引用 自动化测试基础篇--Selenium Python环境搭建

本文详细介绍使用Selenium与Python进行Web自动化测试前的环境搭建步骤,包括所需软件、工具及其安装配置方法。

原文链接:https://www.cnblogs.com/sanzangTst/p/7452922.html

鸣谢参藏法师。

学习selenium python需要的工具:
  1、浏览器
  2、Python
  3、Selenium
  4、FireBug(Firefox)
  5、chromedriver、IEDriverServer、geckodriver
  6、IDE(Pycharm/Sublime/Eclipse等等)
 
一、浏览器
Selenium支持很多浏览器,那么要选择哪个浏览器?选择哪个版本呢?小白建议用Firefox,当然Chrome,IE,Safari等浏览器也是支持的,只是需要相应的驱动driver。
这里小编推荐使用Firefox(火狐浏览器),因为小白前期可能很难定位元素,需要借助一款插件firebug,所以先在Firefox熟悉了在使用其他浏览器。
Firefox官网地址:
小编这里无所谓什么新不新版的Firefox,最新版都是可以使用的,需要的驱动下面会讲到。
 
二、Python
Windows下安装Python很简单,官网下包直接装就行,Python2和Python3都是可以的,看个喜好,小编一直安装的是Python3。
安装教程参考小编写的一遍Python介绍及环境搭建
Python环境搭建地址:
 
三、Selenium
Python环境搭建好了以后,安装selenium就简单了,因为小编这里是Python3环境,自带的又pip,所以安装selenium直接使用pip安装
安装方法:
--打开cmd;
--输入命令进入Python36/Scripts目录下;
--输入命令 pip install selenium ;
--回车,等待自动安装;
--当最后一行代码出现Successfully install selenium-XX时,表示安装成功。
 
四、插件FireBug
FireBug是火狐浏览器的一款查看代码元素的插件,推荐新手安装,可以快速的定位元素,selenium的重点就是元素定位,只有定到位了,才能进行下一步操作。
安装方法:
--打开Firefox浏览器,点击右上角按钮
--点击附加组件
--点击扩展
--搜索firebug
  --点击安装,重启(小编这里是已经安装好了的)
  --测试安装成功,按F12出现如下画面,表示firebug已经安装成功了
 
五、驱动安装geckodriver/chromedriver/IEDriverServer(Windows环境下)
Firefox:
新版本的Firefox浏览器需要安装geckodriver驱动,小编整理了一份资料,附上下载地址:
使用方法:
1、下载完成解压;
2、将geckodriver放到python文件下
3、添加到环境变量中(例如:G:\Python36\geckodriver.exe)
Chrome:
如果需要使用Chrome浏览器或者IE浏览器,则需要对应的驱动,chromedriver,chromedriver没有64位版本,32即可驱动:
使用方法同geckodriver。
IE:
IEDriverServer,下面链接能够下载所有版本的selenium以及IEDriverServer,注意IEDriverServer区分32位/64位:
使用方法同geckodriver。
 
六、IDE的选择
IDE可以用python自带的IDLE,也可以用一些编辑器,比较好用的有Sublime以及Pycharm,小编曾写过一篇Python编辑器选择,请参考。
 
七、测试打开浏览器
输入以下代码:
复制代码
# -*- coding: utf-8 -*- 
from selenium import webdriver 
driver = webdriver.Firefox() driver.get("https://www.baidu.com")
复制代码
打开Firefox浏览,并且打开百度首页:

转载于:https://www.cnblogs.com/Raul2018/p/9231160.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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