如何在Selenium中对象模型进行更快的应用测试

Selenium 中的页面对象模型是一种对开发和测试团队非常有用的设计模式。继续阅读以了解如何使用它进行更快的应用测试

什么是页面对象模型?

页面对象模型,也称为 POM,在 Selenium 中是一种设计模式,可为按钮、输入字段和其他 Web 元素创建对象存储库。在 Selenium 中使用 POM 的主要目标是减少代码重复并改进未来测试用例的维护。在页面对象模型中,将应用程序的每个网页视为一个类文件。 

每个类文件都会联系您在页面中找到的元素。使用这些元素,测试人员可以与被测系统进行交互。

让我们看一个来自Web应用程序的登录页面的实际示例,以及如何使用Selenium中的页面对象模型方法来构建它。

Web 登录页面示例

页面对象模型

如果我们查看生成的 HTML,我们可以看到登录表单和页面中包含的各种元素。

页面对象模型

以下是我们需要在测试自动化脚本中使用的在此页面上完成登录的元素示例。我们将使用这个例子构建一个页面对象模型。

在此示例中用作用户名的电子邮件字段:

<input id="email" name="email" type="text" class="form-control" placeholder="email">

密码字段:

<input id="password" name="password" type="password" class="form-control" placeholder="Password">

将验证提供的详细信息的登录按钮:

<button type="button" class="btn btn-primary" value="" name="btnLoginAuth" id="btnLoginAuth">Log In</button>

成功或错误消息显示在此处:

<span id="spanAuthResponse" name="spanAuthResponse">Error! Invalid Auth Details provided.</span>

首先,考虑一个不使用页面对象模型的典型测试自动化脚本的示例。

/***
*Login Page Feature – Not using Page Object Model
*/
Public class LoginPage {

Public void TestLogin() {

        //Enter the login data
            driver.findElement(By.name("email")).sendKeys("testUser@gmail.com");
            driver.findElement(By.name("password")).sendKeys("my supersecret password");
            driver.findElement(By.name("btnLoginAuth")).click();

            //Verify error message is shown
            driver.findElement(By.name("spanAuthResponse")).isDisplayed();
            assertThat(driver.findElement(By.name("spanAuthResponse")).getText(), is("Error! Invalid Auth Details provided."));    

}

}

您可能想知道这种方法有什么问题,因为这是在Selenium 中开始测试自动化的一种非常常见的方法。但是,有两个问题。

  • 测试方法和目标定位器之间没有分离。两者都交织在一种方法中。所以如果登录变了,完整的测试也必须变,这导致了以后的大量维护。
  • 定位器(我们如何找到元素)将分布在多个测试中,因此没有简单的方法来更新和维护它们。

应用页面对象模型技术,上面的示例对于登录页面将如下所示。

/**
 * Page Object for the Login page.
 */
public class LoginPage {
  protected static WebDriver driver;

  // <input name="email" type="text">
  private By usernameBy = By.name("email");
  // <input name="password" type="password">
  private By passwordBy = By.name("password");
  // <button name="btnLoginAuth" type="button">
  private By signinBy = By.name("btnLoginAuth");

  public LoginPage(WebDriver driver){
    this.driver = driver;
  }

  /**
    * Login as valid user for this application
    *
    * @param userName
    * @param password
    * @return Next Dashboard Page object
    */
  public DashboardPage loginValidUser(String userName, String password) {
    driver.findElement(usernameBy).sendKeys(userName);
    driver.findElement(passwordBy).sendKeys(password);
    driver.findElement(signinBy).click();

    return new DashboardPage(driver); //Not Yet implemented in this example
  }
}

这种方法现在允许您按以下方式实施验证(测试)。

/***
 * Tests login feature
 */
public class TestLogin {

  @Test
  public void testLogin() {
    LoginPage loginPage = new LoginPage(driver);
    DashboardPage dashboardPage = loginPage.loginValidUser("userName", "password"); //Not yet implemented
    assertThat(dashboardPage.getMessageText(), is("Hello userName"));
  }

}

以下是允许使用此方法实现测试代码所需可维护性的规则。

  1. 页面对象永远不应该进行断言或验证。这是您测试的一部分,应该始终在您的测试用例中,而不是在页面对象中。页面对象只是页面的表示。
  2. 您的页面对象中可以有一个验证,即验证页面是否正确加载。这可能包含页面正常工作的关键元素。
  3. 只添加您需要的元素,尽可能保持干净,并在需要时添加。不要过度设计它。

大规模测试

还存在其他框架,为浏览器和移动测试实现此 (POM) 概念。Quantum 框架使用这种方法。这是使用Quantum的示例:

这是我用简单英语进行的 BDD 测试。

页面对象模型

Given、When 和 Then 部分中语句的执行用下面的代码表示。

页面对象模型

如您所见,此处使用了 Google 页面,就像我们对 Selenium 示例中的登录页面所做的一样。

总结

页面对象模型是创建易于维护的测试的好方法,并且可以让您更快地扩展测试工作,因为您可以根据任何测试自动化流程的需要重用对象。

尝试在 Selenium 中使用页面对象模型,看看它如何适用于您的项目。对于那些寻求适用于该概念的 BDD 框架的人,请尝试使用 Quantum 框架并更快地完成更多工作。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法的新型异构分布式系统任务调度算法,并提供了Matlab代码实现。文章重点围绕异构环境中任务调度的优化问题,利用遗传算法进行求解,旨在提高资源利用率、降低任务完成时间并优化系统整体性能。文中详细阐述了算法的设计思路、编码方式、适应度函数构建、遗传操作流程及参数设置,并通过仿真实验验证了该算法相较于传统方法在调度效率和收敛性方面的优越性。此外,文档还列举了大量相关领域的研究案例和技术应用,涵盖电力系统、路径规划、车间调度、信号处理等多个方向,体现出较强的技术综合性与实践价值。; 适合人群:具备一定编程基础和优化算法知识的研究生、科研人员及从事智能优化、分布式系统调度、电力系统、自动化等相关领域的工程技术人员。; 使用场景及目标:①解决异构分布式系统中的任务调度优化问题;②学习遗传算法在实际工程问题中的建模与实现方法;③为科研项目提供算法参考与代码复现支持;④拓展多领域交叉应用的研究思路。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注适应度函数设计与遗传操作流程,并尝试在不同场景下调整参数以观察性能变化。同时可参考文中列出的相关研究方向进行延伸探索,提升综合应用能力。
【图像处理】基于MATLAB的短时傅里叶变换和小波变换及图像处理(Matlab代码实现)内容概要:本文档介绍了基于MATLAB实现的短时傅里叶变换和小波变换在图像处理中的应用,涵盖信号与图像处理的核心技术方法。文档重点展示了如何利用这两种时频分析工具进行图像特征提取、去噪、压缩与增强等操作,并配有完整的Matlab代码实现,帮助读者深入理解其原理与实际应用流程。此外,文档还涉及多种图像处理技术如分割、融合、增强及压缩感知等内容,构成一个较为完整的图像处理技术体系。; 适合人群:具备一定信号处理或图像处理基础知识,熟悉MATLAB编程的高校学生、科研人员及工程技术人员,尤其适合从事电子信息、计算机视觉、遥感图像分析等相关领域的研究人员; 使用场景及目标:①学习短时傅里叶变换与小波变换的基本原理及其在图像处理中的具体应用;②掌握MATLAB环境下实现图像去噪、压缩、增强等任务的技术方法;③为科研项目或课程设计提供可复用的代码基础和技术参考; 阅读建议:建议结合文中提供的Matlab代码进行实践操作,边运行代码边理解算法细节,同时可拓展至其他信号处理应用场景以加深理解。注意区分短时傅里叶变换与小波变换的适用范围,前者适合平稳信号分析,后者更适合非平稳与多尺度特征提取。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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