在 Web 自动化测试领域，Selenium 曾长期占据主流地位，但稳定性差、报错率高、通信延迟久、脚本冗余复杂等痛点，一直是测试工程师的日常困扰。

而微软推出的 Playwright 凭借直连浏览器内核、WebSocket 长连接、内置智能等待等能力，成为现代 UI 自动化主流方案，但有明确适用边界。

今天我们从零拆解 Playwright 的工作原理、跨进程架构、性能对比、常用核心方法、适配场景、完整优劣势，结合架构原理图，帮你彻底吃透这款爆款自动化框架。

---

01 Playwright 完整工作原理（结合架构图）

核心要点：

1. 客户端（多语言 SDK）↔ Playwright Server (Node.js)：WebSocket 双向持久长连接，一次握手，全双工持续通信，不是短连接 HTTP。
2. Server 层再通过 CDP / CDP+ / Marionette / WebKit 原生协议，分别驱动 Chromium、Firefox、WebKit 浏览器。
3. 完整调用链路：测试脚本 → API 封装层 → Playwright Core → WebSocket → 浏览器原生协议 → 浏览器多进程（Browser 进程、Render 渲染进程、Network 网络进程）→ DOM 页面。

完整调用链路（分层）

【测试脚本】Python/Java/JS/C#
  ↓
【API封装层】通用操作方法（点击/输入/网络拦截）
  ↓
【Playwright Core核心层】
(指令翻译、浏览器调度、内置自动等待逻辑、上下文管理)
  ↓
【WebSocket长连接】全双工持久连接，仅一次握手，无反复建连开销
  ↓
【浏览器原生协议】
CDP(Chromium) / Marionette(Firefox) / WebKit协议
  ↓
【浏览器多进程内核】
Browser主进程 + Render渲染进程 + Network网络进程
渲染引擎(Blink/Gecko) + V8 JS引擎 + 网络栈
  ↓
【网页DOM页面】执行页面行为，返回执行结果

以一次 page.click("按钮") 点击操作完整全过程

1. 客户端测试代码调用高层 API：Python/Java/JS/C# 编写 page.click("按钮")，多语言 SDK 做 API 封装。
2. 指令交给 Playwright Core：SDK 把操作指令转发给 Node.js 实现的 Playwright Core 服务端。
3. WebSocket 下发指令：客户端与 Playwright Server 之间是WebSocket 全双工长连接，完成握手后连接持续保持，JSON 格式指令直接下发，不需要每次请求重新握手。
4. Server 转发浏览器原生协议：Core 根据浏览器类型，通过 CDP/Marionette/WebKit 底层协议，发送指令给到浏览器对应进程。
5. 浏览器内核自动等待（内置能力）
   • 等待 DOM 加载完成
   • 等待目标元素可见
   • 等待元素可交互、无遮挡
   • 等待网络空闲、AJAX 请求结束
6. 调用浏览器内核原生事件：等待条件全部满足，由浏览器 Render 渲染进程触发原生点击事件，页面执行 JS、发起 Ajax、发生页面跳转。
7. 结果原路回传：页面执行结果，经由浏览器多进程 → 原生协议 → WebSocket 长连接，双向回传给测试客户端脚本。
8. 脚本执行断言，执行下一步用例逻辑。

⭕关键：跨进程运行模型测试脚本进程、Playwright‑Server (Node.js) 进程、浏览器 Browser 进程、Render 渲染进程、Network 网络进程全部是相互独立的跨进程。

• 脚本进程不会阻塞浏览器渲染、JS 执行；
• 浏览器页面崩溃、渲染卡死，不会直接把测试脚本进程搞崩；
• 多浏览器、多 BrowserContext 上下文天然进程隔离，互不干扰；
• 无头模式下，不需要 GUI 窗口，浏览器各后台进程正常运转，完成全部渲染、事件、网络处理。

---

02 核心架构：多层分布式，跳过第三方驱动中间层

Playwright 采用多层分布式架构：

• 上层：多语言客户端 SDK：Python/Java/JS/C#，对外统一测试 API，开发者写业务脚本。
• 中层：Playwright Core（Node.js Server）：指令解析、浏览器调度、自动等待、上下文管理，作为 WebSocket 服务端。
• 底层：直连浏览器原生自动化协议：跳过 WebDriver 这类第三方驱动。Chromium 用 CDP；Firefox 扩展 CDP+；Safari WebKit 使用 WebKit 原生 API。

Playwright 不模拟鼠标界面点击，直接和浏览器内核模块（渲染引擎、JS 引擎、网络栈）通信。所以可以做到普通用户做不到的能力：

• 拦截、修改网络请求 / 响应
• 模拟弱网、离线网络环境
• 修改摄像头、麦克风、定位权限
• 多标签页、多上下文完全隔离环境

内置自动等待机制内置等待逻辑是 Core 层实现，自动校验页面加载、网络状态、元素可见、可交互、动画结束，不用手动写 sleep、轮询，大幅降低脚本复杂度。

无头模式原理不管有头 / 无头，浏览器完整多进程（Browser、Render、Network）全部运行；无头只是不启动 GUI 窗口，渲染、JS 执行、事件触发逻辑完全一致，非常适合 Linux CI 后台运行。

支持范围边界✅支持：Web 应用；移动端设备模拟；Electron/NW.js 内嵌内核桌面应用；❌不支持：安卓 /iOS 原生 App (.apk/.ipa)；Windows 原生桌面软件（记事本、Qt 程序等）。

---

03 Playwright 高频常用核心方法

以 Page 对象为核心，全部 API 自带自动等待，无需手动 sleep。
最佳实践：优先使用locator定位器，不要用老式page.$，locator 自带自动重试，稳定性更高。

🌐页面导航类

• page.goto(url)：跳转访问网页，自动等待页面加载完成
• page.reload()：页面刷新
• page.go_back()：浏览器回退
• page.go_forward()：浏览器前进
• page.wait_for_url()：等待跳转到指定 URL

🖱️元素交互操作类

• page.click(selector)：点击元素，自动等待元素可见、可交互
• page.fill(selector, text)：输入文本，清空后填入内容
• page.type(selector, text)：逐个字符输入，模拟真实键盘打字
• page.dblclick(selector)：双击
• page.hover(selector)：鼠标悬浮
• page.check(selector)：勾选复选框
• page.uncheck(selector)：取消勾选
• page.select_option(selector, value)：下拉选择框
• page.set_input_files(selector, 文件路径)：文件上传

🔍元素获取与断言

• page.locator(selector)：定位器，Playwright 推荐首选，自动重查询元素
• locator.text_content()：获取元素文本
• locator.inner_html()：获取元素 HTML
• locator.is_visible()：判断元素是否可见
• expect(locator).to_be_visible()：断言元素可见
• expect(locator).to_have_text()：断言文本内容
• expect(page).to_have_url()：断言页面 URL

📡网络拦截与模拟（Playwright 王牌能力）

• page.route(url, handler)：拦截路由，篡改请求 / 响应
• page.unroute()：取消拦截
• page.set_offline(True)：设置离线模式
• page.emulate_network()：模拟弱网、限速网络
• page.request：直接发起 http 请求，不打开页面

📄弹窗、iframe、多标签页

• page.wait_for_event("dialog")：捕获 alert/confirm 弹窗
• page.frame_locator()：定位 iframe 内部元素
• page.wait_for_event("page")：监听新打开标签页
• browser.contexts：多浏览器上下文隔离

📸截图、录屏

• page.screenshot()：页面截图，支持整页截图
• page.video：开启录屏，上下文级别配置

⏱️等待相关（极少需要手动写）

绝大多数场景不需要手动等待，API 内置等待；仅特殊业务使用

• page.wait_for_timeout(ms)：强制固定等待（尽量少用）
• page.wait_for_selector(selector)：等待元素出现
• page.wait_for_load_state("networkidle")：等待网络空闲

简单 Python 示例片段

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch(headless=False)
    page = browser.new_page()
    page.goto("https://www.baidu.com")
    page.locator("#kw").fill("Playwright教程")
    page.locator("#su").click()
    browser.close()

---

04 性能深度解析（Playwright vs Selenium）

维度	Selenium	Playwright
通信模型	HTTP 短连接，每一步操作新建 HTTP 请求，频繁握手销毁	WebSocket 持久全双工长连接，一次握手反复复用，双向消息
进程模型	脚本 ↔ WebDriver 驱动 ↔浏览器，进程隔离弱	完整多跨进程隔离：客户端 SDK、Playwright‑Server、浏览器主进程、渲染进程、网络进程互相独立
单步表面速度	看起来更快，不做任何状态等待，直接执行	单步会做自动等待校验，简单操作体感略慢；这不是性能差，是稳定性校验开销
复杂页面综合效率	页面动态渲染、AJAX 多的时候，需要手动 sleep/retry，大量不稳定失败，整体有效执行效率低	内置自动等待，一次执行成功，复杂动态页面综合执行效率更高
长时间批量执行	内存泄漏风险相对高	可精准回收 BrowserContext、页面资源，长时间跑 CI 稳定性更好

误区澄清：Playwright 并不是硬件执行速度慢，默认开启大量自动校验（元素可见、网络空闲、动画结束）；Selenium 什么都不等直接操作，表面快，实际极易出现元素找不到、操作时机不对导致用例失败。

Selenium 链路：脚本 → HTTP请求 → WebDriver中间驱动 → 浏览器，每一步都 HTTP 往返，延迟累积。Playwright 链路：脚本 ↔ WebSocket长连接 ↔ Playwright Core ↔浏览器原生协议 ↔浏览器内核，一次连接持续通信，消除大量 HTTP 开销。

---

05 ✅ Playwright 优势 & ❌劣势

✅优势

1. 架构稳定性强：跨进程隔离，直接对接浏览器底层协议，剔除 WebDriver 中间驱动层，规避大量驱动兼容 bug。
2. 原生智能自动等待：自动等待 DOM、元素状态、网络、动画结束，几乎不需要写 sleep，脚本简洁，用例通过率高。
3. WebSocket 长连接通信，对比 Selenium HTTP 短连接，减少大量网络往返开销，批量用例执行性能更好。
4. 高级浏览器能力丰富：网络拦截篡改、弱网模拟、权限控制、多隔离上下文、设备仿真。
5. 跨浏览器、跨平台：Chromium、Firefox、WebKit (Safari) 一套脚本；Linux 无头环境 CI/CD 适配成熟。
6. 多语言统一 API，Python/Java/JS/C# 接口语义一致，学习成本低。

❌劣势

1. 简单操作体感延迟：默认全套自动等待校验，简单页面单步操作对比 Selenium 会有肉眼可见小延迟，属于稳定性代价，不是硬件性能瓶颈。
2. 适用边界明确：只支持 Web 以及内嵌浏览器内核应用；原生移动端 App、原生桌面软件无法驱动。
3. 环境部署成本：首次运行会下载对应版本浏览器二进制包；内网隔离环境，需要手动准备浏览器，配置繁琐。
4. 生态沉淀少于 Selenium：Selenium 历史久，老旧项目、疑难问题网上资料更丰富；Playwright 小众场景解决方案相对少。

---

06 核心总结

Playwright 的核心竞争力不是单纯 “跑的更快”，而是底层架构带来的更高稳定性和更丰富原生浏览器能力。

✅跳过中间驱动层，直连浏览器多进程内核

✅WebSocket 全双工长连接，消除 HTTP 频繁请求开销

✅Core 层内置全套自动等待，解决大部分 UI 自动化 “时机问题”

✅强大网络模拟、权限管控、多隔离上下文

✅丰富简洁的高层 API，locator 定位器大幅降低脚本维护成本

✅Linux 无头环境完美适配 CI 流水线

现代 Web、SPA、需要网络 mock、CI 高频回归、多内核验证，是 Playwright 的甜蜜区；老旧浏览器、海量存量脚本，不要盲目上。