Selenide项目中解决Chrome 122版本文件下载问题的方法
2025-07-07 15:05:55作者:郜逊炳
在自动化测试过程中,文件下载功能是常见的测试场景之一。近期在使用Selenide 7.2.0配合Chrome 122版本进行测试时,开发团队遇到了文件无法正常下载的问题。本文将详细分析问题原因并提供解决方案。
问题现象
当使用Selenide的download()方法尝试下载文件时,虽然浏览器默认下载目录中能够获取到文件,但测试代码却报错"文件未找到"。检查日志发现,Selenide创建的临时下载文件夹为空,导致15秒超时后抛出异常。
根本原因分析
经过排查,问题源于测试代码中通过Configuration.browserCapabilities直接设置Chrome选项的方式。这种方式会完全覆盖Selenide的默认配置,包括关键的下载目录设置。具体来说:
- Selenide内部会为每次下载创建临时文件夹
- 直接设置browserCapabilities会破坏这一机制
- Chrome 122版本对不安全下载的限制更加严格
解决方案
正确的做法是使用Selenide提供的专用方式来设置Chrome选项,而不是直接覆盖browserCapabilities。以下是推荐的配置方式:
// 正确设置Chrome选项的方法
System.setProperty("chromeoptions.prefs","credentials_enable_service=false,password_manager_enabled=false");
// 其他配置保持不变
Configuration.fileDownload = FileDownloadMode.FOLDER;
配置建议
对于Chrome浏览器的自动化测试,建议采用以下最佳实践:
- 优先使用Selenide提供的专用属性设置方式
- 对于Chrome特定选项,使用
chromeoptions.*前缀的系统属性 - 保持下载模式为FOLDER以利用Selenide的临时文件夹管理
- 对于新版Chrome,可能需要添加
--disable-features=InsecureDownloadWarnings参数
总结
在Selenide测试框架中,正确配置浏览器选项对于文件下载功能至关重要。通过使用框架推荐的方式设置浏览器参数,可以避免因配置覆盖导致的功能异常。特别是在Chrome浏览器版本升级后,更应注意兼容性设置,确保自动化测试的稳定性。
对于遇到类似问题的开发者,建议首先检查是否遵循了框架的配置规范,再考虑浏览器版本特定的兼容性问题。通过系统属性的方式设置浏览器参数,既能满足定制化需求,又能保留框架的核心功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217