如何在Java中通过Selenium获取org.w3c.dom.Document或Node引用？

我明白你的需求——在CI功能测试中获取包含所有页面加载后动态变更的org.w3c.dom.Document引用，而不是静态的页面源码（毕竟源码没法体现JS修改、AJAX加载后的DOM状态，比如动态添加的表单字段、异步渲染的列表项这些）。之前搜出来的NoClassDefFoundError问题其实和依赖配置有关，下面我就针对Java+Selenium（CI测试最常用的组合）给出具体的解决方案：

核心思路 #

通过浏览器的JS引擎直接获取当前活跃的document对象，序列化为XML字符串后，在Java端解析成标准的org.w3c.dom.Document，这样能确保拿到的是100%最新的DOM状态。

步骤1：用Selenium获取动态DOM的序列化字符串 #

首先，假设你已经在CI测试中配置了Selenium WebDriver（ChromeDriver/FirefoxDriver等），通过JavascriptExecutor执行JS代码，调用浏览器原生的XMLSerializer把整个DOM树序列化为XML：

// 初始化你的WebDriver（比如ChromeDriver）
WebDriver driver = new ChromeDriver();
driver.get("你的测试页面URL");

// 等待页面动态内容加载完成（根据你的测试场景调整等待逻辑，比如显式等待某个元素出现）
new WebDriverWait(driver, Duration.ofSeconds(10))
        .until(ExpectedConditions.presenceOfElementLocated(By.id("动态加载的元素ID")));

// 执行JS获取DOM的XML序列化字符串
JavascriptExecutor jsExecutor = (JavascriptExecutor) driver;
String domXmlString = (String) jsExecutor.executeScript("return new XMLSerializer().serializeToString(document);");

这里的XMLSerializer是浏览器原生API，能完整序列化当前的document对象，包括所有JS修改、AJAX新增的节点，比Selenium的driver.getPageSource()更可靠（后者有时会遗漏部分动态更新的内容）。

步骤2：将XML字符串解析为org.w3c.dom.Document #

拿到序列化字符串后，用Java标准的DOM解析API把它转换成org.w3c.dom.Document：

import org.w3c.dom.Document;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import java.io.StringReader;
import org.xml.sax.InputSource;

// 初始化DOM解析工厂，务必开启命名空间支持（HTML元素属于XHTML命名空间）
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);

try {
    DocumentBuilder builder = factory.newDocumentBuilder();
    InputSource inputSource = new InputSource(new StringReader(domXmlString));
    Document domDocument = builder.parse(inputSource);
    
    // 现在你就拿到了org.w3c.dom.Document引用，可以用来遍历、查询或者记录DOM树
    // 比如输出根节点名称：System.out.println(domDocument.getDocumentElement().getNodeName());
} catch (Exception e) {
    // 处理解析异常，比如XML格式错误等
    e.printStackTrace();
}

解决NoClassDefFoundError问题 #

你之前搜到的这个错误，大多是因为CI测试环境缺少DOM解析相关的依赖。如果用Maven，需要在pom.xml的test scope下添加以下依赖：

<!-- Xerces是常用的DOM解析实现，解决运行时找不到DocumentBuilderFactory实现类的问题 -->
<dependency>
    <groupId>xerces</groupId>
    <artifactId>xercesImpl</artifactId>
    <version>2.12.2</version>
    <scope>test</scope>
</dependency>

<!-- Java 9+环境需要额外引入JAXP API，因为模块化后默认不包含 -->
<dependency>
    <groupId>javax.xml.parsers</groupId>
    <artifactId>jaxp-api</artifactId>
    <version>1.4.5</version>
    <scope>test</scope>
</dependency>

如果用Gradle，则添加到build.gradle的testImplementation：

testImplementation 'xerces:xercesImpl:2.12.2'
testImplementation 'javax.xml.parsers:jaxp-api:1.4.5'

额外注意事项 #

• 等待动态内容加载：必须确保页面所有动态修改完成后再序列化DOM，否则会拿到不完整的状态。推荐用Selenium的显式等待（WebDriverWait），而不是Thread.sleep()。
• 浏览器兼容性：主流浏览器（Chrome、Firefox、Edge）都支持XMLSerializer，但序列化后的XML格式可能略有差异，不过不影响Java端的DOM解析。
• DOM树记录：拿到org.w3c.dom.Document后，可以用Transformer把它重新序列化为格式化的XML字符串，保存到CI的测试报告里：

  import javax.xml.transform.Transformer;
  import javax.xml.transform.TransformerFactory;
  import javax.xml.transform.dom.DOMSource;
  import javax.xml.transform.stream.StreamResult;
  import java.io.StringWriter;
  
  Transformer transformer = TransformerFactory.newInstance().newTransformer();
  transformer.setOutputProperty(javax.xml.transform.OutputKeys.INDENT, "yes");
  StringWriter writer = new StringWriter();
  transformer.transform(new DOMSource(domDocument), new StreamResult(writer));
  String formattedDom = writer.toString();
  // 把formattedDom写入测试报告或者日志
  

内容的提问来源于stack exchange，提问作者Kalle Richter