Python自动化实现web页面UI差异对比

简介: 以自动化或工具的方式实现页面UI与标准UI图对比并输出可视结果

需求与实现:


需求:以自动化或工具的方式实现页面UI与标准UI图对比并输出可视结果


实现:


目前实现:


  1. 可将站点与标准UI图对比
  2. 可将两站点对比
  3. 可将两UI图对比


可应用的实际场景:


  1. 站点迁移,对比两个站点页面
  2. 版本迭代,前后UI对比
  3. 实际站点页面与标准UI图对比
  4. 可通过Appnium或Airtest应用到移动端页面对比


相关技术:


ImageChops :


主要包括对图片的算术运算,叫做通道运算(channel operations)。可以用于多种途径,包括一些特效制作,图片整合,算数绘图等等方面。这里用到了该模块的切换图片位深 功能以及图片对比功能;


Selenium:


结合webdriver 进行浏览器驱动,实现 web端登录->页面跳转->html页面在线保存为图片 整体流程;

效果展示:


Web页面自动截取为图片:


image.png

webnew.png:

image.png


页面与标准ui图对比:


差异数值获取:


image.png

差异图获取:


完全一致:

image.png

差异时:

image.png


web界面对比图:

image.png

image.png

web差异图:

image.png

手机界面对比图:

image.gifimage.png

image.png

手机界面差异图:

image.png

注:对比手机ui图时,上方状态栏时间或其他部分的无效差异,可以通过截取指定区域进行规避。


主要方法解析:


ImageChopsPic


def compare_images(path_one, path_two, diff_save_location):
    """
    比较图片,如果有不同则生成展示不同的图片
    @参数一: path_one: 第一张图片的路径
    @参数二: path_two: 第二张图片的路径
    @参数三: diff_save_location: 差异图片的保存路径
    """
    image_one = Image.open(path_one)
    image_two = Image.open(path_two)
    try:
        diff = ImageChops.difference(image_one, image_two)
        if diff.getbbox() is None:
            # 图片间没有任何不同则直接退出
            print(image_one, image_two, "对比图片完全相同!")
        else:
            print("差异图保存为:", diff_save_location)
            diff.save(diff_save_location)
    except ValueError as e:
        text = (" 当前图片大小或位深不一致 ")
        print("【{0}】{1}".format(e, text))
# 由于模块限制需要强制转换图片位深为'RGB:24'保证可识别且位深一致
def picture(path_change_bf, path_change_af):
    img = Image.open(path_change_bf).convert('RGB')
    # 输出当前图片位深
    print(img.getbands())
    img.save(path_change_af)
    print("位深已强制转换为 RGB:24")


ImageChopsValues


# 输出当前对比图片的差异值,数值越大表明图片差异越大,无位深识别限制
def image_contrast(img1, img2):
     image1 = Image.open(img1)
    image2 = Image.open(img2)
    h1 = image1.histogram()
    h2 = image2.histogram()
    result = math.sqrt(reduce(operator.add, list(map(lambda a, b: (a - b) ** 2, h1, h2))) / len(h1))
    return result


ChangPic


""" 
批量改变目录下图片位深 ,保存到新的目录下
    函数解释:
    path :图片存放的路径
    newpath :转化完成后,存放的路径
    convert :需要更改成那一种为深度的图片的格式
"""
def picture(path, newpath):
     files = os.listdir(path)
    for i in files:
        files = os.path.join(path, i)
        img = Image.open(files).convert('RGB')
        dirpath = newpath
        file_name, file_extend = os.path.splitext(i)
        dst = os.path.join(os.path.abspath(dirpath), file_name + '.png')
        img.save(dst)
        print("已将",i,"强制转为RGB格式")


WebToPic


# 截取网页照片函数
def screen_shot(url, png_name):
    brower = webdriver.Chrome()
    # 使用get()方法,打开指定页面。
    brower.get(url)
    # 设置浏览器全屏显示
    brower.maximize_window()
    time.sleep(1)
    # 获取登录tab并点击
    gofor = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[1]/div/div/div/div/div[3]')
    gofor.click()
    time.sleep(1)
    # 获取用户名输入框并输入
    name = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[2]/div[2]/div/div/div[2]/form/input[1]')
    name.send_keys("13120210916")
    # 获取密码输入框并输入
    password = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[2]/div[2]/div/div/div[2]/form/input[2]')
    password.send_keys("hly12345")
    # 获取登录按钮并点击
    login_button = brower.find_element_by_xpath('//*[@id="app"]/div/div/div[2]/div/div/div[2]/div[1]/div/div[2]/div[2]/div/div/button')
    login_button.click()
    time.sleep(1)
    # 打开目标页
    brower.get(url)
    time.sleep(2)
    # 使用save_screenshot将浏览器正文部分截图,即使正文本分无法一页显示完全,save_screenshot也可以完全截图
    brower.save_screenshot(png_name)
    # 关闭浏览器
    brower.close()

附:


关于Pillow库(ImageChops)的详细文档:


https://pillow.readthedocs.io/en/latest/index.html


关于图片 位深 的解释:


https://blog.csdn.net/WoHongG/article/details/84074057

https://blog.csdn.net/weixin_39190382/article/details/105917690


关于ImageChops功能使用的注意事项:


  1. 对比图 位深需小于等于24(RGB)
  2. 强制转换 位深功能,需原对比图 位深相等,否则会出现像素点错位导致对比误差
  3. 无效对比区域可以通过截取功能来规避
目录
相关文章
|
7月前
|
存储 数据采集 监控
Python定时爬取新闻网站头条:从零到一的自动化实践
在信息爆炸时代,本文教你用Python定时爬取腾讯新闻头条,实现自动化监控。涵盖请求、解析、存储、去重、代理及异常通知,助你构建高效新闻采集系统,适用于金融、电商、媒体等场景。(238字)
1260 2
|
8月前
|
数据采集 监控 Shell
无需Python:Shell脚本如何成为你的自动化爬虫引擎?
Shell脚本利用curl/wget发起请求,结合文本处理工具构建轻量级爬虫,支持并行加速、定时任务、增量抓取及分布式部署。通过随机UA、异常重试等优化提升稳定性,适用于日志监控、价格追踪等场景。相比Python,具备启动快、资源占用低的优势,适合嵌入式或老旧服务器环境,复杂任务可结合Python实现混合编程。
|
9月前
|
安全 JavaScript 开发者
Python 自动化办公神器|一键转换所有文档为 PDF
本文介绍一个自动化批量将 Word、Excel、PPT、TXT、HTML 及图片转换为 PDF 的 Python 脚本。支持多格式识别、错误处理与日志记录,适用于文档归档、报告整理等场景,大幅提升办公效率。仅限 Windows 平台,需安装 Office 及相关依赖。
510 0
|
10月前
|
存储 数据采集 数据可视化
Python自动化分析知网文献:爬取、存储与可视化
Python自动化分析知网文献:爬取、存储与可视化
|
10月前
|
数据采集 存储 监控
Python爬虫自动化:定时监控快手热门话题
Python爬虫自动化:定时监控快手热门话题
|
Python
Python 入门篇-python3和python2的差异总结
Python 入门篇-python3和python2的差异总结
210 0
|
7月前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
478 3
|
7月前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
702 3
|
7月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
717 0
|
7月前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
505 3

推荐镜像

更多