使用 Python 在 Linux 上实现一键回归测试

从代码库迁出代码 ---- pexpect 的使用

测试人员从代码库（例如 CVS ）迁出代码的过程中，需要手动输入访问密码，而 Python 提供了 Pexpect 模块则能够将手动输入密码这一过程自动化。当然 Pexpect 也可以用来和 ssh、ftp、passwd、telnet 等命令行进行自动化交互。这里我们以 CVS 为例展示如何利用 Pexpect 从代码库迁出代码。

清单 1. 用 pexpect 迁出代码库代码

try:
 chkout_cmd = 'cvs co project_code' #从代码库迁出 project_code 的内容
 child = pexpect.spawn(chkout_cmd)
 child.expect('password:')
 child.sendline('your-password') #请替换"your-password"为真实密码
 child.interact()
 except:
        pass #忽略迁出代码中的错误

在清单 1 中，我们用命令"cvs co project_code"从代码库中迁出了 project_code 的内容，我们也可以用该命令来更新已经迁出的代码。只需要将命令"cvs update" 传给类 pexpect.spawn()即可，详细的实现请参考代码文件。这里 interact()函数是必须的，用来在交互的方式下控制该子进程。有时代码库中会存在目录不一致行情况，迁出代码会因报错终止，所以需要异常处理(try ... execpt)来忽略该错误。

编译代码和运行测试脚本 ---- subprocess 的使用

测试人员获取最新的代码之后，就要对源码进行编译，并且运行测试用例。Python 语言提供了多种方法如 os.system()/os.popen()来执行一条命令，这里我们推荐用 subprocess 模块来创建子进程，完成代码编译和运行测试用例。因为 subprocess 支持主进程和子进程的交互，同时也支持主进程和子进程是同步执行还是异步执行。由于本文中的各个功能模块有都先后依赖关系，所以全部采用的是主进程和子进程同步模式执行。

编译代码

清单 2. 用 subprocess 编译代码

build_cmd = 'build_command_for_your_code' #请在这里配置编译命令
 build_proc = subprocess.Popen(build_cmd, stdin=None, stdout=None, stderr=None, shell=True)
 build_proc.wait() #等待子进程结束
    assert (0 == build_proc.returncode)

在一些系统中我们编译代码采用的是脚本文件（如 shell 脚本），那么我们仍然可以如下命令来完成代码编译工作。

清单 3. 用 subprocess 的 call 函数执行脚本文件

    subprocess.call(["code_compile.sh"])

运行测试脚本

在编译完成代码之后，我们同样可以调用 subprocess.Popen 来创建子进程运行测试用例。如果测试人员的测试用例已经写成了测试例脚本，我们则可以用 subprocess.call()来执行测试例脚本文件，代码实现就不再赘述。有些系统会直接把详细日志输出到屏幕上，那么我们可以用重定向命令"2>&1"把屏幕输出写文件。

清单 4. 用重定向命令把输出写文件

       ut_cmd = 'Your_unit_test_command  2>&1 > %s' %self.debug_log #debug_log 定义在__init__函数中，用来存储详细日志

测试结果存储和发布 ---- XML 解析

我们的项目采用敏捷开发，为了更好的反应敏捷开发周期，我们希望存储日志的目录名不但能够指明的具体日期，同时也能反映敏捷（迭代）开发阶段，这样相关人员在查看相应目录中的日志时，能够清楚的明白日志实在在哪个迭代周期的哪一天产生的。本文使用文件 summary 作为运行测试用例后生成的汇总日志，用文件 log.txt 用来存储详细日志。如下图所示，在共享目录 SharedFiles 中存储了一些列迭代周期中的日志。

清单 5. 共享目录结构

    SharedFiles
    ├── Sprint10-20130823121500
    │   ├── log.txt
    │   └── summary
    ├── Sprint10-20130826152715
    │   ├── log.txt
    │   └── summary
    ├── Sprint10-20130828165235

为了能够让目录名反映敏捷开发周期，我们需要自己定义一个配置文件（txt 或 xml 均可）。由于 Python 已经很好的支持了 XML 解析，并且 XML 文件作为配置也是当前的流行趋势。本文就以 XML 解析为例进行说明。本文使用的 XML 文件名是 Sprint.xml，清单 6 是该 xml 的概要内容

清单 6. Sprint.xml 文件结构

<sprint-schedule>
 <min-sprint>10</min-sprint>
 <max-sprint>20</max-sprint>
 <sprint10>20130814</sprint10>
	 <sprint11>20130828</sprint11>
 … … 
 <sprint19>20131218</sprint19>
 <sprint20>20140101</sprint20>
    </sprint-schedule>

关于 xml 解析 Python 提供了多种方法。本文采用 minidom 对 xml 文件进行解析，清单 7 是相关处理代码。

清单 7. xml 解析代码

cur_date = time.strftime('%Y%m%d%H%M%S', time.localtime(time.time())) # 首先获取当前系统日期

xmldoc = minidom.parse(xml_file) 
 min_num_node = xmldoc.getElementsByTagName('min-sprint')[0]
 min_num = int(min_num_node.firstChild.data) #解析出迭代开发周期的起始周期

 max_num_node = xmldoc.getElementsByTagName('max-sprint')[0]
 max_num = int(max_num_node.firstChild.data) #解析出迭代开发周期的终止周期

    cur_num = min_num
#遍历所有迭代周期，取出当前迭代周期的开始时间和当前的系统时间对比，从而确定当前位于哪一个迭代周期。
 while cur_num <= max_num : 
 node_name = 'sprint' + str(cur_num)
 cur_node = xmldoc.getElementsByTagName(node_name)[0] 
 sprint_date = cur_node.firstChild.data
 if sprint_date < cur_date[0:7]: 
 cur_num = cur_num + 1
 else:
            break

这样 cur_num 就指向了当前的迭代开发周期。然后，我们就可以根据当前日期和开发阶段创建对应的日志目录名了，最后把运行结果存储到该目录下，参见清单 8 实现。

清单 8. 日志存储代码

log_dir = self.share_dir + '/Sprint' + str(cur_num) + '-' + cur_date #share_dir 为共享目录，定义在初始化函数中
 os.mkdir(log_dir)
 os.system('mv %s %s' %(self.debug_fullname, log_dir)) #debug_fullname，详细日志文件名（含目录），定义在初始化函数中
    os.system('mv %s %s' %(self.sum_fullname, log_dir)) #sum_fullname，汇总日志的全路径文件名，定义在初始化函数中

关于测试结果的发布，本文并没有把测试结果以自动化的形式发送邮件，而是手动在每个开发周期结束时，群发邮件给相关人员。或者在验证失败后，通知相关的开发人员，这是由于作者所在团队项目代码提交频率不是很高。在更大型的项目中，往往需要增加自动发送邮件的功能，相关实现本文不再赘述。

也谈界面设计 ---- getopt 的使用

在日常的测试过程中，我们并不是每次都要迁出代码，编译代码，运行测试用例和收集测试结果。这样就需要我们能够有选择的运行部分程序功能，例如只运行测试用例和收集结果。这里我们提供了 4 个运行选泽：

选项 1：迁出代码-->编译版本-->运行测试用例-->收集测试结果

选项 2：更新代码-->编译版本-->运行测试用例-->收集测试结果

选项 3：编译版本-->运行测试用例-->收集测试结果

选项 4：运行测试用例-->收集测试结果

当然我们还需要提供帮助信息，以方便不熟悉该脚本实现的人员使用。python 也提供了 getopt 模块让我们轻松实现上述功能。实现代码参见清单 9

清单 9. 命令行写解析代码

try:
   opts, args = getopt.getopt(sys.argv[1:], 'bchu', ['build', 'checkout', 'help', 'update'])
    except getopt.error, msg:
        self.usage()
        sys.exit(2)

    build_flag = 0 #构建选项
    for o, a in opts:
        if o in ('-h', '--help'):
            self.usage()
            sys.exit()
        elif o in ('-c', '--checkout'):
            print "执行操作：迁出代码-->编译版本-->运行测试用例-->收集测试结果"
            build_flag = 1
            break
        elif o in ('-u', '--update'):
            print "执行操作：更新代码-->编译版本-->运行测试用例-->收集测试结果"
            build_flag = 2
            break
        elif o in ('-b', '--build'):
            print "执行操作：编译版本-->运行测试用例-->收集测试结果"
            build_flag = 3
            break
        else:
            self.usage()
            sys.exit()
     if (0 == build_flag) :
        if 2 <= len(sys.argv):
            self.usage()
            sys.exit()

    raw_input('\n 按 Enter 键继续。。。(Ctrl+C 退出)\t')
       
    if (1 == build_flag) : #迁出代码，并编译代码
        self.checkout_code()
        self.build_code()
    elif (2 == build_flag) : #更新代码，并编译代码
        self.update_code()
        self.build_code()
    elif (3 == build_flag) : #编译代码
        self.build_code()

    #运行测试用例并收集运行结果
    self.set_python()
    self.run_testsuite()
    self.store_logs()

如果我们在运行的过程中想中断（如利用 Ctrl+C）一键回归测试进程的执行时，有时我们会发现虽然主进程已经被终止，但子进程仍在运行。我们能否在中断主进程的同时也中断子进程呢？答案当然是肯定的，我们可以用信号处理函数捕获信号（如捕获 Ctrl+C 产生的中断信号），然后在显式终止对应的子进程。这里就需要我们在创建子进程的时候，先保存子进程 ID，当然把子进程 ID 保存到初始化函数中，是个不错的选择，清单 10 是相关实现。

清单 10. 信号处理代码

    # 终止子进程的运行
    def handler(self, signum, frame):
        if (-1 != self.subproc_id) : #subproc_id 定义在初始化函数中，用来存储当前子进程的 ID
            os.killpg(self.subproc_id, signal.SIGINT)
        sys.exit(-1)

这里我们需要在初始化函数中注册要捕获的信号，并且创建成员变量用来保存子进程的 ID，详细实现请参见清单 11。

基于对象的设计 ---- class 的使用

最后终于轮到 class 登场了，提到 class 我们就不能不谈构造函数（初始化函数）和析构函数。之前我们多次提到初始化函数，初始化函数允许我们定义一些变量，这些变量在整个类对象的生存周期内均有效。由于本文没有向系统申请资源，就再不定义析构函数了。

清单 11. 初始化处理代码

    def __init__(self):
        signal.signal(signal.SIGINT, self.handler) #注册需要捕获的信号量
        self.myafs_dir = os.getenv('myafs')
        self.subproc_id = -1 #子进程 ID，用来在终止主进程时也同时终止子进程
        self.debug_log = 'log.txt' #存储详细运行日志的文件名
        self.debug_fullname = os.getcwd() + os.sep + self.debug_log #全路径文件名（假设产生在该目录下）
        self.sum_log = 'summary' #存储汇总日志的文件名
        self.sum_fullname = os.getcwd() + os.sep + self.sum_log #全路径文件名（假设产生在当前目录下）
        self.share_dir = self.utafs_dir + '/SharedFiles' #共享目录文件名

通常我们不需要太关注设计风格，只要 Python 脚本能完成我们的测试要求即可。对于较小的脚本，几条 Python 指令顺序执行即可。为了模块功能复用和可读性，我们通常会把功能模块封装成函数。本文将实现的所有函数都封装到一个类中，使得该脚本更加一体化。

清单 12. class 框架结构代码

    class COneClickRegTest:
        #设定一些经常使用的变量，如当前工作目录，日志名称、存储路径等
        def __init__(self):
    
        #设定 python 环境变量，实现参见代码文件
        def set_python(self):

        #更新代码，实现参见代码文件
        def update_code(self):

        #迁出代码，实现参见第 2 章代码
        def checkout_code(self):
        
        #编译版本，实现参见清单 1 代码
        def build_code(self):

        #运行测试集，实现参见代码文件
        def run_testsuite(self):

        #存储运行结果，实现参见清单 7 和清单 8 代码
        def store_logs(self):
     
        #信号处理，实现参见清单 10 代码
        def handler(self, signum, frame):

        #脚本使用说明，实现参见代码文件
        def usage(self):

        #命令行解析以及执行对应的功能，实现参见清单 9 代码
        def main(self):

结束语

Python 语言是一个易学易用的脚本语言，笔者没有多久的 Python 开发经验，不过其他语言有的功能在 Python 中大都可以找到对应的实现，这也是笔者能够在很短的时间内完成该测试脚本的原因。因此，笔者把该语言和使用该语言完成一键回归测试介绍给大家，希望对大家有所帮助。正像笔者说的其他语言有的功能在 Python 中大都可以找到对应的实现，同样，如果大家对某一种特定的脚本语言或者开发语言特别熟悉，也完全可以采用所熟悉的语言来完成一键回归测试的工作。

转载于:https://www.cnblogs.com/qiri07/articles/3944181.html