python appium自动化_python+appium 自动化测试-pytest+allure 测试报告 (一)

一、Allure 安装

1、pytest 和 allure 插件安装

pip install allure-pytest

pip install pytest

2、Allure 帮助文档

https://docs.qameta.io/allure/#_about

3、Allure 安装

a.scoop install allure

b.使用安装包安装

1ca7e5aa2aaed868ca4380c4b380ef9f.png

allure2 下载下来是一个 zip 的压缩包,我们要解压至自己的文件目录下(可解压放至项目的测试用例下或 python 安装目录下),自己可找到文件即可。

打开 allure2 目录,找到 bin 目录,复制 bin 文件目录, 然后进行环境变量的配置,设置环境变量的目的就是让系统无论在哪个目录下都可以运行 allure2。

环境变量设置:(桌面——我的电脑——右键属性——高级系统配置——环境变量——系统变量——Path——编辑环境变量——把我们上面复制的目录路径新增至环境变量中即可)

1092178201971624c4263eb5b4b6c47c.png

配置好后,打开 cmd 终端,输入 allure,出现以下帮助文档,就说明配置成功了。

dfccb4ac51ffd443cc513812b6906b96.png

若后续有新版本,建议使用最新的版本

二、生成 json 格式的测试报告

方法一:通过配置 pytest.ini 文件,生成 json 格式测试报告

1.在工程的根目录下新建 pytest.ini 文件,在文件中进行配置,如下图文件

c261286c1dbe77055f12454f424eacfb.png

2.配置的文件内容为:

[pytest]

# 空格分隔,可添加多个命令行参数,所有参数均为插件包的参数addopts = -s --alluredir +

# 配置测试搜索路径,即为测试用例存放的位置testpaths = ./Demo/scripts

# 搜索测试文件的命名python_files = *_test.py

# 搜索测试类的命名python_classes = Test*

# 搜索测试用例函数的命名python_functions = test_*

3.测试用例文件中导入 pytest

7b75a5e034f3d8512101a3ac7f2f9821.png

4.在测试用例的 main 函数中添加下面内容:

766c0261e28f00f785f8ac2b4a06fc6d.png

-s:添加-s 后控制台能显示运行时需要输出的内容,即显示 print() 的内容

demo_login_test.py:测试用例所在的文件

5.完成以上步骤后,运行测试用例,在你 pytest.ini 配置中设置的测试报告文件存放位置,生成一份或多份 json 或 xml 格式的测试报告

1906b313464beb4429aadf65e2436fea.png

方法二:在测试用例配置 Additional Arguments,生成 json 格式测试报告

1.选择需要运行的测试用例,右键点击 Create Run Configuration:"测试用例文件名 “

a2b0414fcaec2bb77ab24d04b1fdef8e.png

2.进入后在 Additional Arguments 输入:- -alluredir=生成的 json 格式测试报告存放的位置

510c548e4081f3797bc939c0f0077a93.png

3.设置完后,点击 APPLY→OK,运行测试用例,在你设置的测试报告文件存放位置,生成一份或多份 json 或 xml 格式的测试报告

2f416a49766f392a92ef2b5bd6666cb9.png

三、测试报告由 json 格式转换为 html 格式

方法一:在终端(terminal)转换

1.测试用例运行完成生成 json 格式的测试报告后,打开 terminal,输入命令:

allure generate ./report/ -o ./report/html --clean

./report/:表示执行需要转换的文件所在的位置,需要转换的文件在report文件夹中

./report/html:表示转换成功的html文件存放的位置,即存放在report下的html文件夹中

--clean:表示清除之前的测试报告,因为重复生成相同的测试报告会报错

注意:在 terminal 可以通过 cd 返回上一级或进入其它文件

2.执行完成后,在 report 文件夹下会生成一个 html 文件,在 html 目录下会生成 index.html 文件,即为可视化报告,如下图所示

8addfff78e7cfdf3a3c74d5c143f8287.png

3.打开 html 文件,右键点击 index.html 文件,选择 open in Broswer,选择 Chrome 浏览器,如下图

fb8a3f42f0ac64b82ae5f10ac0ab1b3c.png

4.谷歌浏览器打开后的测试报告图片呈现为下图:

ce13062d94fe85c573e4ee299faa4860.png

以上内容有错误的地方,大家多多指正,谢谢!

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
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