1.引言
本文主要内容是将如何利用 Python 对 Redmine缺陷进行缺陷数据获取操作。目前统计缺陷数据时基本是根据项目手动去redmine获取缺陷数据，至少要花费一个工作日去完成,目前的目标是通过python脚本通过 Redmine-API快速去获取各个维度的缺陷数据
需求:
需要输出 产品质量数据(总BUG数，每日新建bug数，每日关闭bug数，bug修复周期，bug提交者统计、bug严重程度比）
实现方案：
1.redmine API形式发布不同维度的缺陷数据统计接口
2.采用python调用api接口，获取缺陷数据，并存储在数据库
2.必备环境
Python3
pycharm IDE
mysql
自行安装Python需要的包
redminelib
datetime
json
pandas
charts
3.redmine-api理解
了解各个字段代表的含义，比如新建BUG、关闭BUG，优先级、作者，引入者、BUG状态等字段的定义及获取
4.基于python编码－获取缺陷数据
引入必须的python库及包
#coding=utf-8
#引入所需要的库
from redminelib import Redmine
from pandas import DataFrame;
from string import punctuation
import datetime
import time
import matplotlib
import charts
from mysql_save import Bugcount
import json
AI 代码解读
定义函数
由于篇幅有限及涉及项目业务，这里只摘抄一部分关键代码
首先定义函数
def __init__(self, userName, passWord):
self.userName = userName
self.passWord = passWord
self.redMineURL = 'http://10.20.11.218:8222/redmine'
try:
self.redmine = Redmine(self.redMineURL, username=self.userName, password=self.passWord)
self.project = self.redmine.project.get('f_project')
except Exception as ex:
raise RuntimeError('无法连接到Redmine，请检查网络！\n'+ str(ex))
self.fields = None
#新建BUG数定义筛选
def creat_list(created_on,subject):
redmine = MyRedMine("zhangmeiyuan656", "password")
issues1 = redmine.redmine.issue.filter(
project_id='f_project',
created_on='><'+str(created_on)+'|'+str(created_on),
#closed_on='><'+str(closed_on),
status_id='*'
subject=('~'+str(subject)).encode('utf-8'))
result1=str(len(issues1))
return result1
#return issues
#关闭BUG数定义筛选
def closed_list(closed_on,subject):
redmine = MyRedMine("zhangmeiyuan656", "password")
issues2 = redmine.redmine.issue.filter(
project_id='f_project',
closed_on='><'+str(closed_on)+'|'+str(closed_on),
status_id='*',
subject=('~'+str(subject)).encode('utf-8'))
result2=str(len(issues2))
return result2
AI 代码解读
＃数据处理及时间戳转换使用
if __name__ == '__main__':
redmine = MyRedMine("zhangmeiyuan656", "PASSDWOR")
start_time = "2017-08-01 00:00:00"
end_time = "2017-08-16 00:00:00"
start_time = int(time.mktime(time.strptime(start_time, "%Y-%m-%d %H:%M:%S")))
end_time = int(time.mktime(time.strptime(end_time, "%Y-%m-%d %H:%M:%S")))
c = start_time
while (c < end_time):
c = c + 86400
d = datetime.datetime.utcfromtimestamp(c)
f=str(d.strftime("%Y-%m-%d")
#定义类，字典，导入MYSQL数据库
bugCount = Bugcount()
bug_data1 = {}
bug_data1['date_time'] = f
bug_data1['newbug'] = creat_list(f,"XXXv1.0")
bug_data1['closebug'] = closed_list(f,"XXXv1.0")
bugCount.insert_to_db(bug_data1)
bug_data1_string = json.dumps(bug_data1)
print ('json:',bug_data1_string)
AI 代码解读
4.数据存储
MYSQL安装：
在官网上下载mysqlserver 下一步一直安装
mysql配置
- 1.step1：
苹果->系统偏好设置->最下边点mysql 在弹出页面中 关闭mysql服务
（点击stop mysql server） - 2.进入终端输入：cd /usr/local/mysql/bin/
回车后 登录管理员权限 sudo su
回车后输入以下命令来禁止mysql验证功能 ./mysqld_safe --skip-grant-tables &
回车后mysql会自动重启（偏好设置中mysql的状态会变成running） - 3.输入命令 ./mysql
回车后，输入命令 FLUSH PRIVILEGES;
回车后，输入命令 SET PASSWORD FOR 'root'@'localhost' = PASSWORD('你的新密码');
至此，密码修改完成，可以成功登陆。
注意测试：mac终端基础操作mysql
首先手动启动MySQL应用程序
打开终端输入如下命令： /usr/local/MySQL/bin/mysql -u root -p
*4、进入编码,新建脚本mysql_sav.py
由于篇幅有限，这里只摘抄一部分
#coding=utf-8
#引入所需要的库
import pymysql
import json
#"""docstring for Bugcount"""
#连接数据库
connect = pymysql.connect(
host='localhost',
user='root',
passwd='jammy2017',
db='test',
port=3306,
charset='utf8'
)
#获取cursor对象来进行操作
cursor = connect.cursor()
def __init__(self):
pass
#插入数据
def insert_to_db(self, bug_data):
self.cursor.execute("use test")
self.cursor.execute(
"insert into bug_line(date_time,newbug,closebug) values(%s,%s,%s)", (bug_data.get('date_time'), bug_data.get('newbug'), bug_data.get("closebug")))
self.connect.commit()
AI 代码解读
5.数据展现
这里尝试了三种方式
1、一种是将数据通过pands方法转换后以csv格式导出,这种只适用于将获取到的数据导出excel表格
示例如下：
#生成CSV格式导出
# df = DataFrame({
# '时间周期':['2017-07-24|2017-07-30','2017-07-20|2017-07-23','2017-07-10|2017-07-20'],
# '每周新建bug数':[str(len(issues)),str(len(issues2)),str(len(issues3))],
# '每周关闭bug数':[str(len(issues4)),str(len(issues5)),str(len(issues6))]
# })
# print(df)
# df.to_csv(
# "/Users/zhangmeiyuan/Desktop/爬虫脚本/bug趋势表格.csv",encoding='gb18030'
# )
AI 代码解读
2、通过POTLY库生成图表，不过此方法是在线生成的图表，借助POTLY的服务器，不能存本地
py.sign_in('jammy0528','erYbv2ED1VmGbWglVhHf')
new_bug = Scatter(
x=[1,2,3],
y=[str(len(issues3)),str(len(issues2)),str(len(issues))],
)
close_bug = Scatter(
x=[1,2,3],
y=[str(len(issues6)),str(len(issues5)),str(len(issues4))]
)
data = Data([new_bug,close_bug])
py.plot(data, filename = 'bug-line')
AI 代码解读
3、通过hightcharts+jupyter生成图表
2C46FA55-FC46-41EC-A40D-8F8A1996F00D.png
6、关于数据可视化，未完待续
后续考虑通过web框架flask将获取到的数据进行web数据可视化
