一个 .NET 开源免费、功能强大的 UI 自动化库

简介: FlaUI 是一个 .NET 平台开源免费的 UI 自动化测试库,基于 Microsoft UI Automation,支持 Win32、WPF、WinForms 等桌面应用自动化,提供灵活 API,助力高效编写自动化脚本,适用于功能、回归及 UI 验证测试。

前言

今天大姚给大家分享一个 .NET 开源免费(MIT license)、功能强大的 UI 自动化库:FlaUI。

项目介绍

FlaUI 是一个 .NET 开源免费(MIT license)、功能强大 的 UI 自动化库,专为 Windows 桌面应用程序(如 Win32、WinForms、WPF、Store Apps 等应用)的自动化测试而设计。该项目基于 Microsoft 的原生 UI Automation 库构建,并作为这些库的封装器,提供了丰富的功能和灵活的 API,以便开发者能够高效地编写自动化测试脚本。

应用场景

FlaUI 适用于多种自动化测试场景,包括但不限于:

  • 功能测试:验证应用程序的各项功能是否正常工作。
  • 回归测试:在应用程序更新后,确保现有功能不受影响。
  • UI 验证:检查 UI 元素是否按预期显示和交互。
  • 等等等...

项目源代码

创建 FlaUIExercise

创建名为FlaUIExercise的控制台应用:

NuGet 包安装

在 NuGet 包管理器中搜索 FlaUI.UIA3 安装:

操作记事本(Notepad)

public class Program
    {
        static void Main(string[] args)
        {
            OperateNotepad();
        }
        /// <summary>
        /// 操作记事本(Notepad)
        /// </summary>
        /// <returns></returns>
        private static void OperateNotepad()
        {
            // 启动记事本
            var notepadApp = Application.Launch("notepad.exe");
            using (var automation = new UIA3Automation())
            {
                var window = notepadApp.GetMainWindow(automation);
                window.WaitUntilClickable();
                Console.WriteLine(window.Title);
                // 获取编辑框(Edit 控件)
                var edit = window.FindFirstDescendant(cf => cf.ByControlType(ControlType.Document))
                                ?.AsTextBox();
                if (edit == null)
                {
                    Console.WriteLine("未找到记事本编辑区域!");
                    notepadApp.Close();
                    return;
                }
                // 输入文本
                edit.Text = "⚔【DotNetGuide专栏C#/.NET/.NET Core编程技巧练习集】C#/.NET/.NET Core编程常用语法、算法、技巧、中间件、类库、工作业务实操练习集,配套详细的文章教程和代码示例,助力快速掌握C#/.NET/.NET Core中各种编程常用语法、算法、技巧、中间件、类库、工作业务实操等等。";
                notepadApp.Close();
            }
            return;
        }
    }

项目源码地址

更多项目实用功能和特性欢迎前往项目开源地址查看👀,别忘了给项目一个Star支持💖。

优秀项目和框架精选

该项目已收录到C#/.NET/.NET Core优秀项目和框架精选中,关注优秀项目和框架精选能让你及时了解C#、.NET和.NET Core领域的最新动态和最佳实践,提高开发工作效率和质量。坑已挖,欢迎大家踊跃提交PR推荐或自荐(让优秀的项目和框架不被埋没🤞)。

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6