前言
从事测试工作已有4年了,期间通过python编写了很多自动化脚本,接下来的日子和大家分享一下测试工作上常用的python库,适合常年从事黑盒测试的同学了解一些入门级技巧。
UI响应时间评测~前身
就在昨天,服务端给测试提了一个评测需求,从APP点击到皮肤商城首页加载完成的时间,并对比竞品。如果只有前者,我们可以通过埋点的形式获取,但涉及竞品就只能通过视频数帧的形式了。
这个需求如果放在4年前,我的做法是这样的
1、取一款60FPS手机(若粒度精细可使用iPhone的慢动作,最高可达240fps),使用支架固定,打开开发者指针位置;
2、取测试机放在镜头前,手动点击app,跳转完成后清除数据重复操作;
3、用KMplayer播放视频,按F键一帧一帧的计算图像变化,算出启用加载的总时长。
过程和结果一般会是这样的o(╥﹏╥)o
是的,数着数着就瞌睡了,然后从头再来\(^o^)/~
视频自动拆帧~opencv
如今,python可以完美的解决这种问题,今天给大家介绍可以实现拆帧的一个python库:opencv-python,通过视频拆帧的形式解决所有突发的不复用的评测需求。
以python3为例,首先安装python-opencv库:
pip install opencv-python
(注意:安装时的库名称是opencv-python,而不是python-opencv)
通过调用“adb shell screenrecord”录制一段操作视频(目前华为设备屏蔽了screenrecord接口,只能通过其他途径录制),然后调用视频进行拆帧,并将图片保存在本地,代码如下:
import cv2# 打开目标视频video = cv2.VideoCapture("D:\\Test\\MyVideo_1.mp4")# 获取视频的帧率fps = video.get(cv2.CAP_PROP_FPS)fps_id = 1 # 记录帧数timeF = 1 # 隔几帧取一张图片image_id = 0 # 图片编号# rval:是否读取成功,frame:图片的内容rval, frame=video.read()while rval:if (fps_id%timeF == 0):image_id +=1print(image_id)# 保存图片到指定目录cv2.imwrite(r"D:\\Test\\img\%d.jpg"%image_id, frame)fps_id = fps_id+1cv2.waitKey(1)video.release()
结果如下:
文件夹设置超大图标,滚动找到起始点和结束点的图片,算得帧差,并乘以每帧的时间,就是我们要的结果了。
如果是复用性强的需求,还可以通过截取图片的特定部位,计算RGB色值/OCR识别文案,来判断起始位置,实现全自动化评测。
结语
opencv拆帧就介绍到这里,还在做黑盒手工评测的同学可以参考这个方法,并可以学习下RGB/OCR识别来辅助进行评测。