Selenium 底層主要依賴于 WebDriver 協議（即 W3C WebDriver 規范，早期也有 JSON Wire Protocol）來實現對瀏覽器的遠程控制，其核心架構可以分為以下幾層：

1. Selenium 客戶端（Client Library）

   • 支持多種語言（Java、Python、C#、JavaScript 等）。

   • 提供了一套統一的 API，讓測試腳本（如 driver.find_element(...)、driver.click()）可以以語言原生的方式調用。

   • 客戶端發送的每一個操作都會被封裝成一個 HTTP 請求（JSON 格式），通過 HTTP Connector 發往對應的瀏覽器驅動。

2. WebDriver 協議（W3C WebDriver / JSON Wire Protocol）

   • 定義了“客戶端 → 驅動”之間所有命令的格式和路由，包括元素定位、頁面導航、腳本執行等。

   • 每個命令都是一個 HTTP 請求，路徑類似 /session/{sessionId}/element/{elementId}/click，請求體里是 JSON 參數。

   • 驅動收到 HTTP 請求后，解析出命令類型和參數，然后執行相應的操作。

3. 瀏覽器驅動（Browser Driver）

   • 每種瀏覽器都有專屬的驅動程序：ChromeDriver、GeckoDriver（Firefox）、EdgeDriver、IEDriver 等。

   • 驅動本質上是一個 HTTP 服務進程，監聽來自客戶端的 WebDriver 協議請求。

   • 驅動內部與瀏覽器進行通信 — 有的通過瀏覽器提供的 DevTools 協議（如 Chrome DevTools Protocol，CDP），有的通過瀏覽器自身的自動化接口（如 Firefox 的 Marionette）。

4. 瀏覽器自動化接口

   • Chrome：ChromeDriver 調用底層的 CDP，實現頁面元素查找、事件觸發、網絡攔截等。

   • Firefox：GeckoDriver 則通過 Marionette 協議，向瀏覽器內置的自動化模塊發送命令。

   • 其他瀏覽器：各自提供類似接口，或通過插件/擴展形式加載自動化腳本。

5. 執行流程示例

   1. 客戶端腳本調用 driver.get("https://example.com")。

   2. 客戶端庫將該調用轉換成一個 HTTP POST 請求：

      POST /session/{sessionId}/url
      { "url": "https://example.com" }
      

   3. 瀏覽器驅動（如 ChromeDriver）接收請求，解析后通過 CDP 命令告訴 Chrome 打開頁面。

   4. Chrome 完成導航后，驅動返回一個 HTTP 響應給客戶端，客戶端繼續后續操作。

6. 并行/分布式執行（Selenium Grid）

   • Selenium Grid 把上述架構擴展為分布式系統：一個 Hub 接收測試請求，分發給不同 Node（各自運行一個或多個瀏覽器驅動實例）。

   • Hub 與 Node 之間依然通過 WebDriver 協議通信，只是多了注冊、心跳、能力匹配等管理邏輯。

7. Selenium RC（歷史）

   • Selenium 1.0（RC）階段，使用了一個名為 “Selenium Core” 的 JavaScript 庫注入到瀏覽器頁面里，通過 DOM 操作和 JS 事件模擬實現自動化，受限于同源策略，需要啟動一個跨域代理服務器。

   • 后來被 WebDriver 模型取代，因為 WebDriver 不注入腳本，只通過瀏覽器自身的自動化接口，可靠性和性能更好。

---

總結： Selenium 底層核心依賴

• 客戶端庫 → 封裝 API & 生成 HTTP/JSON 請求

• WebDriver 協議 → 標準化命令格式（W3C WebDriver / JSON Wire Protocol）

• 瀏覽器驅動 → HTTP 服務 → 轉發到瀏覽器自動化接口（CDP、Marionette 等）

• 瀏覽器自動化接口 → 瀏覽器內部執行對應操作，并回傳結果

通過這一“堆棧式”架構，Selenium 才能以語言無關、瀏覽器無關的方式，提供統一且高效的 Web 自動化能力。