Playwright-Python 中捕获浏览器错误日志的正确方法
2025-05-18 07:51:30作者:董宙帆
事件监听器的执行时机问题
在使用Playwright-Python进行自动化测试时,开发者经常需要捕获浏览器控制台的错误日志和未捕获的JavaScript异常。一个常见的误区是在页面加载完成后才设置事件监听器,这会导致错过页面加载过程中产生的错误。
问题现象分析
当开发者尝试在页面加载后设置page.on("pageerror")和page.on("console")监听器时,会出现以下情况:
- 页面加载过程中产生的错误无法被捕获
- 监听器打印的错误信息出现在断言之后
- 错误收集列表始终为空
这是因为事件监听器的设置时机太晚,错过了页面初始化阶段可能发生的错误。
正确的实现方式
正确的做法是在导航到目标页面之前就设置好所有需要的事件监听器:
# 在页面导航前设置错误收集器
uncaught_errors = []
page.on("pageerror", lambda exc: uncaught_errors.append(exc))
error_logs = []
page.on("console", lambda msg: error_logs.append(msg.text) if msg.type == "error" else None)
# 然后执行页面导航
page.goto(url, wait_until="networkidle")
# 后续的断言检查
assert len(uncaught_errors) == 0
assert len(error_logs) == 0
技术原理
Playwright的事件监听机制是异步的,但遵循以下原则:
- 监听器只能捕获注册后发生的事件
- 页面加载过程中的错误会在加载完成后统一触发
- 先注册的监听器会先收到事件通知
最佳实践建议
- 尽早注册监听器:最好在创建页面对象后立即设置错误监听
- 分类收集错误:区分未捕获异常和普通控制台错误
- 合理等待:使用
wait_until参数确保页面完全加载 - 错误信息格式化:为断言失败提供清晰的错误信息
扩展应用
这种模式不仅适用于错误捕获,还可以用于:
- 性能指标收集
- 网络请求监控
- 自定义日志记录
- 页面行为分析
通过正确理解Playwright的事件机制,开发者可以构建更健壮的自动化测试套件,有效捕获前端应用的各种运行时问题。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617