一、如何评估框架和分层思想
1、为什么要设计测试框架
- 产品或工具需要考虑开发效率和成本；
- 需要高效的框架；
- 框架，就是介于原生代码和最终产品之间的一个半成品；
2、如何评价一个框架的好坏？
从以下几个方面来评估：
- 独立于测试工具；如测试框架不受工具限制，测试工具如postman或jmeter只是测试框架某种支持功能的底层的一部分；
- 测试步骤可重用；
- 测试资产可重用；如测试脚本，测试数据，测试环境等；
- 测试数据易定制；如页面输入测试数据，或上传数据，自动生成特定条件的数据；
- 异常处理机制；如自动截图，保留日志和数据，提交bug，自动继续运行等；
- 测试脚本易开发；
- 测试脚本易维护；
- 无人干预执行；如代码提交后可自动运行，半夜可定时运行等；bug修复后可自动进行回归验证；
- 代码可移植性高；如从window移植到linux上；
- 适宜于团队开发；如多人开发；
3、当前流行的框架设计思路
- 数据驱动测试DDT（Data-Driven Testing）
- 关键字驱动测试KDT（Keyword-Driven Testing）
- 业务流程测试BPT（Business Process Testing）
- 页面对象模式POM（Page Object Model）
- 基于组件的测试CBT（Component-Based Testing）
4、分层思想
- 核心就是不同的操作，应该放在不同的类和不同的方法中，层与层之间互相依赖，互相调用，每一层都有自己的独特的分工；
- 不会跨层调用；
指导原则：
- 上层总是依赖下层，不要跨层访问；
- 一切从系统需要提供的功能进行分析；
- 每个层的接口有明确的职责范围；
- 只要接口规范无变化，接口的实现互不影响；
Woniu CBT框架的设计思想:
- 核心，基于产品业务和基于测试组件；
- 组件有几大类：
- 公共组件
- 操作组件
- 测试组件
- 业务组件
- 模块组件
5、现在流行框架存在的问题
- 测试框架只针对某些特定领域；
- 测试框架试图减少测试人员的编码量，导致脚本的各项操作被限制的恨死，无法进行深度开发和定制；
- 测试框架的通用性更强，试图适用于各类测试，使得灵活性和可深度开发性大打折扣；
6、小结
- 测试框架，就是介于原生代码和最终产品之间的一个半成品；
- 测试框架的好坏，需要从独立性，可重用性，稳定性，易开发，易移植，可团队开发等多角度来衡量；
- 当前流行的框架设计，主要有数据驱动，关键字驱动，业务驱动，页面对象模式，基于组件模式等；
- 框架设计和产品设计，一样要遵循分层指导原则；
- 现有的框架，存在只针对特别领域，灵活性，可扩展性不强等多种问题；
二、图像识别和模版匹配算法
1、图像识别匹配算法
为什么要做图像识别？
- 界面元素定位难题；
- SikuliX没有专门的python接口，只能利用JPype进行跨语言调用；
什么是图像识别？
- 核心本质，对图像轮廓的描述，变形后的容错，像素信息的匹配处理等；
图像识别要怎么做和做什么？
- 在一个大的画面中，查找一个匹配某个小区域的画面元素，然后定位到该元素上，再进行相应的操作（如点击），从而实现测试的目的；
模版匹配
- 对于要操作的画面元素，进行单独的截图，这个截图称之为模版；（如要被点击的按钮图片）
- 利用这个模版，在整个当前屏幕或者当前窗口进行搜索匹配，找到完全符合条件的区域的中心位置坐标的过程，就是模版匹配；（如拿着按钮的图片，在页面中按照像素来查找，找到了，就点击页面中按钮的中心位置，完成操作目的）；
- 模版匹配的缺点：模版匹配具有一些局限，只能进行平行移动，若原画面中的匹配模版发生旋转或大小变化时，模版匹配算法无效；即识别不出来模版变形的情况；
滑动比对（RGBA比对）
匹配度（Similarity）
- 即相似度，主要用于解决图像匹配过程中的容错问题；
- 考虑的角度有以下几方面：
- 像素数占比；
- RGBA值占比；（在正确的值的上下浮动10%范围以内，都可以判断为正确），如红色取200为正确，180或220以内也可以算正确；
- 还可以采用预先转换为灰度图的方式，即图片转为白黑灰后比对；
图像识别匹配算法--算法思路
1）依据测试场景，对需要操作的元素截图；
- 注意，截图时最好确保图片的中心位置与元素的中心位置一致；
2）依据需要对当前屏幕截图；
3）获取模版图片和屏幕截图的每一个像素点的颜色值，并保存到一个列表中，供后续滑动和遍历对比；
4）通过循环在X和Y轴两个方向上进行逐点判断，如果没有匹配就滑动到下一个点，直到找到匹配为止；
5）依据匹配的点的位置，获取中心点的位置，并返回；
6）利用获取到的坐标，进行相应的鼠标和键盘操作即可。
2、利用Python开发模版匹配算法
3、基于图像识别的自动化开发
4、基于OpenCV的图像识别技术
5、图像识别技术在移动端的应用
三、云测试平台