Selenium2+python自动化62-jenkins持续集成环境搭建

简介: 前言 selenium脚本写完之后,一般是集成到jenkins环境了,方便一键执行。   一、环境准备 小编环境: 1.win10 64位 2.JDK 1.8.0_66 3.tomcat 9.

 前言

selenium脚本写完之后,一般是集成到jenkins环境了,方便一键执行。

 

一、环境准备

小编环境:

1.win10 64位

2.JDK 1.8.0_66

3.tomcat 9.0.0.M4

4.jenkins 2.0

 

二、安装JDK

1.安装JDK教程很多,这里就不讲了,可以参考这个链接的教程:JDK安装配置教程_百度经验

在系统环境变量里添加以下变量:

①JAVA_HOME:jdk的安装路径C:\Sun\Java\jdk

②CLASSPATH:“.;%JAVA_HOME%\lib;”

③Path:“;%JAVA_HOME%\bin”

2.检查环境是否成功(这一步很重要)

>>java -version

>>javac

(输入javac一定要看到中文的这些内容)

 

二、tomcat环境

1.打开百度网页,在百度搜索栏里输入关键子:tomcat,在查询结果里点击tomcat官网进行下载。(下软件一定要在官网下载,别乱下,小心塞木马)

2.安装过程,网上也有现成的:tomcat怎样下载安装如何配置环境变量_百度经验

3.tomcat环境变量

在系统变量中添加以下变量windows 7系统安装与配置Tomcat服务器环境_百度经验

1)新建TOMCAT_HOME变量

变量名TOMCAT_HOME

变量值d:\tomcat

变量值即为我们下载的tomcat解压路径,在这里我的是d:\tomcat

 

2)新建CATALINA_HOME变量

变量名CATALINA_HOME

变量值c:\tomcat

没错,CATALINA_HOME的变量值与TOMCAT_HOME的变量值是一样的。

 

3)修改变量Path

在系统变量中找到Path变量名,双击或点击编辑,在末尾添加如下内容

;%CATALINA_HOME%\bin;%CATALINA_HOME%\lib

这里要注意,各个变量值之间一定要用;分隔。

 

三、启动tomcat

1.启动Tomcat服务器

在cmd命令窗口下输入startup.bat回车,运行如下图所示

(装了环境变量就不用切换到目录了)

2.双击启动运行

3.Tomcat成功启动后,启动浏览器,在浏览器的地址栏里输入:http://localhost:8080/。然后回车。进入如下画面。此时表示Tomcat已经正确安装

 

四、jenins环境

1.Jenkins包分两种:

一种是setup.exe客户端包(这个双击跟装QQ一样,就不说了)

一种是war包

2.war包放到webapps下

 

3.启动jenkins

先重启tomcat:startup.bat,然后在浏览器输入http://localhost:8080/jenkins/

 

五、配置jenkins

1.新建一个job

2.输入项目名称

3.构建触发器

4.配置cmd指令

 

5.选择项目一键执行,启动自动化

(已购买此书的同学,可以在10.1章节,获取对应的jenkins视频教程)

 

学习过程中有遇到疑问的,可以加selenium(python+java) QQ群交流:646645429

也可以关注下我的个人公众号:

selenium+python高级教程》已出书:selenium webdriver基于Python源码案例(购买此书送对应PDF版本)

 

 

 

相关文章
|
9天前
|
Java 测试技术 Python
《手把手教你》系列技巧篇(三十六)-java+ selenium自动化测试-单选和多选按钮操作-番外篇(详解教程)
【4月更文挑战第28天】本文简要介绍了自动化测试的实战应用,通过一个在线问卷调查(<https://www.sojump.com/m/2792226.aspx/>)为例,展示了如何遍历并点击问卷中的选项。测试思路包括找到单选和多选按钮的共性以定位元素,然后使用for循环进行点击操作。代码设计方面,提供了Java+Selenium的示例代码,通过WebDriver实现自动答题。运行代码后,可以看到控制台输出和浏览器的相应动作。文章最后做了简单的小结,强调了本次实践是对之前单选多选操作的巩固。
23 0
|
1天前
|
Web App开发 JavaScript 前端开发
《手把手教你》系列技巧篇(三十九)-java+ selenium自动化测试-JavaScript的调用执行-上篇(详解教程)
【5月更文挑战第3天】本文介绍了如何在Web自动化测试中使用JavaScript执行器(JavascriptExecutor)来完成Selenium API无法处理的任务。首先,需要将WebDriver转换为JavascriptExecutor对象,然后通过executeScript方法执行JavaScript代码。示例用法包括设置JS代码字符串并调用executeScript。文章提供了两个实战场景:一是当时间插件限制输入时,用JS去除元素的readonly属性;二是处理需滚动才能显示的元素,利用JS滚动页面。还给出了一个滚动到底部的代码示例,并提供了详细步骤和解释。
25 10
|
2天前
|
JavaScript 前端开发 测试技术
《手把手教你》系列技巧篇(三十八)-java+ selenium自动化测试-日历时间控件-下篇(详解教程)
【5月更文挑战第2天】在自动化测试过程中,经常会遇到处理日期控件的点击问题。宏哥之前分享过一种方法,但如果输入框是`readonly`属性,这种方法就无法奏效了。不过,通过修改元素属性,依然可以实现自动化填写日期。首先,定位到日期输入框并移除`readonly`属性,然后使用`sendKeys`方法输入日期。这样,即使输入框设置了`readonly`,也能成功处理日期控件。
19 1
|
3天前
|
Java 测试技术 Python
《手把手教你》系列技巧篇(三十七)-java+ selenium自动化测试-日历时间控件-上篇(详解教程)
【5月更文挑战第1天】该文介绍了使用Selenium自动化测试网页日历控件的方法。首先,文章提到在某些Web应用中,日历控件常用于选择日期并筛选数据。接着,它提供了两个实现思路:一是将日历视为文本输入框,直接输入日期;二是模拟用户交互,逐步选择日期。文中给出了JQueryUI网站的一个示例,并展示了对应的Java代码实现,包括点击日历、选择日期等操作。
18 0
|
9天前
|
敏捷开发 监控 测试技术
探索自动化测试工具Selenium Grid的高效集成策略
【4月更文挑战第30天】在现代Web应用的快速迭代和持续部署中,测试自动化已成为确保产品质量的关键。Selenium Grid作为一款支持多种浏览器和操作系统的测试工具,提供了并行执行测试用例的能力,极大地提升了测试效率。本文将深入探讨如何高效地将Selenium Grid集成到现有的测试框架中,以及实施过程中的最佳实践,帮助团队最大化测试覆盖率,同时降低资源消耗。
|
9天前
|
数据管理 测试技术
深入理解自动化测试框架:以Selenium为例
【4月更文挑战第30天】 随着软件开发的快速发展,自动化测试已经成为保证软件质量和提升开发效率的重要手段。本文将深入探讨自动化测试框架的核心概念,并以广泛应用的开源工具Selenium为例,解析其架构、原理及在实际项目中的运用。通过实例分析与性能评估,旨在为读者提供一套系统的自动化测试解决方案,并探讨其在复杂应用场景下的优化策略。
|
9天前
|
机器学习/深度学习 传感器 物联网
【Python机器学习专栏】机器学习在物联网(IoT)中的集成
【4月更文挑战第30天】本文探讨了机器学习在物联网(IoT)中的应用,包括数据收集预处理、实时分析决策和模型训练更新。机器学习被用于智能家居、工业自动化和健康监测等领域,例如预测居民行为以优化能源效率和设备维护。Python是支持物联网项目机器学习集成的重要工具,文中给出了一个使用`scikit-learn`预测温度的简单示例。尽管面临数据隐私、安全性和模型解释性等挑战,但物联网与机器学习的结合将持续推动各行业的创新和智能化。
|
9天前
|
机器学习/深度学习 Python
【Python 机器学习专栏】堆叠(Stacking)集成策略详解
【4月更文挑战第30天】堆叠(Stacking)是机器学习中的集成学习策略,通过多层模型组合提升预测性能。该方法包含基础学习器和元学习器两个阶段:基础学习器使用多种模型(如决策树、SVM、神经网络)学习并产生预测;元学习器则利用这些预测结果作为新特征进行学习,生成最终预测。在Python中实现堆叠集成,需划分数据集、训练基础模型、构建新训练集、训练元学习器。堆叠集成的优势在于提高性能和灵活性,但可能增加计算复杂度和过拟合风险。
|
9天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习中的Bagging与Boosting
【4月更文挑战第30天】本文介绍了集成学习中的两种主要策略:Bagging和Boosting。Bagging通过自助采样构建多个基学习器并以投票或平均法集成,降低模型方差,增强稳定性。在Python中可使用`BaggingClassifier`实现。而Boosting是串行学习,不断调整基学习器权重以优化拟合,适合弱学习器。Python中可利用`AdaBoostClassifier`等实现。示例代码展示了如何在实践中运用这两种方法。
|
9天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。

热门文章

最新文章