Python+Appium自动化测试(6)-元素等待方法与重新封装元素定位方法

简介: 在appium自动化测试脚本运行的过程中,因为网络不稳定、测试机或模拟器卡顿等原因,有时候会出现页面元素加载超时元素定位失败的情况,但实际这又不是bug,只是元素加载较慢,这个时候我们就会使用元素等待的方法来避免这种情况,增加代码的健壮性。

一,元素等待方法


1,强制等待


import time
# 强制等待5s
time.sleep(5)


2,隐式等待


implicitly_wait()是由webdriver提供的隐式等待方法,它不是针对某一个元素,而是针对当前session(即当前driver对象的生命周期)的全部元素,所以只需要在构造driver对象时设置一次即可。隐式等待在定位元素时,需等待该页面全部元素加载完成,才会执行下一步操作(即下一条语句),如果超过设定时间未加载完成则抛出异常。

from appium import webdriver
def android_driver():
    desired_caps = {
        "platformName": "Android",
        "platformVersion": "10",
        "deviceName": "PCT_AL10",
        "appPackage": "com.ss.android.article.news",
        "appActivity": ".activity.MainActivity",
        "automationName": "uiautomator2",
        "unicodeKeyboard": True,
        "resetKeyboard": True,
    }
    # 启动app
    driver = webdriver.Remote('http://127.0.0.1:4723/wd/hub', desired_caps)
    # 隐式等待8s
    driver.implicitly_wait(8)
    return driver


3,显式等待


3.1,webDriverWait()是由webdriver提供的显示等待方法。


与隐式等待不一样的是,显示等待是针对单个元素定位进行等待,每隔一段时间检查需要定位的元素是否加载完成,超过参数规定的时间仍未定位到该元素,则定位该元素失败,抛出异常。

from selenium.webdriver.support.ui import WebDriverWait
WebDriverWait(driver,timeout,poll_frequency=0.5,ignored_exceptions=None)
# 参数说明:
# driver,上面代码返回的driver对象
# timeout,最长等待时间,使用时要考虑隐式等待的时间(假如有设置隐式等待的话)
# poll_frequency,检查元素的时间间隔,默认是0.5s即每隔0.5秒查找一次
# ignored_exceptions,超时后抛出的异常信息,默认NoSuchElementExeception


3.2,WedDriverWait()需要与unit()或until_not()方法结合使用。


until(method, message='')
# 源码说明:Calls the method provided with the driver as an argument until the return value is not False.
# 调用driver提供的方法作为参数,直到返回值不是False。
until_not(method, message='')
# 源码说明:Calls the method provided with the driver as an argument until the return value is False.
# 调用driver提供的方法作为参数,直到返回值为False

自定义等待时间,使用find_element_by_*()方法定位元素,如下:

# 设置等待,最长等待时间为5s,每0.5秒检查一次
wait = WebDriverWait(driver, 5, 0.5)
# 使用匿名函数定位元素
wait.until(lambda diver:driver.find_element_by_id("android:id/button1"))


3.3,WebDriverWait()与expected_conditions结合使用。


expected_conditions是webdriver.support提供的一个类,这个类里面提供了比较多的预期条件判断的方法,但在我们定位元素过程中常用以下三种方法

presence_of_element_located 判断某个元素是否被加载到 dom 树里,但该元素不一定可见
visibility_of_element_located 判断元素是否可见(可见代表元素非隐藏,并且元素宽和高都不等于 0)
element_to_be_clickable 判断某个元素中是否可见并且可点击
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
wait = WebDriverWait(driver, 5, 0.5)
element = waite.until(EC.presence_of_element_located((By.ID, "android:id/button1"), message="")
# message=""可以省略,注意此时By.ID有两层()
# element = waite.until(EC.presence_of_element_located((By.ID, "android:id/button1"))


二,重新封装元素定位方法


在脚本编写的过程中,为了增加脚本的健壮性,排除非bug因素导致的脚本运行失败,我们可以在定位元素时加入显示等待,封装成新的元素定位方法。

# /basePage.py
from selenium.webdriver.support import expected_conditions as ec
from selenium.webdriver.support.ui import WebDriverWait
from appium.webdriver.common.mobileby import MobileBy as By
class BasePage:
    def __init__(self, driver):
        self.driver = driver
    def get_visible_element(self, locator, timeout=20):
        '''
        获取可视元素
        param loctor: By方法定位元素,如(By.XPATH, "//*[@text='照片']")
        return:返回可见元素
        '''
        try:
            return WebDriverWait(self.driver, timeout).until(
                ec.visibility_of_element_located(locator)
            )
        except Exception as e:
            # 截图、日志
            Screenshots(self.driver, "获取可视元素失败").screen_shot()
            log.error("获取可视元素失败:{}".format(e))
    def get_presence_element(self, locator, timeout=20):
        '''获取存在元素'''
        try:
            return WebDriverWait(self.driver, timeout).until(
                ec.presence_of_element_located(locator)
            )
        except Exception as e:
            Screenshots(self.driver, "获取存在元素失败").screen_shot()
            log.error("获取存在元素失败:{}".format(e))
    def get_clickable_element(self, locator, timeout=20):
        '''获取可点击元素'''
        try:
            return WebDriverWait(self.driver, timeout).until(
                ec.element_to_be_clickable(locator)
            )
        except Exception as e:
            Screenshots(self.driver, "获取可点击元素失败").screen_shot()
            log.error("可点击元素获取失败:{}".format(e))

这样就可以调用新的方法来进行元素定位

# /homePage.py
from basePage import BasePage
class HomePage(BasePage):
    i_know_btn = (By.ID, 'com.ss.android.article.news:id/ciy')
    jurisdiction_btn = (By.ID, 'android:id/button1')
    no_login_btn = (By.XPATH, '//android.widget.TabWidget/android.widget.RelativeLayout[@index=3]')
    def enter_to_login_page(self):
        '''首页进入未登录页面'''
        get_visible_element(self.i_know_btn).click()
        get_presence_element(self.jurisdiction_btn).click()
        get_clickable_element(self.no_login_btn).click()
相关文章
|
8月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
546 1
|
9月前
|
机器学习/深度学习 数据采集 数据挖掘
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
307 2
|
9月前
|
调度 Python
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
241 0
|
8月前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
1195 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
2486 8
|
9月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
605 18
|
9月前
|
机器学习/深度学习 数据采集 算法
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
440 4
|
9月前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
1486 1
|
8月前
|
算法 调度 决策智能
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
240 0
|
9月前
|
机器学习/深度学习 数据采集 TensorFlow
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
470 0

推荐镜像

更多