App-UI自动化测试(Airtest+Pycharm)

对Airtest+poco框架的理解:

1.Airtest是一个跨平台的,基于图像识别的UI自动化测试框架,适用于游戏测试和App测试,可以脱离Airtest IDE,使用Pycharm进行脚本编写和运行,支持平台有Windows,Android和IOS。
2.Airtest Project包含了两个框架,一个是Airtest,一个是Poco,两个框架其实都是Python的第三方库。在脚本编写过程中,可以引用其他的库来加强自己的脚本。
3.通俗来说,Airtest用来做自动化测试,其实就是基于图像识别来模拟手动的一些点击操作,本人在工作中运用到的这个框架和poco操作,是对用例的自动化实现,基于用例来编写自动化脚本。

关于封装poco方法

使得在Pycharm中能够正常使用poco操作:

import unittest
from utx import *
from airtest.core.api import *
from poco.drivers.android.uiautomation import AndroidUiautomationPoco
poco = AndroidUiautomationPoco(use_airtest_input=True, screenshot_each_action=False)

这是测试框架中引用的头文件及一些声明,想要使用poco的操作,就要先实例化poco对象

poco = AndroidUiautomationPoco(use_airtest_input=True, screenshot_each_action=False)

这一行就是实例化poco对象的一个说明,通过这一行实例化poco对象了之后就可以使用poco中已经封装好了的操作;

Airtest使用的图像识别算法:

默认情况下,Airtest会尝试用 SURFMatching 、TemplateMatching 和 BRISKMatching 这三种算法来进行图像识别
TemplateMatching 属于模板匹配算法
SURFMatching 和 BRISKMatching 则属于特征点匹配方法。
简单点说,模板匹配算法依赖特征向量来进行图像匹配,而特征点匹配算法则是依赖于图像的特征点 。这些算法对于设备画面上唯一的图标,图像的识别效果会比较好,因为它们拥有较多的特征向量/特征点,而对于纯文字截图、含有大量空白背景的截图,识别效果会差一些。我们都知道,纯文字截图中仅仅包含了一些简单的笔画,特征向量/特征点会比较少,像对于图像来说,更容易识别到错误的结果。而空白背景的截图,各个像素点的灰度值基本没有什么变化,所以特征点几乎没有,就更容易找不到匹配结果或者匹配到天差地远的结果出来。

程序如何根据算法结果判定是否找到匹配的截图

那当我们编写好截图脚本,并开始运行的时候,程序是如何用这些图像识别算法来帮助我们判定是否识别到结果的呢?
这里先说明两个关键性名词:阙值和可信度,它们的取值范围都是【0,1】,在每一条图像识别的脚本中,都会有1个用于结果筛选的阙值。当前我们脚本中设置默认的是threshold=0.8(可在【0,1】范围内自行调整)

touch(Template(r"D:/CompTest/png/sousuo.png", threshold=0.8, rgb=True, resolution=(width,height)))
self.assertIsNotNone(Template("D:/CompTest/png/Browser/40.7.2/搜索框/hahajieguo.png", threshold=
  • 33
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值