warstwę.
• Artefakty. Raport, zrzut ekranu i log przeglądarki z każdego padnięcia. Padnięcie bez zrzutu na agencie CI jest nie do zdiagnozowania.

Jak układać regresję warstwami i co robić z testami niestabilnymi, opisujemy w tekstach o testach regresyjnych i shift left testing. Budowę takich potoków prowadzimy w ramach budowy procesów CI/CD.

Jakie błędy najczęściej popełniają początkujący w Selenium?

Najczęstsze błędy początkujących to stałe uśpienia zamiast oczekiwań, XPath po strukturze strony, lokatory w testach zamiast w Page Objectach, jeden gigantyczny test zamiast wielu małych, logowanie przez interfejs w każdym teście, brak asercji, brak zamykania przeglądarki i automatyzowanie wszystkiego przez interfejs, co da się sprawdzić przez API.

1. Uśpienie zamiast oczekiwania. time.sleep(3) w każdym kroku. Test trwa pięć minut i nadal pada na wolnym środowisku.
2. XPath po strukturze. //div[3]/div[2]/button pada po dodaniu jednego elementu. Identyfikatory, atrybuty testowe, potem CSS.
3. Lokatory w teście. Ten sam przycisk opisany w czterdziestu testach. Zmiana układu to czterdzieści poprawek. Page Object rozwiązuje to od pierwszego dnia.
4. Jeden test na wszystko. Scenariusz na dwieście kroków, który pada w kroku 87 i nie mówi, co dalej działa. Testy małe, niezależne, z jedną intencją.
5. Logowanie przez interfejs w każdym teście. Sto testów, sto logowań przez formularz. Logowanie przez API albo ciasteczko, interfejs logowania testowany raz.
6. Brak asercji. Test, który klika i kończy się zielono, bo niczego nie sprawdził.
7. Wszystko przez interfejs. Sto wariantów naliczania rabatu klikanych w koszyku. To praca dla testów API, o czym piszemy w tekście o testach integracyjnych.

Jak nauczyć się Selenium: ścieżka od zera do pierwszego frameworka

Nauka Selenium od zera zajmuje kilka miesięcy w czterech etapach: podstawy jednego języka programowania, pierwszy test i lokatory, Page Object i framework z raportami, a na końcu wpięcie w CI/CD i praca na realnej aplikacji; osoby z doświadczeniem w testach manualnych mają przewagę, bo wiedzą, co testować, i uczą się tylko jak.

Etapy 2 i 3 to program szkolenia Automatyzacja testów Selenium WebDriver, a wszystkie cztery, ze stażem na komercyjnej aplikacji na końcu, składają się na projekt szkoleniowo-stażowy dla testera automatyzującego. Jeżeli dopiero wchodzicie do zawodu, kolejność opisujemy w przewodniku jak zostać testerem oprogramowania, gdzie automatyzacja jest drugim etapem, nie pierwszym. Kiedy automatyzacja się opłaca, a kiedy nie, rozkładamy w tekście o zaletach i wadach automatyzacji testów. Wiedzę dla liderów jakości publikujemy na portalu Strefa QA.

Najczęstsze pytania o Selenium

Co to jest Selenium?

Selenium to otwarty zestaw narzędzi do automatyzacji przeglądarek, używany głównie do testów aplikacji webowych. Główny składnik, Selenium WebDriver, pozwala z poziomu kodu w Javie, Pythonie, C#, JavaScripcie, Ruby lub Kotlinie sterować Chrome, Firefoksem, Edge i Safari przez protokół WebDriver, który jest standardem W3C.

Do czego służy Selenium?

Do automatyzacji testów aplikacji webowych: regresyjnych, end to end, smoke testów, uruchamianych w pipeline CI/CD i na wielu przeglądarkach. Nie służy do testów API ani aplikacji desktopowych, a do aplikacji mobilnych używa się Appium, które korzysta z tego samego protokołu.

Czy Selenium jest darmowe?

Tak. Selenium jest projektem open source na licencji Apache 2.0. Płatne bywają usługi wokół niego: farmy przeglądarek w chmurze, narzędzia raportowania, szkolenia.

Jaki język wybrać do Selenium?

Java, jeśli celujecie w ogłoszenia o pracę w Polsce i zespoły javowe. Python, jeśli chcecie najkrótszą drogę do pierwszego działającego testu. C# w zespołach .NET, JavaScript tam, gdzie front i testy dzielą stos. WebDriver działa tak samo w każdym języku.

Czy Selenium jest trudne do nauki?

Sam WebDriver nie: pierwszy test powstaje w godzinę. Trudne jest to, co wokół: język programowania, lokatory, oczekiwania, Page Object, framework i CI/CD. Nauka od zera do własnego frameworka zajmuje zwykle kilka miesięcy.

Selenium czy Playwright?

Selenium dla wielu języków, wielu przeglądarek z Safari, zespołów javowych, integracji z Appium i istniejących zestawów. Playwright dla nowych projektów w JavaScripcie, Pythonie, Javie lub C# z naciskiem na szybkość i stabilność. Umiejętności przenoszą się między nimi.

Czy trzeba pobierać chromedriver?

Nie od Selenium 4.6. Wbudowany Selenium Manager sam pobiera i dopasowuje sterownik do zainstalowanej przeglądarki. W starszych wersjach sterownik trzeba było pobierać ręcznie i aktualizować po każdej aktualizacji przeglądarki.

Dlaczego testy w Selenium są niestabilne?

Najczęściej przez stałe uśpienia zamiast jawnych oczekiwań, lokatory XPath po strukturze strony, testy zależne od siebie i od danych w bazie oraz automatyzowanie przez interfejs logiki, którą powinny sprawdzać testy API. Selenium poprawnie użyte jest stabilne.

Powiązane na blogu Quality Island

• Lokalizowanie elementów: selektory w Selenium
• Explicit Wait vs Implicit Wait: waity w Selenium WebDriver
• Asercje w Selenium
• Automatyzacja testów Selenium WebDriver: wzorce projektowe
• Selenium WebDriver, Cypress czy Playwright: porównanie narzędzi
• Jaki język programowania wybrać do automatyzacji testów?

Pełna lista źródeł

• Selenium, selenium.dev: WebDriver, Getting Started, Selenium Manager, Waiting Strategies, Locator strategies, Page Object Models, Grid, IDE
• Selenium, History oraz Announcing Selenium 4 (13.10.2021)
• W3C, WebDriver, specyfikacja protokołu
• Kod źródłowy: SeleniumHQ/selenium na GitHubie, licencja Apache 2.0
• Dane własne Quality Island z projektu dla Argos, e-commerce, liczby potwierdzone przez klienta; ponad 450 000 napisanych testów automatycznych