Nightwatch.js中CDP连接在Selenium会话间未重置的问题分析
2025-05-19 14:47:08作者:卓艾滢Kingsley
问题背景
在使用Nightwatch.js进行自动化测试时,当通过Selenium运行测试套件时,发现Chrome DevTools Protocol(CDP)连接在不同测试套件之间没有被正确重置。这个问题在使用.registerBasicAuth()命令时尤为明显,会导致第二个测试套件抛出"Error while running .registerAuth() protocol action"错误。
问题现象
具体表现为:
- 当通过Selenium运行多个测试套件时,第二个套件中的
.registerBasicAuth()命令会失败 - 错误信息显示"无法读取未定义的属性'on'"
- 直接使用WebDriver运行时则不会出现此问题
- 在同一测试套件中使用不同凭证多次调用
.registerBasicAuth()时,只有第一次调用会生效
技术分析
CDP连接管理机制
CDP(Chrome DevTools Protocol)是Chrome浏览器提供的一套调试协议,允许开发者通过WebSocket连接与浏览器进行深度交互。Nightwatch.js利用CDP来实现一些高级功能,如基本认证注册、网络拦截等。
问题根源
- 连接生命周期管理:当通过Selenium运行时,CDP连接在测试套件之间没有被正确关闭和重新建立
- 状态残留:前一个测试套件的CDP连接状态会影响后续测试
- 认证覆盖失效:由于连接未重置,新的认证信息无法覆盖旧的认证
影响范围
这个问题主要影响以下场景:
- 使用Selenium Grid或Standalone Server运行测试
- 测试套件中包含需要CDP连接的功能(如基本认证)
- 需要在不同测试中使用不同认证凭证的情况
解决方案
临时解决方案
对于急需解决问题的用户,可以在每次调用.registerBasicAuth()时强制创建新的CDP连接:
it('测试用例', function(browser) {
// 强制创建新连接
browser.createCDPConnection('page');
// 然后注册认证
browser.registerBasicAuth('user', 'pass')
// 其他操作...
});
长期解决方案
Nightwatch团队已在最新版本中修复此问题,主要改进包括:
- 完善CDP连接的生命周期管理
- 确保每个测试套件都有独立的CDP连接
- 在测试结束时正确清理CDP连接资源
最佳实践
为了避免类似问题,建议:
- 隔离测试状态:每个测试套件应该完全独立,不依赖前一个测试的状态
- 明确清理资源:在测试结束时主动清理创建的资源
- 考虑使用直接WebDriver:对于不需要Selenium Grid功能的场景,直接使用WebDriver可能更稳定
- 及时更新版本:使用修复了此问题的Nightwatch版本
总结
CDP连接管理是浏览器自动化测试中的重要环节,特别是在需要与浏览器深度交互的场景下。Nightwatch.js团队已经意识到并修复了在Selenium环境下CDP连接未正确重置的问题。开发者应关注测试环境的隔离性,确保每个测试都能在干净的状态下运行,这对于构建可靠的自动化测试套件至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
731
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460