学完你会获得:
① 三个 API(pickLocator / normalize / screencast)的完整代码示例,saucedemo 实战可跑
② 批量清洗现有项目定位器的工具脚本
③ 结合 AI 自动生成 Page Object 的 Prompt 模板
帮你少走弯路哦少踩坑。
环境配置:安装与升级(Playwright v1.59)
新用户(从零开始):
# Python 版
pip install playwright
playwright install
# Node.js 版
npm init playwright@latest老用户升级:
# Python 版
pip install --upgrade playwright
playwright install
# Node.js 版
npm install @playwright/test@latest
npx playwright installPython 和 Node.js 都支持吗?
✅ pickLocator() — Python + Node.js 均支持
✅ locator.normalize() — Python + Node.js 均支持
✅ page.screencast — Python + Node.js 均支持
一、问题:1000+ 用例,定位器怎么写最快?
playwright 发布了最新的1.59版本,更新了不少内容,加强了AI Agent + 自动化测试。星主能不能介绍下具体的落地案例?
我现在还是F12一个一个的手动去写定位,有没有快速高效的案例,提升写用例的效率。现在已经维护了1000+的用例了。一个一个去找定位太慢了,虽然元素都加了testid了。
..生成整个 PO 模式的脚本,只需要人工调试修改定位表达式。想实现这种效果
「太慢了。能不能把页面地址丢给 AI,让它直接生成整个 PO 脚本?」
这个问题,Playwright 1.59 给了三个直接对口的答案。
但在讲 API 之前,先把定位策略优先级重申一遍——这是地基:
data-test > role > text > test_id > CSS > XPath
1. data-test:专门给测试预留,最稳 2. role:语义化定位,可访问性友好 3. text:文本定位,够直观 4. test_id:Playwright 内置测试属性 5. CSS:通用兜底 6. XPath:万不得已
下面三个 API,本质上是帮你在执行层更快地落地这套优先级框架。
二、3 个 API 更新
2.1 page.pickLocator() —— 指哪儿点哪儿
这是 1.59 对测试人员最友好的功能。
以前怎么找定位器?(以 saucedemo.com 登录页为例)
1. 打开 https://www.saucedemo.com 2. F12 → 审查元素 3. 在密密麻麻的 DOM 里找到用户名输入框 4. 看到一个 <input id="user-name" ...>5. 写 #user-name,心里默念「这 id 应该不会变吧...」
现在呢?一行代码:
locator = await page.pick_locator()
运行后浏览器进入选取模式——鼠标悬停到哪个元素,哪个高亮,旁边实时显示定位器表达式。点一下就选中,locator 对象直接返回。
实战:pickLocator 选取 saucedemo 登录页元素
import asyncio
from playwright.async_api import async_playwright
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False)
page = await browser.new_page()
await page.goto('https://www.saucedemo.com/', wait_until='networkidle')
print('\n>>> 请在浏览器中点击「用户名输入框」')
username_loc = await page.pick_locator()
username_loc = await username_loc.normalize()
print(f'✅ 用户名输入框 → {username_loc}')
print('\n>>> 请点击「密码输入框」')
password_loc = await page.pick_locator()
password_loc = await password_loc.normalize()
print(f'✅ 密码输入框 → {password_loc}')
print('\n>>> 请点击「登录按钮」')
login_btn = await page.pick_locator()
login_btn = await login_btn.normalize()
print(f'✅ 登录按钮 → {login_btn}')
await browser.close()
asyncio.run(main())运行这个脚本,你会在浏览器里点三个元素,终端立刻打印出三个已经规范化的定位器。

2.2 locator.normalize() —— 把烂定位器洗成最佳实践
上一个例子已经顺带演示了 normalize。这里单独展开讲讲它到底做了什么。
saucedemo 举例:商品页的按钮
saucedemo 的商品列表页,每个商品都有「ADD TO CART」按钮,HTML 长这样:
<button class="btn btn_primary btn_small btn_inventory"
data-test="add-to-cart-sauce-labs-backpack">
Add to cart
</button>如果你手头有一段历史代码,用 CSS class 定位了这个按钮:
add_to_cart_btn = page.locator('.btn_inventory')问题在于 .btn_inventory 这个 class 在页面里有 6 个(6 个商品各一个),会匹配到第一个,不稳定。
用 normalize 一键升级:
raw = page.locator('.btn_inventory')
best = await raw.normalize()
print(best) # getByTestId('add-to-cart-sauce-labs-backpack')normalize() 按优先级检查:
1. 有没有 data-test属性?→ 有,直接用getByTestId()2. 有没有 role?→ 有,用getByRole()3. 有没有 aria-label/placeholder?→ 有,用对应方法4. 以上都没有 → 保留原选择器但尝试简化
对于前面读者提到的那 1000+ 条用例,可以写个脚本全量扫描一遍 PO 类文件,找出所有可以用 normalize 升级的定位器,批量建议替换。
批量扫描脚本(核心逻辑):
import re
from pathlib import Path
NORMALIZE_RULES = [
(r'\[data-test\s*=\s*["\']([^"\']+)["\']\]', r'getByTestId("\1")'),
(r'\[placeholder\s*=\s*["\']([^"\']+)["\']\]', r'getByPlaceholder("\1")'),
]
def scan_po_files(pages_dir='pages'):
for py_file in Path(pages_dir).glob('*.py'):
if py_file.name.startswith('__'):
continue
with open(py_file) as f:
lines = f.readlines()
for i, line in enumerate(lines, 1):
m = re.match(r'^\s*(\w+)\s*=\s*["\']([^"\']+)["\']', line)
if not m:
continue
var_name, locator = m.group(1), m.group(2)
if locator.startswith('getBy'):
continue
for pattern, repl in NORMALIZE_RULES:
if re.search(pattern, locator):
print(f'{py_file}:{i} | {var_name} = "{locator}"')
print(f' → 建议改为: {re.sub(pattern, repl, locator)}')
break输出类似:
pages/inventory_page.py:18 | ADD_TO_CART_BUTTON = ".btn_inventory"
→ 建议改为: getByTestId("add-to-cart-sauce-labs-backpack")
pages/inventory_page.py:20 | CART_LINK = ".shopping_cart_link"
→ 建议改为: getByTestId("shopping-cart-link")一键看清哪些定位器需要升级。
2.3 page.screencast —— 测试跑完自动生成带标注的视频
排查失败用例最痛苦的是什么?不知道脚本点了哪里。
screencast 是 1.59 新增的录屏 API,比 recordVideo 更灵活,而且能在视频里标注每一步操作。
实战:录制 saucedemo 登录 + 加购完整流程
import asyncio
from playwright.async_api import async_playwright
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False)
page = await browser.new_page()
# ===== 开始录屏 + 操作标注 =====
await page.screencast.start(path='saucedemo_login.webm')
await page.screencast.show_actions(position='top-right')
# 步骤 1:打开登录页
await page.screencast.show_chapter('打开登录页')
await page.goto('https://www.saucedemo.com/', wait_until='networkidle')
# 步骤 2:输入用户名和密码
await page.screencast.show_chapter('输入用户名')
await page.fill('#user-name', 'standard_user')
await page.fill('#password', 'secret_sauce')
# 步骤 3:点击登录
await page.screencast.show_chapter('点击登录')
await page.click('#login-button')
# 步骤 4:验证商品列表
await page.screencast.show_chapter('验证登录成功')
await page.screencast.show_overlay('等待商品列表加载...')
await page.wait_for_selector('.inventory_list', timeout=5000)
# 步骤 5:添加商品到购物车
await page.screencast.show_chapter('添加第一个商品')
await page.click('.btn_inventory')
cart_badge = page.locator('.shopping_cart_badge')
if await cart_badge.is_visible():
count = await cart_badge.inner_text()
await page.screencast.show_overlay(f'购物车数量: {count}')
# ===== 停止录屏 =====
await page.screencast.stop()
print('✅ 视频已保存')
await browser.close()
asyncio.run(main())跑完这段脚本,你会得到一个 .webm 视频文件。打开播放:
• 右上角实时显示每一步的操作名(fill、click、wait) • 被点击的元素会高亮闪烁 • 每一段有章节标记 • 自定义浮层(「等待商品列表加载...」「购物车数量: 1」)清晰可见
这个功能对于给 leader 演示或者排查 CI 上的偶发失败特别有用——不用再看截图猜谜了。
三、AI 辅助生成 Page Object
上面三步走完,你已经能做到:
• 定位器获取:pickLocator 指哪儿点哪儿 • 定位器优化:normalize 自动洗成最佳实践 • 调试回执:screencast 生成带标注的视频
但前面读者的最终目标更远——整个 PO 类的代码都由 AI 生成,人工只校对定位器和业务逻辑。
Step 1:用 Playwright 打开目标页面,抓取 DOM 结构快照
body = page.locator('body')
snapshot = await body.aria_snapshot()
print(snapshot)Step 2:把「页面 URL + ARIA 快照 + 已知定位器」组成 Prompt,发给 LLM
你是一个 Playwright 自动化测试专家。
## 页面信息
- URL: https://www.saucedemo.com/inventory.html
- 类名: InventoryPage
## 已知定位器
- ADD_TO_CART_BUTTON: getByTestId("add-to-cart-sauce-labs-backpack")
- CART_BADGE: getByTestId("shopping-cart-badge")
- CART_LINK: getByTestId("shopping-cart-link")
## 页面 ARIA 结构
[ariaSnapshot 输出...]
## 要求
生成完整的 InventoryPage 类,继承 BasePage,包含:
- load() 方法加载页面
- 根据页面元素推断可用的业务方法
- 定位器使用已知定位器Step 3:LLM 输出完整 PO 类,人工校对定位器 → 保存到项目 → 跑测试验证 → 通过后不再重复生成。
关键心法:AI 的正确用法不是让它每次跑测试时实时决策(那是 MCP 的坑),而是让它帮你生成一次固定的 PO 代码。代码一旦固化并通过测试,后续全是直接执行,没有幻觉,没有 token 消耗。
四、踩坑 / Tips
ffmpeg -i input.webm output.mp4 | ||
wait_for_load_state('domcontentloaded') 再取 | ||
wait_for_load_state('networkidle') |
五、总结
pickLocator() | ||
normalize() | ||
screencast | ||
一句话记住:1.59 把定位器工作流从「手动 F12 → 复制 selector → 手动改 testid」变成了「指哪儿点哪儿 → 自动规范化 → AI 生成 PO 骨架」。
省下的时间,够你多写 20 条用例。
作业
1. 必做:用 pickLocator 重新选取 saucedemo 商品列表页的 6 个「ADD TO CART」按钮定位器,对比 F12 方式的耗时 2. 必做:跑一遍 normalize 扫描脚本,检查你现有项目的定位器有多少可以升级 3. 选做:用 screencast 录制一段完整的登录→加购→结账流程,发给同事,看看他们能不能只看视频就理解测试步骤
