前言
随着移动端版本迭代的加快，快速测试，快速反馈已经是一个常态化的流程，周期内版本发布频率的增加，各项测试的时间正在急剧缩短，且回归性的任务不断充斥当中，各个阶段都需要回归测试的介入来确保集成之后各个模块的正确性。
在当前回归测试中主要集中以下几个痛点问题：
- 测试回归主次模糊，抓不住回归重点的内容，导致在较短时间内很难完成大量的回归case
- 回归用例基本大部分都是靠手工执行，重复性工作较多，回归效率低下
- 各个业务团队或多或少都有一些自动化的研究和接入，但开发的工具本身都是各自为战没有起到互相配合&互相补充的作用，无法实现工具红利。
基于客户端的自动化能力进行测试框架的封装，实现脚本编写&执行与平台无缝对接，并且结合了业务场景进行平台自动化能力的落地，同时统一自动化框架的开发以及核心case用例的整合，使得整体回归测试成本降低。
客户端自动化基础能力
1. 自动化测试驱动选型
如何选取一款自动化测试框架呢，一款好的测试框架具备这样几个特征：双端一致性，也就是说ios和android可以在同一框架下编写用例，提高脚本开发效率。运行稳定性，对UI自动化本身存在不稳定性，框架需要运行稳定才能更好的支持测试。简单易用，框架接入本身需要简单易懂降低入门的门槛，方便快速使用。低耦合性，各个层级保持低耦合性来降低脚本的维护成本，高扩展性指的是方便与平台的对接能力和脚本调用能力。
自动化测试框架设计
核心场景自动化结构设计主要分为3层:最下层为驱动能力，提供核心驱动力和操作的能力，维护整个case执行的生命周期。中间层是框架封装层，直接依赖Driver层，提供通用basecase的入口和工具类的使用，以及业务通用能力抽象。最上层为TestCase直接依赖框架封装层，封装业务逻辑以及testcase的编写，层级之间相互解耦，层层依赖。
框架层结构，主要分为4大块内容：
- 第一部分为Framework_Core，这部分主要是围绕着BaseCase进行的扩展， Basecase作为framework的入口，是所有case的父类，遵循框架的生命周期持有driver对象
- 第二部分是Device_Config,这里主要初始化一些设备和配置信息，例如deviceid、pkgName等
- 第三部分utility，这部分是工具类的封装，包含图像相关的处理，路由跳转功能。丰富的util类目的是让测试case的验证更加全面准确。
- 第四部分是Report.这块主要是测试报告的生成，生成对接平台标准化的报告结果
框架Log体系&Check体系&基础操作封装
框架中还封装了完整的Log体系，主要用于测试过程trace的追踪和测试报告的生成。
Log体系主要包含：
- 添加case步骤
- 添加截图
- 添加验证点
- 添加操作动
除了Log体系外，business logic还封装了check体系，check体系主要包含元素检查以及页面布局检查，check内容例如：check元素是否为空、字符串是否相等、元素文本是否为空以及两张图片相似度等，完善的check体系可以增加case的验证内容，比断言的方式更加贴合UI自动化的使用。
框架中还封装了BaseOperation基础操作，例如：pageSwipe 会按照屏幕尺寸进行页面的滑动，确保case在不同设备上滑动幅度相同，ModuleSwipe可根据传入element范围内进行滑动，入参包括滑动方向、滑动幅度以及滑动次数等，提供基础的操作内容方便上层脚本更加顺畅的调用。
图像识别能力
在随着框架基础能力的封装完善，只满足传统UI自动化使用已经限制了自动化本身的覆盖度，局限性也比较大。目前可以通过数据和图像两个方面的补充使传统UI自动化扩展性更好一些。
数据方面主要指是自动化测试的一些input数据内容例如mock数据的设置等，另一方面就是图像，自动化测试框架也封装了图像相关的api进行补充完善。
在图像方面框架还有截图处理的能力，例如：截图标记的功能，可以完善测试报告，增强排查手段，如下图所示，当传入check元素后进行截图，截图图片上会自动标记出校验的区域或者元素，框架还支持图片剪裁的能力，主要是方便支持区域OCR识别以及图片相似度对比的验证。最后还支持图片的翻转能力，这块主要是为了解决iPad转屏后截图不正，影响图像识别准确性的问题。
自动化能力平台接入
自动化测试方案
自动化执行结果展示
1.测试结果页支持测试时长、测试用例集、用例数、成功失败case数量以及通过率的展示，详情请见下图：
2.测试报告其它支持功能：
- Testcase维度crash分析结果以及crash.log下载
- 失败case支持bug提交
- 失败case同时支持失败截图+失败trace信息展示
如下图展示：
未来规划
平台在客户端自动化测试基础能力建设上已有了一定成效，随着业务的不断接入并投入使用在日常测试中使用，整体回归效率以及人力成本节省都有显著的提升。
但整体在自动化能力建设上后续还会有更大的挑战内容，未来将着眼于图像能力建设结合自动化平台产出更多有价值的自动化测试方案。
