精心整理python和自动化测试的小技巧:第一节

简介: 精心整理python和自动化测试的小技巧:第一节

微信图片_20220609153437.jpg1:用python代码调用selenium函数截图带时间戳:

from datetime import *
wzj.get_screenshot_as_file(u”D:/save_screenshot/%s.png” % datetime.now().strftime(“%Y%m%d.%H%M%S.%f”)[:-3])

2:类中的函数可以在前头写上装饰器:@staticmethod 则可以把该函数变成静态函数,不用加入self了

3:多装饰器可以堆叠来写,也可以写成 foo=deco2(deco1(foo))

4:第一条中的截图代码只能截取当前farme的,回到最外层farme代码wzj.switch_to_default_content()

5:字符串去重

list(set(字符串))
ids = [1,4,3,3,4,2,3,4,5,6,1]
news_ids = list(set(ids))
news_ids.sort(ids.index) 此方法的作用列表无法保护字列表
ids = [1,4,3,3,4,2,3,4,5,6,1]
func = lambda x,y:x if y in x else x + [y]
reduce(func, [[], ] + ids)

6:导入也可以这么写,比如:import sys 也可以写成 sys = import(‘sys’)

7:匿名函数lambda:

def true():return "hello" 等价于 true=lambda:"hello"
def add(x,t):return x+y 等价于 add=lambda x,y:x+y

8:调用函数多传入的参数想被放到元组中,被调用函数的实参需要用*来前缀。调用函数多传入的参数有=号,可以被放在一个字典中,被调函数的实参需要用**开前缀。

9:如果for循环未被break终止,才会执行else中的语句。for 中出现continue,则跳过下面所有语句,开始下一轮循环。

10:返回一个列表,元素为1到10随机,元素有2个

print [randint(1,10) for i in range(2)]
相关文章
|
3天前
|
SQL 测试技术 网络安全
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
12 0
|
3天前
|
测试技术 开发者 Python
Python中的单元测试
【5月更文挑战第8天】在Python软件开发中,确保代码质量是关键,单元测试和测试驱动开发(TDD)是实现这一目标的有效方法。本文介绍了如何使用unittest和pytest进行单元测试,以及如何通过TDD编写可靠代码。首先,展示了单元测试的基本概念和示例,然后详细解释了TDD的"红-绿-重构"循环。此外,还讨论了pytest如何简化单元测试,并给出了使用TDD重构函数的例子。
6 1
|
5天前
|
存储 安全 数据库
自动化密码填充:使用Python提高日常工作效率
自动化密码填充:使用Python提高日常工作效率
10 0
|
5天前
|
SQL 数据库 数据库管理
python自动生成SQL语句自动化
python自动生成SQL语句自动化
23 1
|
5天前
|
持续交付 Python
使用Python实现自动化Web内容巡检
使用Python实现自动化Web内容巡检
17 1
|
8天前
|
监控 测试技术 持续交付
Python自动化测试代理程序可用性
总之,通过编写测试用例、自动化测试和设置监控系统,您可以确保Python自动化测试代理程序的可用性,并及时发现和解决问题。这有助于提供更可靠和高性能的代理服务。
12 4
|
11天前
|
机器学习/深度学习 算法 UED
【Python 机器学习专栏】A/B 测试在机器学习项目中的应用
【4月更文挑战第30天】A/B测试在数据驱动的机器学习项目中扮演关键角色,用于评估模型性能、算法改进和特征选择。通过定义目标、划分群组、实施处理、收集数据和分析结果,A/B测试能帮助优化模型和用户体验。Python提供工具如pandas和scipy.stats支持实验实施与分析。注意样本量、随机性、时间因素和多变量分析,确保测试有效性。A/B测试助力于持续改进机器学习项目,实现更好的成果。
|
11天前
|
机器学习/深度学习 数据采集 算法
【Python机器学习专栏】自动化特征选择与优化的实践
【4月更文挑战第30天】特征选择在机器学习中至关重要,能降低模型复杂度,提高泛化能力和避免过拟合。本文介绍了自动化特征选择的三种方法:过滤法(如SelectKBest)、包装法(如RFE)和嵌入法(如随机森林)。通过结合这些方法,可实现特征优化,包括数据预处理、初步筛选、模型训练与评估、特征优化和结果验证。自动化特征选择能提升模型性能,适应不同数据集和任务需求,为机器学习项目提供坚实基础。
|
12天前
|
测试技术 Python
python运行集成测试
【4月更文挑战第22天】
10 1
|
12天前
|
测试技术 Python
python编写集成测试
【4月更文挑战第22天】
4 1