【IT168 技术】Spider，其实就是抓取网页的爬虫，大部分搜索引擎都会使用Spider来做数据源的收集。这真是一个很好的设计，那么好的设计我们是不是也能拿来在测试中使用一下呢。

　　其实，目前还是有很多检查链接有效性的工具，诸如LinkBot等都是采用了Spider的概念来达到测试的目的的。

　　那么我们就将这个思想再扩展一下。在互联网网的应用中，页面的数量一向是超级繁多的，我们在平时的测试中也很难做到各个页面都去检查，特别是一些小逻辑或 UI的改动，我们一般是利用等价类的方法论来做一些抽样的测试，但是这样的测试其实是不充分的，碍于成本和产出的失比，我们不会去测试过多的等价类。

　　但是利用Spider的概念就可以很好的解决这种GET的问题了(当然POST的测试解决起来比较困难，还是建议采用“半自动化”)，而且Spider可以进行多种行为控制，也是一种很灵活的应用。对于结果的分析，最简单的无非对于HTTP.STATUS的检查，那样很容易发现一些由于数据或者配置造成的异常。如果更进阶一步，可以Parse Spider获取到的Stream以精确地检查结果。

　　首先，我们要统一一个概念，被测试的页面是由HTML、CSS和JS所组成的。而Spider的应用，是可以用来快速的进行HTML的检查和遍历，但是对于CSS和JS就有其局限性了。

　　通过Spider其实很容易的获取到了所需要测试的页面的HTML，然后采用正则表达式的方式去获取所需的页面对象。因为HTML是标准的标签格式的，所以，获取起来也是比较方便的，然后根据标签的属性，比如ID，Class可以对对象进行区分，这就有些类似于一般的自动化测试对象，对GUI的SPY了。既然有了对象，然后对对象的内容或属性进行检查也是很方便的。

　　这样做的好处是将HTML整个作为文本来处理，操作简单。

　　以下是C#的示例，以获取页面上所有的链接对象：

　　//获取页面HTML并保存到Page

　　Regex regex = new Regex("]+>");

　　MatchCollection mc = regex.Matches(page);

　　//mc中包含了结果对象，可以分别进行处理

　　利用同样的方式，我们还可以获取页面上Div、Button、Text的对象，并且对其内容进行进一步的检查

　　有人会说，看上去和QTP，Selenium等有异曲同工之处，而且，似乎要去搭建这样一个Framework还是比较麻烦的，为什么要这么做呢。其实这里有一个很大的优点是其他自动化工具不能做到的，即Spider可以多线程进行工作。我们是不是经常会碰到QTP，Selenium工作时，占用了当前进程，以致我们只能等待，并且一旦测试的内容海量，我们还得等很长的时间呢?Spider多线程的优势就在这里了。

　　在下认为，对于WEB的测试，利用Spider的方式，能够很大的提高测试效率的。