Python自动化实现web页面UI差异对比

简介: 以自动化或工具的方式实现页面UI与标准UI图对比并输出可视结果

需求与实现:


需求:以自动化或工具的方式实现页面UI与标准UI图对比并输出可视结果


实现:


目前实现:


  1. 可将站点与标准UI图对比
  2. 可将两站点对比
  3. 可将两UI图对比


可应用的实际场景:


  1. 站点迁移,对比两个站点页面
  2. 版本迭代,前后UI对比
  3. 实际站点页面与标准UI图对比
  4. 可通过Appnium或Airtest应用到移动端页面对比


相关技术:


ImageChops :


主要包括对图片的算术运算,叫做通道运算(channel operations)。可以用于多种途径,包括一些特效制作,图片整合,算数绘图等等方面。这里用到了该模块的切换图片位深 功能以及图片对比功能;


Selenium:


结合webdriver 进行浏览器驱动,实现 web端登录->页面跳转->html页面在线保存为图片 整体流程;

效果展示:


Web页面自动截取为图片:


image.png

webnew.png:

image.png


页面与标准ui图对比:


差异数值获取:


image.png

差异图获取:


完全一致:

image.png

差异时:

image.png


web界面对比图:

image.png

image.png

web差异图:

image.png

手机界面对比图:

image.gifimage.png

image.png

手机界面差异图:

image.png

注:对比手机ui图时,上方状态栏时间或其他部分的无效差异,可以通过截取指定区域进行规避。


主要方法解析:


ImageChopsPic


def compare_images(path_one, path_two, diff_save_location):
    """
    比较图片,如果有不同则生成展示不同的图片
    @参数一: path_one: 第一张图片的路径
    @参数二: path_two: 第二张图片的路径
    @参数三: diff_save_location: 差异图片的保存路径
    """
    image_one = Image.open(path_one)
    image_two = Image.open(path_two)
    try:
        diff = ImageChops.difference(image_one, image_two)
        if diff.getbbox() is None:
            # 图片间没有任何不同则直接退出
            print(image_one, image_two, "对比图片完全相同!")
        else:
            print("差异图保存为:", diff_save_location)
            diff.save(diff_save_location)
    except ValueError as e:
        text = (" 当前图片大小或位深不一致 ")
        print("【{0}】{1}".format(e, text))
# 由于模块限制需要强制转换图片位深为'RGB:24'保证可识别且位深一致
def picture(path_change_bf, path_change_af):
    img = Image.open(path_change_bf).convert('RGB')
    # 输出当前图片位深
    print(img.getbands())
    img.save(path_change_af)
    print("位深已强制转换为 RGB:24")


ImageChopsValues


# 输出当前对比图片的差异值,数值越大表明图片差异越大,无位深识别限制
def image_contrast(img1, img2):
     image1 = Image.open(img1)
    image2 = Image.open(img2)
    h1 = image1.histogram()
    h2 = image2.histogram()
    result = math.sqrt(reduce(operator.add, list(map(lambda a, b: (a - b) ** 2, h1, h2))) / len(h1))
    return result


ChangPic


""" 
批量改变目录下图片位深 ,保存到新的目录下
    函数解释:
    path :图片存放的路径
    newpath :转化完成后,存放的路径
    convert :需要更改成那一种为深度的图片的格式
"""
def picture(path, newpath):
     files = os.listdir(path)
    for i in files:
        files = os.path.join(path, i)
        img = Image.open(files).convert('RGB')
        dirpath = newpath
        file_name, file_extend = os.path.splitext(i)
        dst = os.path.join(os.path.abspath(dirpath), file_name + '.png')
        img.save(dst)
        print("已将",i,"强制转为RGB格式")


WebToPic


# 截取网页照片函数
def screen_shot(url, png_name):
    brower = webdriver.Chrome()
    # 使用get()方法,打开指定页面。
    brower.get(url)
    # 设置浏览器全屏显示
    brower.maximize_window()
    time.sleep(1)
    # 获取登录tab并点击
    gofor = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[1]/div/div/div/div/div[3]')
    gofor.click()
    time.sleep(1)
    # 获取用户名输入框并输入
    name = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[2]/div[2]/div/div/div[2]/form/input[1]')
    name.send_keys("13120210916")
    # 获取密码输入框并输入
    password = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[2]/div[2]/div/div/div[2]/form/input[2]')
    password.send_keys("hly12345")
    # 获取登录按钮并点击
    login_button = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[2]/div[2]/div/div/button')
    login_button.click()
    time.sleep(1)
    # 打开目标页
    brower.get(url)
    time.sleep(2)
    # 使用save_screenshot将浏览器正文部分截图,即使正文本分无法一页显示完全,save_screenshot也可以完全截图
    brower.save_screenshot(png_name)
    # 关闭浏览器
    brower.close()

附:


关于Pillow库(ImageChops)的详细文档:


https://pillow.readthedocs.io/en/latest/index.html


关于图片 位深 的解释:


https://blog.csdn.net/WoHongG/article/details/84074057

https://blog.csdn.net/weixin_39190382/article/details/105917690


关于ImageChops功能使用的注意事项:


  1. 对比图 位深需小于等于24(RGB)
  2. 强制转换 位深功能,需原对比图 位深相等,否则会出现像素点错位导致对比误差
  3. 无效对比区域可以通过截取功能来规避
目录
相关文章
|
12天前
|
数据采集 机器学习/深度学习 数据可视化
【优秀python web系统毕设】基于python的全国招聘数据分析可视化系统,包括随机森林算法
本文介绍了一个基于Python的全国招聘数据分析可视化系统,该系统利用数据挖掘技术、随机森林算法和数据可视化技术,从招聘网站抓取数据,进行处理、分析和预测,帮助用户洞察招聘市场,为求职者和企业提供决策支持。
|
12天前
|
搜索推荐 前端开发 数据可视化
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
本文介绍了一个基于Django框架、协同过滤算法、ECharts数据可视化以及Bootstrap前端技术的酒店推荐系统,该系统通过用户行为分析和推荐算法优化,提供个性化的酒店推荐和直观的数据展示,以提升用户体验。
|
4天前
|
开发框架 前端开发 Java
【前端学java】SpringBootWeb极速入门-实现一个简单的web页面01
【8月更文挑战第12天】SpringBootWeb极速入门-实现一个简单的web页面01
15 3
【前端学java】SpringBootWeb极速入门-实现一个简单的web页面01
|
4天前
|
机器学习/深度学习 JSON API
【Python奇迹】FastAPI框架大显神通:一键部署机器学习模型,让数据预测飞跃至Web舞台,震撼开启智能服务新纪元!
【8月更文挑战第16天】在数据驱动的时代,高效部署机器学习模型至关重要。FastAPI凭借其高性能与灵活性,成为搭建模型API的理想选择。本文详述了从环境准备、模型训练到使用FastAPI部署的全过程。首先,确保安装了Python及相关库(fastapi、uvicorn、scikit-learn)。接着,以线性回归为例,构建了一个预测房价的模型。通过定义FastAPI端点,实现了基于房屋大小预测价格的功能,并介绍了如何运行服务器及测试API。最终,用户可通过HTTP请求获取预测结果,极大地提升了模型的实用性和集成性。
14 1
|
12天前
|
数据采集 数据可视化 关系型数据库
【优秀python web设计】基于Python flask的猫眼电影可视化系统,可视化用echart,前端Layui,数据库用MySQL,包括爬虫
本文介绍了一个基于Python Flask框架、MySQL数据库和Layui前端框架的猫眼电影数据采集分析与可视化系统,该系统通过爬虫技术采集电影数据,利用数据分析库进行处理,并使用Echart进行数据的可视化展示,以提供全面、准确的电影市场分析结果。
|
13天前
|
前端开发 关系型数据库 MySQL
Python基于Django框架图书管理系统,Bootstrap框架UI,后台EasyUI框架UI,有登录,实现增删改查的富文本效果
本文介绍了一个使用Python Django框架开发的图书管理系统,该系统采用Bootstrap框架进行前端UI设计,EasyUI框架用于后台UI界面,集成了富文本编辑器,并实现了登录及增删改查功能。
|
4天前
|
SQL 前端开发 关系型数据库
Python之Web框架Django
Python之Web框架Django
7 0
|
5天前
|
设计模式 API Python
Python Web:Django、Flask和FastAPI框架对比
Python Web:Django、Flask和FastAPI框架对比
13 0
|
18天前
|
开发框架 前端开发 API
使用代码生成工具快速开发应用-结合后端Web API提供接口和前端页面快速生成,实现通用的业务编码规则管理
使用代码生成工具快速开发应用-结合后端Web API提供接口和前端页面快速生成,实现通用的业务编码规则管理