《Selenium 自动化测试实验报告》

** 《Selenium 自动化测试实验报告》**
一、实验概述
1.1 实验目标
本次实验旨在通过 Selenium 工具实现 Web 应用自动化测试，核心目标包括：验证百度搜索模块功能的正确性、提升测试执行效率、检测潜在的 UI 界面缺陷，以及掌握自动化测试脚本的开发与调试流程。
1.2 实验环境配置
软件环境：
操作系统：Windows 10 专业版（版本号 22H2）
浏览器：Edge 浏览器（版本 133.0.3065.92）
测试工具链：
Selenium 框架（版本 4.8.3）
编程语言：Python 3.10.6
集成开发环境：PyCharm Community Edition 2021.3.3
被测系统：百度搜索引擎（Web 端，部署于 Linux 服务器，版本号未公开）
二、测试范围界定
本次自动化测试聚焦于百度平台的核心功能模块 ——搜索功能，覆盖用户从进入网页、输入查询到获取结果的完整操作流程，包括正常搜索场景和基础异常输入验证。
三、测试用例设计
3.1 测试用例设计准则
测试用例设计遵循以下核心原则，以保障测试的科学性与可靠性：
完整性原则
覆盖需求规格中的全部功能点，包含正常操作、边界条件（如超长字符输入）和异常场景（如空搜索词）。
数据设计需涵盖合法 / 非法输入、极值数据（如 1000 字超长查询）及非功能性需求（如浏览器兼容性）。
独立性原则
用例间无执行顺序依赖，通过环境初始化（如清除浏览器缓存）确保独立运行。
可重复性原则
采用固定测试数据（如预设搜索词 “pycharm”）和标准化脚本，避免人为操作差异影响结果。
可判定性原则
明确预期结果，例如 “搜索结果页面标题包含查询关键词”。
原子化设计原则
单个用例仅验证单一功能点（如搜索框输入 - 点击搜索按钮流程），步骤控制在 8 步以内。
用户场景模拟原则
以真实用户操作路径设计用例，例如模拟 “键盘输入 + 回车键触发搜索” 的常见操作习惯。
需求追溯原则
用例编号关联需求文档（如 “SEARCH-001” 对应搜索功能需求），便于缺陷追踪。
效率优化原则
优先测试高频使用功能（如关键词搜索），并根据测试结果迭代用例库。
3.2 测试用例详情

四、测试脚本实现
关键代码解析

以下为实现百度搜索功能测试的核心 Python 代码，包含元素定位、操作逻辑和断言机制：
python
运行

代码说明：
元素定位：使用By.ID方式定位搜索框，确保定位精度（ID 为唯一标识）。
操作逻辑：通过send_keys()方法模拟输入和键盘事件，减少对鼠标操作的依赖。
断言机制：使用assert语句验证页面标题，确保搜索功能逻辑正确。
异常处理：实际应用中可添加try-except块捕获元素定位失败、超时等异常。
五、测试执行与结果分析
5.1 执行结果统计

5.2 异常场景补充说明
本次测试未出现失败用例，但在调试过程中发现：
当网络延迟超过 5 秒时，脚本可能因元素未加载抛出TimeoutException，后续可通过WebDriverWait显式等待机制优化。
百度首页广告元素可能干扰部分定位操作，需通过driver.implicitly_wait(10)设置隐式等待提升稳定性。
六、测试结论与建议
6.1 测试总结
本次实验成功实现百度搜索模块的自动化测试，验证了核心功能的正确性（如关键词搜索、空输入处理、特殊字符过滤等），脚本执行效率较手工测试提升约 80%。但测试覆盖仍存在局限性，例如未包含多浏览器兼容性测试（如 Chrome/Firefox）和动态页面加载场景（如瀑布流搜索结果）。
6.2 系统评价与优化建议
优势分析：
功能层面：搜索响应速度快（平均加载时间 1.5 秒），结果相关性高，支持语音搜索、图片搜索等扩展功能。
兼容性：在 Edge 浏览器中元素定位稳定，无明显布局错乱问题。
易用性：搜索框支持自动补全和历史记录查询，提升用户操作效率。
改进方向：
广告体验优化：建议减少首页广告密度（当前广告占比约 30%），并通过机器学习算法提升广告与搜索词的关联性。
性能优化：对搜索结果页中的图片资源进行 WebP 格式压缩，预计可减少 40% 流量消耗，提升弱网络环境下的加载速度。
自动化测试增强：
增加@DataProvider参数化测试，覆盖更多关键词组合（如中英文混合、 emoji 表情）。
集成 Jenkins 实现 CI/CD 流水线，每日自动执行回归测试并生成趋势报告。
异常场景覆盖：模拟断网、浏览器崩溃等极端情况，验证系统容错能力和数据恢复机制。
总结：百度搜索模块在基础功能上表现稳定，但在用户体验细节和技术性能方面仍有优化空间。结合自动化测试与持续集成流程，可进一步提升软件质量和迭代效率。
七、附件
测试截图示例
搜索操作截图