自动化用什么框架
1027 885最热 | 最新
- 不清楚，不专业，不敢妄自菲薄！
- 不清楚，不专业，不敢妄自菲薄！
- 问技术纯属白问，对方要么回答不上来要么拒绝回答。问项目和功能测试流程，可以考量将来一起工作时的默契程度。
- 为什么要重头来过呢？开源免费的有很多，站在巨人的肩膀上眺望远方不香吗？
- 搭建自动化测试平台需要以下步骤： 1.**需求分析和规划**：分析你的测试需求，确定你需要测试的类型，例如功能测试、性能测试、回归测试等。明确你的测试目标和预期结果。 2.**选择自动化测试工具**：根据你的测试需求和团队的技术背景，选择合适的自动化测试工具。例如，如果你的团队主要使用Java进行开发，那么Selenium可能是一个不错的选择；如果你需要进行性能测试，那么JMeter可能更适合。 3.**设计测试用例**：设计测试用例是自动化测试的关键步骤。你需要确保测试用例覆盖了所有的功能点和业务流程。同时，测试用例需要能够独立运行，不依赖于其他的测试用例。 4.**编写测试脚本**：根据设计的测试用例，编写测试脚本。测试脚本需要使用选择的自动化测试工具进行编写。 5.**搭建测试环境**：测试环境应该尽可能地模拟真实的运行环境。例如，如果你的应用需要在Linux环境下运行，那么你的测试环境也应该使用Linux。 6.**执行测试**：执行测试脚本，对应用进行测试。测试过程中，需要记录测试结果，对失败的测试进行调试和修复。 7.**分析测试结果和修复问题**：对测试结果进行分析，找出应用的问题和缺陷。然后修复这些问题，进行回归测试，确保问题已经被修复。 8.**持续优化和改进**：根据测试结果和团队的反馈，持续优化和改进测试用例和测试脚本，提高测试的效率和质量。 以上就是搭建自动化测试平台的一般步骤，具体实施时可能需要根据实际情况进行调整。
- 一般不用吧，测试用例的数据也不会爬虫呀
- 一般来说，两种方式都可以，像这种情况，程序和配置一般来说会都支持，具体看个人的需求吧，是想采用省时的方式还是费时的方式，采用省时的就是后一种
- 首先是接口参数类型检验要符合接口参数定义规范，包括必填项、非必填项； 其次是业务规则验证，接口是否符合具体业务或者对外发布规范。 再就是幂等性检验，是否符合数据库存储规范。 具体场景具体分析，最基本的这些验证一定要有，否则做什么接口测试。当然，还要看公司对质量的重视程度，如果公司都不重视质量。这件事也没有太大意义！
- 不合适就算了啊。工作又不会给你慢慢学习和试错。强上对大家都不好
- 接口如何断言（列表类型的）数据？ 我的思路： 前提： res = 接口返回值（json类型） 1. 关键词 断言是否包含或者不包含？ Python代码实例： assert 0 == len(map(lambda x: '你的关键词' in x, res['data']['list'])) 如果不包含把👆代码中的in改为not in 2. 结果数量 断言与数据库查询是否一致？ Python代码实例： assert 数据库SQL查询结果 == len(res['data']['list'])
- 个人理解。如果你的场景只是针对单个接口，那就是从单接口里筛选几个有业务代表性的。当然一般的场景化用例是从需求和业务角度考虑，把多个单接口组合串起来的用例，更接近于用户真实场景，这样一方面把主要的流程覆盖到，另一方面也减少了维护的工作量，并且还能测试出单接口不能测试出的问题，尤其是对复杂系统和耦合度较高德系统。实际工作中要配合使用，全面的单接口测试为基础，多构造场景自动化用例。
- 1、纯问技术，很多培训出来的，简历上写的技能都一样，面试题都背的滚瓜烂熟了，看不出什么问题。 2、问项目和功能，首先看一下你对业务的理解程度，表达能力。 3、问流程，看下是不是真的做过测试，从回答中抠细节问，结合技能，考察是不是真的理解了业务，也可以考察一下求职者的知识面
- 我发现很多人有个误区，一问自动化框架，就答 pytest，unittest，appium，uiautomator，airtest 等等。 这就好比，很多人在简历上写着：熟练使用 postman，会用 postman 做接口测试。 这些都是明显的主次未分。postman，它是一个工具，你可以不用它，换成 swagger、jmeter 等等各式各样的工具。 你的重点是要表现你会接口测试呀，而不是会使用做接口测试的工具。 比如，你得回答接口测试深入的程度，简单如幂等、断点，复杂如高并发，后端业务链走查等，而非回答 postman 的具体使用。 简历该怎么写，面试该怎么答，熟轻熟重，明白了吗？
- 蚂蚁外包面试官表示：面了将近 200 人了，没有测试的简历出现过这个 puppeteer 名字。 本来想百度下看看这个是工具还是语言，不过懒得看了，从名字来看大概率是个自动化测试的工具。如果是工具 你可以学学看，毕竟工具的学习成本小于计算机语言（python 或 java 或别的什么）
- 成年不做选择题，两个都要，pytest其实是uinttest增强版 区别如下 unittest（Python标准库自带）： 标准化：unittest是Python标准库自带的单元测试模块，无需额外安装即可使用。 结构化：unittest强调的是结构化的测试组织方式，通过TestCase类继承进行用例编写，并提供了setUp()、tearDown()等方法用于设置和清理测试环境，以及setupClass()/tearDownClass()用于针对整个类的初始化和清理工作。 执行流程：unittest采用较为传统的xUnit风格，需要创建测试类并定义以“test_”开头的方法作为测试用例。 pytest： 灵活性与简洁性：pytest设计更为灵活，不需要严格的类结构来组织测试用例，可以直接在一个模块中定义多个函数式测试，函数名只需以“test_”开头即可。其断言机制更强大且易于阅读。 插件体系：pytest具有丰富的插件生态系统，可以通过安装各种插件实现更多高级功能，如参数化测试数据（pytest.mark.parametrize）、性能测试、覆盖率报告等。 更细粒度的生命周期管理：pytest提供更细粒度的setup/teardown功能，包括fixture（用于共享资源和状态管理），可以定义在模块、类或函数级别。 自动发现测试：pytest能够自动发现项目中的测试用例，无需显式加载，简化了测试执行过程。
- 人家问框架，你们回答 selenium 和 appium 可把我笑到了。这两个只是测试工具，中间件而已，能算框架吗？自动化的测试框架从小的方面来说就是编程语言+框架，比如 python+unittest，完整一些就是 python+unittest+selenium+HTMLtestrunner（web UI 自动化），反正就是语言+框架+组件（根据实际需求来选择）
- 技术能背，但是项目的坑，只有经历过，才懂。 自动化测试，终究是测试。如果不能分析测试流程，就不用谈自动化了。 面试背的，还是踩的。问问坑，都知道了
- selenium自动化测试详解 这本书包含selenium的安装、页面导航、元素定位以及项目实战等等。是你学习selenium自动化测试必看的书籍。
- +2
- pytest 和 unittest 框架的区别: 1、用例设计对比 1）unittest ● 测试文件必须先 import unittest ● 测试类必须继承 unittest.TestCase ● 测试函数必须以"test_"开头 ● 测试类必须有 unittest.main()方法 2）pytest ● 测试文件的文件名必须以"test"开头，或者以"test"结尾 ● 测试类命名必须以"Test"开头 ● 测试函数名必须以"test"开头 ● 测试类里面不能使用 __init__ 方法 总结：pytest 是 python 的第三方测试框架，是基于 unittest 衍生出来的新的测试框架，使用起来相对于 unittest 来说更简单、效率来说更高，pytest 兼容 unittest 测试用例，但是反过来 unittest 不兼容 pytest，所以说 pytest 的容错性更好一 些！在使用交互逻辑上面 pytest 比 unittest 更全一些！ 2、断言对比 1）unittest assertEqual(a, b) # 判断 a 和 b 是否相等 assertIn assertTrue assertFalse ... 2）pytest pytest 只需要用 assert 来断言就行，assert 后面加需要断言的条件就可以了，例如：assert a = = b # 判断 a 是否等于 b 总结：从断言上面来看，pytest 的断言比 unittest 要简单些，unittest 断言需要记很多断言格式，pytest 只有 assert 一个表达式，用起来比较方便 。 3、前置和后置函数 1）unittest unittest 提供了类级别和方法级别的 setUp/tearDown。 ● 类级（setup_class/teardown_class）每个用例运行前、结束后运行一次(在类中) ● 方法级（setup_method/teardown_method）用例执行前、结束后，只运行一次（在类中） 2）pytest pytest 提供了函数级别的、类级别的、方法级别的、模块级别的 setUp/tearDown。 ● 函数级（setup_function/teardown_function）只对函数用例生效（不在类中） ● 类级（setup_class/teardown_class）只在类中前后运行一次(在类中) ● 方法级（setup_method/teardown_method）开始于方法始末（在类中） ● 模块级（setup_module/teardown_module）开始于模块始末，全局的 ● 类里面的（setup/teardown）运行在调用方法的前后 除此之外还可以通过@pytest.fixture()去进行单独定义；在测试用例中装在 fixture 函数。fixture 的使用范围可以是 function、module、class、session。 firture 相对于 setup 和 teardown 来说有以下几点优势： ● 命名方式灵活，不局限于 setup 和 teardown 这几个命名 ● conftest.py 配置里可以实现数据共享，不需要 import 就能自动找到一些配置，可供多个 py 文件调用。 ● scope="module" 可以实现多个.py 跨文件共享前置 ● scope="session" 以实现多个.py 跨文件使用一个 session 来完成多个用例 ● 用 yield 来唤醒 teardown 的执行 4、参数化 1）unittest 需要借助第三方包，ddt 来进行实现 2）pytest 通过装饰器 @pytest.mark.parametrize 来实现 5、报告 1）unittest ： 通过 HTMLTestRunner 生成报告 2） pytest： a. 通过 pytest-html 生成 html 格式报告 b. 通过 allure 生成报告（很详细）
- 这个问题有点怪，自动化能力和语言能力是有重合部分的，除非你说的自动化能力侧重于使用界面化的工具来做，例如postman，jmeter等。 如果时间紧想要快速展开工作，那就用界面化工具来做自动化，完成工作为先； 长远看来，还是需要提升语言能力，用什么语言都可以java、python不限，但python好上手，推荐。 因为界面化工具，背后走的逻辑和写代码实现是一样的，相比起来写代码自由度肯定高很多。 写代码，又涉及到对操作系统的理解，你要知道为什么写代码能够让计算机帮你做事，你写的代码是通过操作系统来和底层硬件交互的，好了这时候你需要去学习linux的基础知识。 linux交互的底层硬件是什么呢，cpu，内存，硬盘，网卡，这些要去做了解，性能测试需要用到 我们的测试项目，基本都是联网的，而不是单机的，这时候又涉及到网络通信，好了这时候你要去学习通信协议tcp，udp，http，ssh等知识 这些知识结合起来以后，你就通透了。你会发现写代码来做自动化，就是写代码帮你实现你手工测试要做的事情，简单的很