从手动测试菜鸟到自动化测试老司机，如何完成蜕变

电玩女神 2023-10-08 13:38 30阅读 0赞

![在这里插入图片描述][20d9d3803e0c429288663512b48b1770.gif_pic_center]  
虽然笔者是一个测试老人了，但是基本上所有的测试经验都停留在手工测试方面，对于自动化测试方面的实战经验少之又少，可以说，从这个角度来说，就像生活在原始社会，一切靠双手解决问题。

其实，究其原因：

*  一方面是自动化方面不求上进，觉得会手工测试就可以了，自动化就能躲就躲吧；
 *  另一方面是，觉得自动化是个慢慢积累的过程，不是那么容易学会的，既然不是那么学会的，那是不是就先不学了…

然后，就一拖再拖，能拖就拖，殊不知，自动化已经逐步成为测试领域必备的生存技能了。

所以，为了顺应测试行业发展的潮流，我就开始了从测试“原始人”到测试“现代人”的转变。

考虑到python语言相对于大部分语言的语法简单，容易上手的特点，再加之python在自动化测试方面的广泛应用，我选择了python语言进行学习。

### 01、菜鸟是怎样炼成的 ###

这一部分主要讲讲从一无所知到正式入门，Python从零开始学习的步骤.

**1、基本语法的学习——打铁还需自身硬**

首先，找一个适合零基础的学习网站，粗略过一遍python基本语法，推荐：

*  https://www.sharetechnote.com/
 *  https://www.runoob.com/python/python-tutorial.html

Str、List、dict、set、loop、if等等，这些都是最最基本的语法知识。

需要注意的是，学习教程中的练习实例，一定要一步一步跟着敲下来，这样学习效果最佳。

等到基本语法学的差不多了，就可以直接进入实战阶段了。

需要特别指出的是，没有必要在语法方面反复看，看过一遍基础就可以了，看再多遍也只是纸上谈兵，重要的还是通过实战来巩固前面学习到的知识，也更加深对语法的使用技巧的理解。

**2、项目实战——上阵练兵**

有了一些语法基础之后，接下来要结合项目，实现一些自动化功能。或者，如果没有合适的项目进行练习，给自己定一个目标作为项目，限定时间，实现一定的功能需求

我学习python的时候，由于项目中有一个几乎是日常需要做的事情，比较适合进行自动化，提高工作效率。

具体需求是这样的。从客户返回的产品日志log中提取关键信息，然后以固定的模板填写excel表格，回传给客户。

再详细一点呢，就是从txt多个文件和excel文件中，提取某些数据的值，填写到表格中，便于做问题定位和分析，其中涉及到平均值、最大值，同时涉及到几种固定的类别。

接下来我就来说说，我是如何完成这个项目的。

## 第 1 则 -THE FIRST ##

程序初版面世：

通过日夜奋战，到处求医问药，搞定功能

**第一步**

最开始，从待处理的txt文件出发，先实现一些特点比较明显的，看起来比较简单的数据处理，比如搜索含有特定的关键字的所有行，然后，取这些行中某一特定位置的值，然后计算这些值的平均值。  
大体思路是：

1、 遍历txt文件中所有的行
    
    2、然后通过关键字搜索
    
    3、 搜索到的行，通过一定的字符进行分割，然后存为list
    
    4、按照list下标取值，然后把所有的值加起来求和，再除以个数

虽然我知道这个方法不是最聪明最快的，但是我知道它是我当前的水平能做到的一种方法，至少能实现功能，满足项目需求。

这个阶段学习到的方法是：

open()打开文件
    
    readlines（）读取行
    
    find()找到关键字，后来发现find只能找到一次，并且返回值是所在的位置，不方便，随后改为使用if X in Y来实现了
    
     re.split。

这个阶段，用到的基础知识点是list、for循环、str。

**第二步**

随后，另一个需求随之而来，我上面计算出来的值，得想个办法存下来，等自动化执行完之后，好去统计，然后填表。

因此，我想了一个办法：把重要数据print出来，然后把执行的log保存下来（从网上找的方法），然后人工进行查看和填表。

这个阶段学习到的方法是：

class类
    
    write写文件

**第三步**

后来发现，这种方法的工作效率貌似有点低，明明是很高大上的自动化，怎么成了半自动化了？

所以，我想到的是，把计算出来的数据，保存成表格，然后去表格里查看，就不用从茫茫执行记录里边去找了。

这个阶段学习到的方法是：

> **读EXCEL的模块xlrd**

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16]

写EXCEL的模块xlwt

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 1]

**第四步**

最初生成的表格，基本上是几个类似的数据就生成一个EXCEL，其他类似的再生成一个EXCEL。所以，如果一旦填写的数据有上百个（这个项目就是这种情况），那差不多也要10几个甚至20多个表格。

因此，我的想法是，能不能把这些生成的数据统统生成到一个表格里，然后再去这个表格里去找我需要的数据。

有了这个想法之后，我的想法就不止停留在了这个层面了。而是，既然我打算自动生成数据到统一的一个表格里边，然后去取数据，再填到我的结果表格里边。

那不如一步到位，通过程序直接把计算出来的结果，填到我创建的结果模板表格里边，实现计算——填表全自动化。  
![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 2]

这个阶段用到的主要方法是仍然是读EXCEL的模块xlrd和写EXCEL的模块xlwt，不过，改变了一下这两种方法的用途，原来只用于把txt提取的数据存下来备用，现在直接用于写入最终的结果表格中。

**第五步**

需要特别指出的是，经过上面几个过程之后，所有的txt部分的需求才终于实现了，但是EXCEL数据读取、计算还没有进行。所以，接下来的主要目标，就是实现EXCEL表格的数据统计。

我首先想到的方法是，获取Excel的单元格的值，然后进行计算。有了之前txt数据的类似的经验，只要解决了如何获取单元格的值，就能实现此功能。

这个阶段，我学习到的方法是cell().value,取单元格的值。

## 第 2 则 -THE SECOND ##

**程序优化改版：**

**通过试用和代码审查，优化代码**

至此，需要实现的需求都一步一步的通过探索实现了。

但是，由于时间紧迫，第一版代码以自己最容易hold住的方式实现功能，没有特别去思考是否最优方案，所以，此时的代码只能用“水”来形容。

所以，接下来我做的是：

**一方面：推广试用**

让同事们试用我的代码，发现一些明显的问题，事实证明，实践是检验真理的唯一标准。试用过程中，发现的问题见python学习和工具试用过程中遇到的问题部分

**另一方面：代码检视**

**1)算法优化**

在让团队成员试用工具的同时，重新审视自己的代码，寻找优化点。首先是算法方面的优化。

①提取代码逻辑完全相同的复制粘贴的代码，使用for循环进行结构简化。示意图如下：

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_16_color_FFFFFF_t_70_g_se_x_16]

②对于代码逻辑类似的，可酌情通过自定义函数库，来进行调用，这样可以使代码更加简洁，逻辑更加清晰。

例如，查找文件夹下的文件；通过一定的关键字搜索txt文件的所有行，然后把找到的行切割，然后取出需要的列，形成列表，最后形成dataframe，便于计算平均值等。

import re
    def txt_cut(filel,keyws,cutby=r'[|]\s*'):
        file = open(str(filel), "r")
        txtlines = file.readlines()
        data_is_need_num = 0
        all_data = []
        for line_num in range(len(txtlines)):
            cur_line_data = txtlines[line_num]
            for i in range(len(keyws)):
                if keyws[i] in cur_line_data:
                    data_is_need_num = data_is_need_num + 1
                    data_split = re.split(cutby, cur_line_data)
                    all_data.append(data_split)
        if data_is_need_num == 0:
            print("没有找到您想找的关键字:")
            for i in range(len(keyws)):
                print(keyws[i])
        file.close()
        return all_data

③寻找内置库或者第三方库中是否有更简便的方法，替代代码中一坨代码实现的功能。

例如，计算平均值用mean（）替代求和后再除以数量：

**df.groupby(“A”).B.mean()**

③用dataframe的groupby和value\_counts()方法来输出一坨数据中：

**max = df.groupby(“A”)\[‘B’\].apply(lambda x: x.value\_counts().head(1))**

可以说，代码优化的过程，更是一个各方面飞速进步的过程。

**2）效率及易用性优化**

除了上面的代码结构和调用的模块方法的优化，审视代码过程中，还识别出了一些执行效率和易用性方面的需求：

① 控制循环中某一分支执行次数，获取到一次数据之后，就停止循环。

time_ex = 0
    if (条件1) and (time_ex != 1):
            time_ex = 1
            语句1

②将log打印信息以一定的颜色输出，方便提示用户一些重要的文件存储信息。

print("\033[0;31m我爱你中国\033[0m")

**3）可靠性优化**

除了效率和易用性方面，在这个项目过程中，也识别出了可靠性方面的需求。

例如，存放txt文件名的list，优化之前是通过动态获取目标路径下的所有txt，然后通过list下标来取，这种方法最大的问题是，如果目标路径下有多余的txt，则用下标可能取的不对。

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 3]

优化后，将待处理的文件，通过文件名进行关键字搜索，如果搜索到，则统一放到新建的文件夹下，并重命名为固定的文件名，这样做可以保证后面调用文件列表的时候，一定是我需要的，不会取错 。

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 4]

### 02、python学习和工具试用过程中遇到的问题 ###

**1、int越界**

File "pandas\_libs\lib.pyx", line 615, in pandas._libs.lib.astype_intsafe
    OverflowError: Python int too large to convert to C long

大体意思就是：溢出错误，Python int太大，无法转换为C long。  
![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_16_color_FFFFFF_t_70_g_se_x_16 1]

python的int是没有上限的，但是C有，如果传入参数大于C语言的int上限就会出错。

**解决方案：**

把：

data_df_phy_ipa["IPA"] = data_df_phy_ipa["IPA"] .astype('int')

改为：

data_df_phy_ipa["IPA"] = data_df_phy_ipa["IPA"] .astype('int64')

或：

data_df_phy_ipa["IPA"] = data_df_phy_ipa["IPA"] .astype('float')

**遇到此类问题，其他参考方案是：**

*  List item

修改算法，不用这个c写的函数。

*  升级python版本，有的时候这个错误是python2的，将python升级为3。

**2、重命名文件或文件夹时，提示已存在，异常结束执行**

FileExistsError: \[WinError 183\] 当文件已存在时，无法创建该文件：

![图片][d77a70b44be543d38e4b9ac231539e35.png]

**解决方案:**

对目标文件夹或文件做判空处理：

if not Path.exists(Path.joinpath(newdir,newname))

3、使用round方法时，提示错误

AttributeError: 'float' object has no attribute 'round'

![图片][83f47bd2aa2f44bbb93f5a7f26f9b657.png]

错误提示：

AttributeError: ‘float’ object has no attribute ‘round’

**方案一：**

该错误是由于numpy库版本较低导致的，需要更新numpy库至最新版本：

pip install --upgrade numpy

更新时需要保证pip版本比较新，否则会提示pip版本更新较低更新失败：

python3 -m pip install --upgrade pip

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 5]

F:\Log_Analysis_Auto\0_log_all_auto_fill>pip install --upgrade numpy
    Requirement already satisfied: numpy in c:\python36\lib\site-packages (1.19.5)
    WARNING: You are using pip version 21.0.1; however, version 21.1 is available.
    You should consider upgrading via the 'c:\python36\python3.exe -m pip install --upgrade pip' command.
    
    F:\Log_Analysis_Auto\0_log_all_auto_fill>c:\python36\python3.exe -m pip install --upgrade pip
    Requirement already satisfied: pip in c:\python36\lib\site-packages (21.0.1)
    Collecting pip
      Downloading pip-21.1-py3-none-any.whl (1.5 MB)
         |████████████████████████████████| 1.5 MB 328 kB/s
    Installing collected packages: pip
      Attempting uninstall: pip
        Found existing installation: pip 21.0.1
        Uninstalling pip-21.0.1:
          Successfully uninstalled pip-21.0.1
    Successfully installed pip-21.1

**方案二：**

如果方案一解决不了问题，请将如下这种格式的代码：

rb_s2 = df[df['Cell']=='SCC2'].RB.mean().round(2)

修改为：

rb_s2 = round(df[df['Cell']=='SCC2'].RB.mean(),2)

**4、提示含有gbk或者utf-8解码错误的报错**

**原因：**

这种情况是因为txt文件没有存为utf-8 无bom格式。

**解决方案：**

Ultra edit打开txt文件，然后另存为格式选择“UTF-8-无BOM”。  
![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 6]

**5、提示无权限Permission denied**

PermissionError: \[Errno 13\] Permission denied:  
![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 7]

**原因：**

程序执行完成之前，需要读写的文件不能打开，否则会读写冲突，执行终止。

**解决方案：**

程序执行过程中，不要打开文件。

**6、invalid literal for int() with base 10**

报错：

ValueError: invalid literal for int() with base 10

**原因：**

原因为参数有误，int()函数可以把数字字符串转化成int类型的数字，但是不能传入非数字的字符串。

**解决方案：**

非数字字符串改成数字字符串。

### 03、python学习总结 ###

**1、处理数据pandas库的dataframe比较强大**

数据被DataFrame了之后，就像是操作EXCEL表格中的数据一样，只要你敢想，它就敢做。就我目前用到的DataFrame功能，我总结如下：

统计均值
    
    统计最大值
    
    统计哪个值最多
    
    整列删除
    
    筛选数据
    
    整列合并

DataFrame的功能远远不止这些，感兴趣的小伙伴可以自行学习

**2、对于读写EXCEL的方法，有如下的总结：**

openpyxl可以处理xlsx文件和XLSM文件，可以写入单页sheet超过65535行，可以同时读写Excel；xlrd、xlwt只能处理xls，最大可以写65535行的表格。

不过，如果EXCEL表格的数据量不是很大时，还是建议使用xlrd、xlwt套装。

### 04、后记 ###

最后，一些Python学习心得分享给大家，希望对大家有所帮助。

自动化脚本写作，重在实战
    
    潜力是逼出来，有压力才有动力
    
    写代码之前最好先构思好代码逻辑，躺石头过河的笨方法只适合初学者，并且后期维护成本较高，返工的概率也高一些
    
    Python编码选模块很重要，选对模块事半功倍

希望本文能够帮助那些“原始人”快速“进化”为“现代人”，或者对那些已经成为“现代人”有一些启发。

我下一步的计划是，学习和实践Python+Selenium的自动化框架，我将在后续的文章中把我的学习心得分享给大家，敬请关注。

**最后：** 可以关注公众号：伤心的辣条 ！ 进去有许多资料共享！资料都是面试时面试官必问的知识点，也包括了很多测试行业常见知识，其中包括了有基础知识、Linux必备、Shell、互联网程序原理、Mysql数据库、抓包工具专题、接口测试工具、测试进阶-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试高级持续集成、测试架构开发测试框架、性能测试、安全测试等。

**如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一键三连哦！**

--------------------

### 好文推荐 ###

[转行面试，跳槽面试，软件测试人员都必须知道的这几种面试技巧！][Link 1]

[面试经：一线城市搬砖！又面软件测试岗，5000就知足了…][5000]

[面试官：工作三年，还来面初级测试？恐怕你的软件测试工程师的头衔要加双引号…][Link 2]

[什么样的人适合从事软件测试工作？][Link 3]

[那个准点下班的人，比我先升职了…][Link 4]

[测试岗反复跳槽，跳着跳着就跳没了…][Link 5]

[20d9d3803e0c429288663512b48b1770.gif_pic_center]: https://img-blog.csdnimg.cn/20d9d3803e0c429288663512b48b1770.gif#pic_center
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/115dc99b77164ad1a6d61db1f06ed089.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/17115d3df03c47fab5b14ff25e3a6b5f.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/20a33342553a40088f541df4eb550aa7.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_16_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/40728dd4c2194caaab06a72ed2a94e69.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_16,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/fa1f2247899b4b48a72bc9628de69b8f.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 4]: https://img-blog.csdnimg.cn/365b2db58bd74b539b0215392fa077a2.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_16_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/465b1a3f0ac442f68d0d74e3c643dce5.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_16,color_FFFFFF,t_70,g_se,x_16
[d77a70b44be543d38e4b9ac231539e35.png]: https://img-blog.csdnimg.cn/d77a70b44be543d38e4b9ac231539e35.png
[83f47bd2aa2f44bbb93f5a7f26f9b657.png]: https://img-blog.csdnimg.cn/83f47bd2aa2f44bbb93f5a7f26f9b657.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 5]: https://img-blog.csdnimg.cn/1726214e08a042389e2cd69d35f05112.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 6]: https://img-blog.csdnimg.cn/98a49192be8741c19f1ed8014d67584a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 7]: https://img-blog.csdnimg.cn/1e66b031703e424f8bb1a26cc631c6cb.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[Link 1]: https://blog.csdn.net/m0_56736369/article/details/117909132
[5000]: https://blog.csdn.net/m0_56736369/article/details/117915399
[Link 2]: https://blog.csdn.net/weixin_50829653/article/details/117422433
[Link 3]: https://blog.csdn.net/weixin_50271247/article/details/108421434
[Link 4]: https://blog.csdn.net/weixin_50829653/article/details/117856900
[Link 5]: https://blog.csdn.net/m0_56736369/article/details/117923266