• 自动化测试何时切入?为何选择selenium做UI自动化?


    一、什么时候引入自动化测试?

    看了那么多文章,我们不谈虚的,今天就聊点实际的,我们什么阶段需要引入AutoTest呢?

    毋庸置疑的告诉你是当case越来越多,而产品迭代周期不变的情况下,总有一天,现有团队无法在上线之前把所有的case执行完,此时我们需要更有效率的用例执行方式。同时测试人员总是需要重复执行同样的TestCase,时间长了会产生疲惫感,我们此时就会想办法把一些枯燥的工作交给自动化程序去执行。

    二、为何选型selenium自动化测试工具?

    web自动化测试中,用得较多的主要有以下框架Selenium、Cypress、Playwright、Puppeter....以下是Selenium在各方面技术/特性与其他测试框架的对比

    • 脚本语言支持方面,Selenium、Playwright支持的最多。因为不同的公司、不同的技术栈,程序员使用的语言都不一样,支持的语言更多占据的优势就更大,因此Selenium拥有了更多的潜在用户群体

    • 从浏览器的支持程度来看,TestCafe支持的最多,Selenium与其他几个框架则大同小异,而Cypress支持的相对较少,且不支持运用广泛的IE和Safari浏览器

    • 多Tab,iFrame支持及并行测试方面,Selenium也都是支持的,而Cypress则都不支持

    • 原生DOM选择器方面,虽然Playwright(到底是微软)支持的最多,但Selenium也能够支持主流的两种选择器CSS和XPath

    • 在录制插件和解决方案方面,Selenium也是做得比较好的。Protractor、WebDriverIO因为和Selenium同宗同源,所以差异不大。而Cypress、TestCafe、Playwright在这两方面则相对较差,都没有比较好的解决方案。

    三、Selenium特点

    • 开源软件:源代码开放可以根据需要来增加工具的某些功能

    • 跨平台:Linux、windows、mac

    • 支持多种浏览器:Firefox、Chrome、IE、Edge、Opera、Safari等

    • 支持多种语言:Python、Java、C#、JavaScript、Ruby、PHP等

    • 成熟稳定:目前已经被Google、百度、腾讯等公司广泛使用

    • 功能强大:能够实现类似商业工具的大部分功能吗,因为开源性,可实现定制化功能

    四、Selenium的短板在哪里?

    当然,作为软件开发的从业者,选择某一种技术必然要承担其技术负债。Selenium虽然具备以上提及的多种优点,但Selenium有以下4个方面的困难。而这4个困难恰恰是当今UI自动化不被看好的主要原因

    • 元素定位困难。随着打包编译等技术的不断发展,使用了新的现代化的条件渲染引擎后,页面元素定位复杂多变,依靠Selenium中原有的ID、CSS、XPath等选择器编写的脚本有时候不能很好地工作,原先的定位方式不再适用

    • 等待元素无法做到自动等待。当测试运行的服务发生异常、资源不够或者网络拥堵时,页面元素的渲染时间会受到影响。由于Selenium是通过WebDriver控制浏览器,需要用户自己去管理等待时间,而这个时间通常都是不太固定的

    • 插件录制会把不必要的步骤录制下来。所有的录制插件都会录制非常多的不必要步骤,比如点击一个按钮,插件会把鼠标移动的过程也录制进去

    • 人工维护元素定位非常困难,工作量非常大。当UI测试的用例数量愈加庞大,元素定位的维护就会变得相当困难,当需求发生变更时,页面也可能随之发生改变。而这一改变对于不熟知前端代码的测试人员来说通常是难以察觉的

    五、总结

    Selenium在脚本语、浏览器持、并发、分布式,以及插件录制、视频录制都有完整的案例,开源、多平台、多浏览器、API齐全、技术架构也在不停的演化升级维护,你有任何技术问题在搜索引擎去检索基本都可以搜索到解决方案,目前就企业测试团队使用selenium的用户群体居多,所以选择了selenium!

  • 相关阅读:
    使用stream实现两个list集合的合并(对象属性的合并)
    攻防世界-T1 Training-WWW-Robots
    ORB-SLAM2 ---- ExtractorNode::DivideNode函数
    折叠式菜单怎么做编程,初学编程系统化教程初级1上线
    老杨说运维 | 六步法快速实现数据可视化,从容应对数字转型
    Java18知多少
    【DL with Pytorch】第 4 章 : 卷积神经网络
    分布式计算MapReduce | Spark实验
    一文细谈SNN的基本数学原理,LIF模型,STDP与STBP学习方法
    16数据结构与算法刷题之【滑动窗口】篇
  • 原文地址:https://blog.csdn.net/caixiangting/article/details/128069911