前提:熟悉测试业务及流程

任何Python自动化测试的前提,都是必须先熟悉实际测试业务。
任何脱离实际测试业务的自动化都是噱头且无实际意义!
测试的基本流程基本是:
测试需求分析,测试用例设计与评审,测试用例执行,报bug,整理测试报告。
测试用例设计与评审是熟悉软件产品需求的重要过程,
可以更深入地了解软件产品的具体需求。

先掌握手动执行用例

用例设计及评审结束后,先学会手动执行测试用例,
通过手动执行用例,也可以更好的了解软件产品的具体需求,
并学会总结归纳不同的测试类型的用例。
比如性能测试用例,稳定性测试用例,接口测试用例等。

总结测试技术

哪些是需要用到其他辅助性工具,
比如命令行工具软件(命令),外部设备,外部关键数据等。

做到把Python运用到实际测试的每一个环节

Python的优势是数据处理,需要将Python脚本贯穿于测试的所有过程,
包括测试环境搭建阶段,测试用例设计阶段,测试用例执行阶段,
测试用例结果分析阶段,Bug处理,测试报告等环节。
都可以利用Python来处理,来提供测试效率。

做到半自动化执行

在执行某些手动测试用例的过程中,你要学会总结归纳,包括:

table.dataframe {
font-family: verdana,arial,sans-serif;
font-size:13px;
color:#333333;
border-width: 1px;
border-color: #999999;
border-collapse: collapse;
width:80%;
white-space:nowrap;
}
table.dataframe th {
background-color:#c3dde0;
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:center;
}
table.dataframe tr {
background-color:whit;
}
table.dataframe td {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:left;
white-space:nowrap;

}

阶段 总结提升方向
第一阶段 哪些测试环境准备(环境准备,数据准备)是可以用Python代码实现的。
第二阶段 哪些测试用例的执行是重复多次执行,或者长时间执行,
是可以用Python代码实现此类操作的。
第三阶段 哪些测试结果,是可以用Python代码来进行数据分析的,
再最后人为判断测试结果是Pass, Fail。
第四阶段 以上这些Python代码块,是不是经常用,
能否做一个测试工具(.exe)分享给周围的测试同学或研发同学。

以上学习提示过程中,也可以由易到难地一步一步来尝试实现之.

table.dataframe {
font-family: verdana,arial,sans-serif;
font-size:13px;
color:#333333;
border-width: 1px;
border-color: #999999;
border-collapse: collapse;
width:80%;
white-space:nowrap;
}
table.dataframe th {
background-color:#c3dde0;
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:center;
}
table.dataframe tr {
background-color:whit;
}
table.dataframe td {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:left;
white-space:nowrap;

}

实现方式及其难易程度
容易 可以先学会写脚本(Python批处理脚本)形式来实现,
中等 慢慢再考虑写成面向过程(Python函数)形式来实现,
较难 最后再考虑能否写成面向对象(Python类)的形式实现。
尝试全自动测试

当你有了一定的Python基础,你学会了编写函数,学会了编写类 ,
也做过一些小型Python项目(比如学会了写一些.exe的工具),
你也可以将很多手动执行的测试用例转换成Python代码文件来一条条执行了。

你就会碰到以下瓶颈:

table.dataframe {
font-family: verdana,arial,sans-serif;
font-size:13px;
color:#333333;
border-width: 1px;
border-color: #999999;
border-collapse: collapse;
width:80%;
white-space:nowrap;
}
table.dataframe th {
background-color:#c3dde0;
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:center;
}
table.dataframe tr {
background-color:whit;
}
table.dataframe td {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:left;
white-space:nowrap;

}

序号 可能碰到的瓶颈
1 你目前的所谓的自动化用例(Python脚本),只能一次执行一条用例
2 每次测试完后,你可能都需要重新在审核下测试结果,
因为可能有些测试结果,你的Python脚本还没做到自动判断的程度。
3 由于你是一次一条地执行,所以整体测试报告还是要你自己去整理,
比如pass/fail/block了多少条,占比多少等,无法自动生成测试报告!
4 测试用例脚本维护太麻烦了,修改一处,可能其他的脚本也都需要修改。
5 测试用例脚本无法统一管理,东一处西一处。

那你就可以尝试学习某个框架了,框架主要是更规范地执行测试用例。

框架具有:

table.dataframe {
font-family: verdana,arial,sans-serif;
font-size:13px;
color:#333333;
border-width: 1px;
border-color: #999999;
border-collapse: collapse;
width:80%;
white-space:nowrap;
}
table.dataframe th {
background-color:#c3dde0;
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:center;
}
table.dataframe tr {
background-color:whit;
}
table.dataframe td {
border-width: 1px;
padding: 8px;
border-style: solid;
border-color: #a9c6c9;
text-align:left;
white-space:nowrap;

}

框架的优势
1 测试用例自动执行的功能,上一条执行完毕后,自动执行下一条。
2 测试结果自动化生成并生成测试报告的功能
3 只提供了部分User Interface,交互界面会更加方便,
比如你只需编辑关键字,
或者只需要编辑某些数据文件(或者配置文件,xml,txt,excel文件等),
即可实现全部关联修改。
4 。。。。。。益处多多!

有框架,则你离全自动化测试又进了一步。




更多更好的原创文章,请到:www.zipython.com

原文链接:https://www.zipython.com/#/detail?id=e43c2cbe9356437c81d7a88f0b3fb986

《自拍教程5》Python自动化测试学习思路的更多相关文章

  1. python自动化测试学习笔记-10YAML

    之前学习的编写测试用例的方法,都是从excel中编写接口的测试用例,然后通过读取excel文件进行接口自动化测试,这种方式我们叫做数据驱动的方式,由于excel操作起来不灵活,无法实现关联关系的接口测 ...

  2. python自动化测试学习笔记-9测试框架

    学习了这么久的python,我们已经可以自己搭建一个简单的测试和框架了,先从简单的开始,有时我们编写接口的测试用例会用excel进行编写,以下面的接口测试用例模板为例,进行编写:

  3. python自动化测试学习笔记-1

    一.什么是自动化 自动化测试是把以人为驱动的测试行为转化为机器执行的一种过程.直白的就是为了节省人力.时间或硬件资源,提高测试效率,便引入了通过软件或程序自动化执行测试用例进行测试: 二.python ...

  4. python自动化测试学习笔记-5常用模块

    上一次学习了os模块,sys模块,json模块,random模块,string模块,time模块,hashlib模块,今天继续学习以下的常用模块: 1.datetime模块 2.pymysql模块(3 ...

  5. python自动化测试学习笔记-4内置函数,处理json

    函数.全局变量 写代码时注意的几点事项: 1.一般写代码的时候尽量少用或不用全局变量,首先全局变量不安全,大家协作的情况下,代码公用容易被篡改,其次全局变量会一直占用系统内容. 2.函数里如果有多个r ...

  6. python自动化测试学习笔记-2-列表

    上次我们学习了python的基本概念,了解了python的变量及数据类型,并实战了条件判断,for/while循环,字符串输出,格式化输出的一些基本用法,接下来我们继续学习其他的一些数据类型. pyt ...

  7. python自动化测试学习目录

    一.python学习目录 <1> ----python驱动 [python驱动]python进行selenium测试时GeckoDriver放在什么地方? python下浏览器静默运行驱动 ...

  8. Selenium+Python自动化测试学习问题总结笔记

    1.问题描述:不能导入自定义类 错误内容:This inspection detects names that should resolve but don't. Due to dynamic dis ...

  9. python自动化测试学习笔记-9python的日志模块

    参考 logging模块,用来处理python中的日志: import logging logging.debug('debug')logging.info('info')logging.warnin ...

随机推荐

  1. JPQ整合Querydsl入门篇

    # JPQ整合Querydsl入门篇  不知道你们喜不喜欢用JPA ,我本人是很喜欢 不要和我说JPA不适合复杂查询等等的,你要知道现在都是微服务,只要你服务器拆分够细表设计够合理,都是服务之间调能用 ...

  2. floyd + 最大流 (奶牛分配问题)

    FJ has moved his K (1 <= K <= 30) milking machines out into the cow pastures among the C (1 &l ...

  3. Git将一个项目同时从本地推送到GitHub和Gitee

    前言 博主是根据自己的情况写这篇博文的,每个人遇到的情况和需求可能不一样哈,所以初始的步骤也不一定一致,但是同时推送到Github和Gitee的步骤都会是一致滴! Gitee拉取Github仓库 直接 ...

  4. macOS 10.11.* 安装scrapy

    1.安装brew,然后修改brew源为某高校 2.更新python brew install python 3.安装pip 4.安装scrapy,这里肯定会有一个坑,之前在网上看到10.11开启了什么 ...

  5. 关于neo4j初入门(5)

    neo4j和Java Neo4j提供JAVA API以编程方式执行所有数据库操作. 它支持两种类型的API: Neo4j的原生的Java API Neo4j Cypher Java API Neo4j ...

  6. Djaingo 日志配置

    1.setting.py文件 # 项目级别的日志配置 BASE_LOG_DIR = os.path.join(BASE_DIR, "log") LOGGING = { 'versi ...

  7. newSQL 到底是什么?

    数据库发展至今已经有3代了: SQL,传统关系型数据库,例如 MySQL noSQL,例如 MongoDB newSQL SQL 的问题 互联网在本世纪初开始迅速发展,互联网应用的用户规模.数据量都越 ...

  8. CQBZOJ 避开怪兽

    题目描述 给出一个N行M列的地图,地图形成一个有N*M个格子的矩阵.地图中的空地用'.'表示.其中某些格子有怪兽,用'+'表示.某人要从起点格子'V'走到终点格子'J',他可以向上.下.左.右四个方向 ...

  9. Qt下Armadillo矩阵函数库的添加

    其实本文严格说只能算VS2013添加Armadillo教程,因为为了省事,用的是VS2013编译器版本的Qt,Armadillo也直接用了自带例子中的blas_win64_MT.dll.blas_wi ...

  10. JS-01-js的三种引入方式

    <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title> ...