appium自动化测试环境部署_Android

简介:

对于一台干净的windows要做appium测试需要的环境如下(针对python):

  1. android sdk

  2. java(jdk)

  3. adb

  4. Emulator

  5. Node.js

  6. Appium(一个最新的1.0.2版本,一个1.4.16版本,随意安装哪个)

  7. Python上安装appium-python-client插件

 

1、  我们先把下载androidsdk,打开安装文件下一步到结束:

wKiom1k0xbqBGPV5AAB9rd43Qtg745.png-wh_50

安装完成后配置环境变量:

添加%ANDROID_HOME%变量值为C:\Program Files (x86)\Android\android-sdk(即你安装的目录)

 

PATH变量里添加%ANDROID_HOME%/tools%ANDROID_HOME%/platform-tools路径

注:有些SDK安装完成后可能是platform目录,需要手动建一个platform-tools的路径

并把adb相关文件放到这个目录里。

 

另外还需要手动建一个build-tools的文件夹,后面用模拟器时需要这个。

 

检查AndroidSDK环境是否配置好,运行cmd---输入android-h查看:

wKioL1k0xceSetPQAABQ4zQU108704.png-wh_50

出现这些信息说明androidsdk环境已配置好。

 

 

2、  安装jdk,很简单安装直接下一步到结束,然后配置环境变量:

 

添加%JAVA_HOME%变量,值为C:\Program Files (x86)\Java\jdk1.8.0_60(即你安装的目录)

PATH变量里添加%JAVA_HOME%\bin%JAVA_HOME%\jre\bin目录

 

3、  Adb.exe文件放到在第一步中建的platform-tools目录下:

wKiom1k0xdPQtxfdAAAwdAuZrKo525.png-wh_50

Adb主要用于连接安卓手机。

 

4、  安装node,也是直接打开安装文件点击下一步到结束,然后配置环境变量:

wKiom1k0xd3Qa0a3AACRUg40sp8410.png-wh_50

 

安装完成后,我们要设置环境变量:

PATH变量里添加C:\Program Files\nodejs(即你的安装目录)

 

检查node是否安装成功,进入cmd---输入node –v看是否出现版本信息:

wKioL1k0xeaQaIFEAAAR9lGfD-c104.png-wh_50

 

 

5、  安装appium客户端,我这里安装的是1.0.2版本,打开安装文件自己会直接安装完成

 

PATH里添加C:\Program Files (x86)\Appium\node_modules\.bin

 

6、  安装appium-python-client,前提时你python环境已经是好的

 

可以通过pip来安装,建议使用pycharm软件安装,非常方便

 

7、  最后我们进入cmd---输入appium-doctor验证appium测试环境是否都ok

wKioL1k0xe-ROiOSAABcJVQIYas648.png-wh_50


本文转自niedongri 51CTO博客,原文链接:http://blog.51cto.com/laomomo/1932248,如需转载请自行联系原作者

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
10月前
|
开发工具 Android开发 iOS开发
如何在Android Studio中配置Flutter环境?
如何在Android Studio中配置Flutter环境?
2251 61
|
9月前
|
监控 安全 测试技术
【01】卓伊凡收到冒充税务机关的诈骗程序-决定在沙盒Sandbox环境中运行测试下-广大企业同胞们注意防诈骗
【01】卓伊凡收到冒充税务机关的诈骗程序-决定在沙盒Sandbox环境中运行测试下-广大企业同胞们注意防诈骗
250 14
【01】卓伊凡收到冒充税务机关的诈骗程序-决定在沙盒Sandbox环境中运行测试下-广大企业同胞们注意防诈骗
|
7月前
|
机器学习/深度学习 存储 算法
强化学习算法基准测试:6种算法在多智能体环境中的表现实测
本文系统研究了多智能体强化学习的算法性能与评估框架,选用井字棋和连珠四子作为基准环境,对比分析Q-learning、蒙特卡洛、Sarsa等表格方法在对抗场景中的表现。实验表明,表格方法在小规模状态空间(如井字棋)中可有效学习策略,但在大规模状态空间(如连珠四子)中因泛化能力不足而失效,揭示了向函数逼近技术演进的必要性。研究构建了标准化评估流程,明确了不同算法的适用边界,为理解强化学习的可扩展性问题提供了实证支持与理论参考。
385 0
强化学习算法基准测试:6种算法在多智能体环境中的表现实测
|
12月前
|
存储 人工智能 编译器
【03】鸿蒙实战应用开发-华为鸿蒙纯血操作系统Harmony OS NEXT-测试hello word效果-虚拟华为手机真机环境调试-为DevEco Studio编译器安装中文插件-测试写一个滑动块效果-介绍诸如ohos.ui等依赖库-全过程实战项目分享-从零开发到上线-优雅草卓伊凡
【03】鸿蒙实战应用开发-华为鸿蒙纯血操作系统Harmony OS NEXT-测试hello word效果-虚拟华为手机真机环境调试-为DevEco Studio编译器安装中文插件-测试写一个滑动块效果-介绍诸如ohos.ui等依赖库-全过程实战项目分享-从零开发到上线-优雅草卓伊凡
820 11
【03】鸿蒙实战应用开发-华为鸿蒙纯血操作系统Harmony OS NEXT-测试hello word效果-虚拟华为手机真机环境调试-为DevEco Studio编译器安装中文插件-测试写一个滑动块效果-介绍诸如ohos.ui等依赖库-全过程实战项目分享-从零开发到上线-优雅草卓伊凡
|
12月前
|
缓存 Java 测试技术
【01】噩梦终结flutter配安卓android鸿蒙harmonyOS 以及next调试环境配鸿蒙和ios真机调试环境-flutter项目安卓环境配置-gradle-agp-ndkVersion模拟器运行真机测试环境-本地环境搭建-如何快速搭建android本地运行环境-优雅草卓伊凡-很多人在这步就被难倒了
【01】噩梦终结flutter配安卓android鸿蒙harmonyOS 以及next调试环境配鸿蒙和ios真机调试环境-flutter项目安卓环境配置-gradle-agp-ndkVersion模拟器运行真机测试环境-本地环境搭建-如何快速搭建android本地运行环境-优雅草卓伊凡-很多人在这步就被难倒了
1735 3
【01】噩梦终结flutter配安卓android鸿蒙harmonyOS 以及next调试环境配鸿蒙和ios真机调试环境-flutter项目安卓环境配置-gradle-agp-ndkVersion模拟器运行真机测试环境-本地环境搭建-如何快速搭建android本地运行环境-优雅草卓伊凡-很多人在这步就被难倒了
|
机器学习/深度学习 人工智能 算法
BALROG:基准测试工具,用于评估 LLMs 和 VLMs 在复杂动态环境中的推理能力
BALROG 是一款用于评估大型语言模型(LLMs)和视觉语言模型(VLMs)在复杂动态环境中推理能力的基准测试工具。它通过一系列挑战性的游戏环境,如 NetHack,测试模型的规划、空间推理和探索能力。BALROG 提供了一个开放且细粒度的评估框架,推动了自主代理研究的进展。
439 3
BALROG:基准测试工具,用于评估 LLMs 和 VLMs 在复杂动态环境中的推理能力
|
开发框架 Android开发 iOS开发
安卓与iOS开发中的跨平台策略:一次编码,多平台部署
在移动应用开发的广阔天地中,安卓和iOS两大阵营各占一方。随着技术的发展,跨平台开发框架应运而生,它们承诺着“一次编码,到处运行”的便捷。本文将深入探讨跨平台开发的现状、挑战以及未来趋势,同时通过代码示例揭示跨平台工具的实际运用。
399 3
|
运维 监控 持续交付
云计算环境下的运维自动化实践
本文探讨了在云计算环境下实施运维自动化的必要性、挑战及解决方案,重点介绍了如何利用现代技术工具实现高效的云资源管理和监控。通过具体案例分析,展示了自动化运维在提升系统稳定性、降低人力成本方面的优势。
|
缓存 Ubuntu Linux
Linux环境下测试服务器的DDR5内存性能
通过使用 `memtester`和 `sysbench`等工具,可以有效地测试Linux环境下服务器的DDR5内存性能。这些工具不仅可以评估内存的读写速度,还可以检测内存中的潜在问题,帮助确保系统的稳定性和性能。通过合理配置和使用这些工具,系统管理员可以深入了解服务器内存的性能状况,为系统优化提供数据支持。
1226 4
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
1972 1