macaca pc java_参与到 macaca-wd.java 开发的一些感悟

- 前言

很多天前就把 macaca 的环境搭建好了,一直在等待 java 版的正式发布,等了这么久终于等到了。开始上手,安装过程很顺利,没碰到任何问题,但是运行就出错了,发现只是个小问题,自己动手就能解决。解决了自然要分享给大家。正好也得到了@xdf的邀请将代码提交到 github,因此有幸成为 macaca-wd.java 代码的贡献者,写下此文,记录下我的一些感悟,同时也希望更多的大拿们都加入开源项目的贡献者阵营。

一、测试准备

下载 wd.java 的sample code进行试验

maven 配置 setting.xml 和 pom.xml 准备

false

central

bintray

http://jcenter.bintray.com

false

central

bintray-plugins

http://jcenter.bintray.com

bintray

bintray

macaca.webdriver.client

macacaclient

1.0.2

本来想通过官方提供的方法直接通过 maven 下载 jar,无奈执行 mvn -s settings.xml clean install 来下载太慢了,索性直接复制了 setting.xml 文件中的关键部分导入到本地的 maven-setting.xml 文件中,添加 macacaclinet 的 dependency 信息到 pom.xml 中,build 一下工程或 run as maven build,待 build 完成后就看到 macacaclient 已经在 Maven Dependencies 中了,接下来就可以正常的使用 sample code 中提供的测试代码了。这样修改后下载居然有速度了,这是奇怪。

befb18022abe49befbeda2ace3d50db0.png

二、运行测试

SampleTest.java类中是一个使用 electron 驱动的 web 测试项目

setup

初始化 driver 开打 electron 浏览器并导航到https://www.baidu.com

test_case_1

使用 id 搜索 macaca 并断言

使用 xpath 搜索 elementByXPath 并截图

test_case_2

使用 id 搜索 testerhome 并断言,然后截图

三、发现问题

运行完成后查看截图,满世界的找一了圈,发现都没有图片。没办法看 API 找找看把图片藏哪里了。

1fcdf590c6751421d6833f23bdcc5acc.png

从 API 看好像此货没有保存图片文件,进一步研究源码

public void takeScreenshot() throws Exception {

JSONObject jsonObject = new JSONObject();

jsonObject.put("sessionId", driver.getSessionId());

utils.request("GET", DriverCommand.SCREENSHOT, jsonObject);

}

原来此货只是向 macaca 服务请求了一次 screenshot 的命令,连返回值都木有,有点坑有木有。此时在群里问了一下,也没得到具体答案。

四、给源码动动刀

自己来动手吧,估摸着跟 appium 一样请求 screenshot 得到一个 base64 的图像编码字符串,然后自行解码写入文件就可以了,说干就干,以前做 IOS 元素通过远程访问 appium 服务在 Windows 机器上展示的时候做过,直接代码 copy 过来,顺便改一下 takeScreenshot 方法将 base64 的字符串返回供新方法 saveScreenshot 调用。

ScreenShot.java

import java.io.FileOutputStream;

import java.io.OutputStream;

import sun.misc.BASE64Decoder;

public Object takeScreenshot() throws Exception {

JSONObject jsonObject = new JSONObject();

jsonObject.put("sessionId", driver.getSessionId());

return utils.request("GET", DriverCommand.SCREENSHOT, jsonObject);

}

public void saveScreenshot(String filename) throws Exception {

BASE64Decoder decoder = new BASE64Decoder();

try {

// Decode Base64

byte[] b = decoder.decodeBuffer(takeScreenshot().toString());

for (int i = 0; i < b.length; ++i) {

if (b[i] < 0) {// 调整异常数据

b[i] += 256;

}

}

// generate the image file

OutputStream out = new FileOutputStream(filename);

out.write(b);

out.flush();

out.close();

} catch (Exception e) {

e.printStackTrace();

}

}

MacacaClient.java

//saveScreenShot

/**

* Save screenshot of the current page.

* @param fileName The absolute path of the image filename

* @return The currently instance of MacacaClient

* @throws Exception

*/

public MacacaClient saveScreenshot(String fileName) throws Exception {

return this;

}

开始测试

@Test

public void test_case_1() throws Exception {

System.out.println(driver.elementById("kw").getAttribute("name"));

driver

.elementById("kw")

.sendKeys("macaca")

.sleep(1000)

.elementById("su")

.click()

.sleep(3000);

String html = driver.source();

Assert.assertThat(html, containsString(""));

driver

.elementByCss("#head > div.head_wrapper")

.elementByXPath("//*[@id=\"kw\"]")

.sendKeys(" elementByXPath")

.elementById("su")

.click()

.saveScreenshot("C:/1.png")

.saveScreenshot("C:/1.jpg");

}

挺好用的,有木有 jpg、png 格式来者不拒。

0f6937bb02aabd575e5cb7128a97d4b4.png

本地测试通过,发到群里,@xdf

联系我让我 pr 到 github,内心有点小紧张,只从 github 下载过代码,在老东家也只是用 git 提交过文档(只有主干没有分支,so

easy),这次要提代码还要建分支,小心脏跳得扑通扑通的,压力有点大啊。

五、github 分支提交

clone master 的代码到本地

$git clone https://github.com/adfghzhang/test.git

Cloning into 'test'...

remote: Counting objects: 3, done.

remote: Total 3 (delta 0), reused 0 (delta 0), pack-reused 0

Unpacking objects: 100% (3/3), done.

Checking connectivity... done.

切换到项目然后创建分支 “branch”

$cd testadfgh@QIANCHANG MINGW64 ~/Desktop/test (master)

$lsREADME.md

adfgh@QIANCHANG MINGW64 ~/Desktop/test (master)

$git checkout -b branch

$git branch//查看分支

- branch//当前所在分支前面有*号

master

Switched to a new branch 'branch'

修改 README.md 文件,然后提交到 github 中途会要求你输入 github 的用户名密码(也可以先设置用户名密码信息)。

$lsREADME.md

$vi README.md

//add something inREADME.md

$git add README.md

$git commit -m "add branch"

[branch 5d21c08] add branch

Committer: qian chang

Your name and email address were configured automatically based

on your username and hostname. Please check that they are accurate.

You can suppress this message by setting them explicitly:

git config --global user.name "Your Name"

git config --global user.email you@example.com

After doing this, you may fix the identity used forthis commit with:

git commit --amend --reset-author

1 file changed, 1 insertion(+)

push 分支的代码到 github

$git push origin branch

Logon failed, use ctrl+c to cancel basic credential prompt.

Username for 'https://github.com/': adfghzhang@live.cn

error: unable to readaskpass response from 'D:/Program Files/Git/mingw64/libexec/git-core/git-gui--askpass'

Password for 'https://adfghzhang@live.cn@github.com/':

Counting objects: 3, done.

Delta compression using up to 4 threads.

Compressing objects: 100% (2/2), done.

Writing objects: 100% (3/3), 261 bytes | 0 bytes/s, done.

Total 3 (delta 0), reused 0 (delta 0)

To https://github.com/adfghzhang/test.git

- [new branch] branch -> branch

最后提交到 github,达峰第一次构建失败了,少了几个 import(着急提交,用的 github 的网页直接提交的,忘了复制 import 部分的代码),内心崩溃 ing。

六、一点感触

回到家接着再来,下载代码加上少的 import,运行测试成功,提交代码。

没隔多久收到了 CI 构建成功的邮件,小心脏终于平复了,内心窃喜 (我也是参与过开源项目开发的一员了)。

虽然本次只是给 wd.java 项目加了一个截图功能并修改了一个小 bug,代码也不复杂,但做为迈出的第一步,内心还是挺激动的。

目前 macacaclient.jar 更新到了 1.0.2 版本,用 maven 的童鞋更新一下 dependency 即可。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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