appium如何连接多台设备

我们在做app自动化的时候,若要考虑兼容性问题,需要跑几台设备,要是一台一台的跑比较耗
时,因此需要考虑使用多线程来同时操作多台设备。

1.我们拿两台设备来模拟操作下,使用:adb devices查看连接状况,获取到设备名称。

在这里插入图片描述

2.获取需要操作app的包名和页面名称(前提该设备已经打开了app)

在这里插入图片描述

3.设置初始配置信息

from appium import webdriver
import threading


# 设备一
def run_01():
    desired = {
        "platformName": "Android",  # 手机系统
        "platformVersion": "7.1.2",  # 手机系统版本
        "deviceName": '127.0.0.1:62001',  # 连接的设备(adb devices)
        "automationName": "UiAutomator2",
        "appPackage": "",  # app包名
        "appActivity": "",  # app的启动页面
        "autoGrantPermissions": "true",  # 默认允许app获取相关权限
        "noReset": True  # 保留登录模式
    }
    driver_01 = webdriver.Remote(command_executor="http://127.0.0.1:4723/wd/hub", desired_capabilities=desired)
    # driver(driver_01)


# 设备二
def run_02():
    desired = {
        "platformName": "Android",  # 手机系统
        "platformVersion": "11",  # 手机系统版本
        "deviceName": '90bf8faf',  # 连接的设备(adb devices)
        "automationName": "UiAutomator2",  # 自动化测试框架 (1.4以上的appium不用写)
        "appPackage": "",  # app包名
        "appActivity": "",  # app的启动页面
        "autoGrantPermissions": "true",  # 默认允许app获取相关权限
        "noReset": True  # 保留登录模式
    }
    driver_02 = webdriver.Remote(command_executor="http://127.0.0.1:4720/wd/hub", desired_capabilities=desired)
    # driver(driver_02)

不同的设备启动配置端口号是不一样的,我这里一个是4723,一个是4720.

4.打开页面后操作元素,这里只简单的关闭页面(具体方法可参考:

https://www.cnblogs.com/lihongtaoya/p/16988855.html)

    time.sleep(5)
    drivers.quit()

5.使用多线程运行多台设备

if __name__ == '__main__':
    threading.Thread(target=run_01).start()
    threading.Thread(target=run_02).start()

6.启动appium服务

启动指令:appium --allow-cors -p 端口号 -U 设备名称

在这里插入图片描述

我这边是两台设备,因此需要启动两个服务,启动完之后就可以运行main函数了。

7.以上实例是将配置信息写在了代码中,若是有十几二十几台设备的话,这种写法有点麻烦,我们可以将配置信息的产生封装在json文件中使用时用load()方法去取参数即可。

1)创建一个json文件存放配置信息

[{
        "url": "http://127.0.0.1:4723/wd/hub",
        "desired": {
                "platformName": "Android",
                "platformVersion": "7.1.2",
                "deviceName": "127.0.0.1:62001",
                "automationName": "UiAutomator2",
                "appPackage": "",
                "appActivity": "",
                "autoGrantPermissions": "true",
                "noReset": true}

    }, {
        "url": "http://127.0.0.1:4720/wd/hub",
        "desired":{
                "platformName": "Android",
                "platformVersion": "11",
                "deviceName": "90bf8faf",
                "automationName": "UiAutomator2",
                "appPackage": "",
                "appActivity": "",
                "autoGrantPermissions": "true",
                "noReset": true}

    }]

2)读取配置信息,这里直接贴完整代码了。

def test_run(url, desired):
    driver_02 = webdriver.Remote(command_executor=url, desired_capabilities=desired)
    driver(driver_02)


def driver(drivers):  # 元素操作方法
    time.sleep(5)
    drivers.quit()


if __name__ == '__main__':
    with open("./appium.json", mode="r", encoding="utf-8") as f:
        data = list(json.load(f))
    for i in range(0, len(data)):
        a = threading.Thread(target=test_run, args=(data[i]["url"], data[i]["desired"]))
        a.start()

最后作为一位过来人也是希望大家少走一些弯路,在这里我给大家分享一些软件测试的学习资料和我花了3个月整理的软件测试自学全栈,这些资料希望能给你前进的路上带来帮助。

视频文档获取方式:
这份文档和视频资料,对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!以上均可以分享,点下方小卡片即可自行领取。

内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
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