新闻详情

新闻详情

首页 / 资讯中心 / 详情

Web自动化测试11-实验案例1-1:百度搜索搭建PO框架

发布时间:2026/11/17 10:05:08来源:尧图网络
Web自动化测试11-实验案例1-1:百度搜索搭建PO框架
实验目标打开百度、定位搜索框、输入关键词、点搜索。实验目的理解PO框架实现框架搭建第一步实现功能的脚本版代码from selenium import webdriver from selenium.webdriver.common.by import By url https://www.baidu.com driver webdriver.Edge() driver.get(url) driver.find_element(By.ID,chat-textarea).send_keys(软件测试) driver.find_element(By.ID,chat-submit-button).click() driver.quit()值得注意的是页面类文件里不能保留脚本代码。当前版本在模块顶层直接写了driver webdriver.Edge()以及两行find_element调用——如果该文件被导入一执行 import 就会弹出浏览器并自动跑一遍搜索。模块顶层的代码会在导入那一刻立即执行这正是「脚本」与「模块」的本质区别能被 import 的文件只应定义内容不应主动执行操作真正执行任务的入口应放在run_baidu.py中。所以我们需要先简单地把这个脚本代码分成页面代码和运行代码两部分第二步将脚本代码拆分成页面代码和运行代码页面代码baidu_page.py# 打开百度、定位搜索框、输入关键词、点搜索。 from selenium.webdriver.common.by import By class BaiduPage: URL https://www.baidu.com SEARCH_INPUT (By.ID,chat-textarea) SEARCH_BUTTON (By.ID,chat-submit-button) #构造方法对driver值进行初始化 #由于只负责初始化所以不能return值 #为后面BasePage铺路 def __init__(self, driver): self.driver driver def open(self): self.driver.get(self.URL) return self def search(self,keyword): # river.find_element(By.ID,chat-textarea).send_keys(软件测试) self.driver.find_element(*self.SEARCH_INPUT).send_keys(keyword) # driver.find_element(By.ID,chat-submit-button).click() self.driver.find_element(*self.SEARCH_BUTTON).click() return self运行代码run_baidu.pyfrom selenium import webdriver #导入在baidu_page页面定义的BaiduPage类 from pages.baidu_page import BaiduPage driver webdriver.Edge() #调用方法打开网页查找软件测试 BaiduPage(driver).open().search(软件测试) #输出当前标签页标题用于粗略检测是否标题改变搜索有没有生效 print(driver.title) #关闭浏览器 driver.quit()第三步抽 BasePageBase层代码在项目中涉及底层操作如对click、send_keys等事件的封装用于提高代码的重用性。操作方法把open()、search()中那两行重复的self.driver.find_element(...)提取到基类里封装成一个find(locator)方法再让BaiduPage继承它。抽取之后BaiduPage只需保留定位符和自身的业务方法——这正是 PO 模式的核心价值所在。好处消重。项目一会有BaiduPage、LoginPage、SearchResultPage……每个页面至少有 find / click / input 三种动作。不抽就是每个方法里重复self.driver.find_element(...)抽了页面类里每个动作只剩一行self.click(self.SEARCH_BUTTON)。改一处全项目生效。这才是真正的价值。比如后面你发现「元素等待要改成 15 秒」或者想加「找不到元素时自动截图」def find(self, locator): try: return WebDriverWait(self.driver, 15).until( EC.visibility_of_element_located(locator)) except TimeoutException: self.driver.save_screenshot(error.png) # 全项目自动有失败截图 raise改完这一处BaiduPage、LoginPage、以后所有页面全部获得截图能力一行用例都不用动。不抽的话你得改十个文件。隔离技术细节。Selenium 的写法变了、等待策略要换、换成 Playwright——动的只有BasePage页面类里的业务方法原样不变。Base层代码 base_page.pyfrom selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC class BasePage: def __init__(self, driver): self.driver driver def open(self, url): self.driver.get(url) return self def find(self, locator): #显示等待元素可见再返回等待能力就此对所有页面生效 return WebDriverWait(self.driver, 10).until( EC.visibility_of_element_located(locator) ) def click(self, locator): self.find(locator).click() return self def input_text(self, locator, text): self.find(locator).send_keys(text) return self页面代码baidu_page.py在后期调试过程中发现由于百度有反爬安全机制在跳转过程中会遇到安全检验需要人为通过。所以在search()中添加了一个强制等待40秒的操作用于人手动通过安全人机测试# 打开百度、定位搜索框、输入关键词、点搜索。 from selenium.webdriver.common.by import By #导入写好的BasePage from pages.base_page import BasePage class BaiduPage(BasePage): URL https://www.baidu.com SEARCH_INPUT (By.ID,chat-textarea) SEARCH_BUTTON (By.ID,chat-submit-button) # #构造方法对driver值进行初始化 # #由于只负责初始化所以不能return值 # #为后面BasePage铺路 # def __init__(self, driver): # self.driver driver def open(self): # self.driver.get(self.URL) # return self return super().open(self.URL) def search(self,keyword): # # river.find_element(By.ID,chat-textarea).send_keys(软件测试) # self.driver.find_element(*self.SEARCH_INPUT).send_keys(keyword) self.input_text(self.SEARCH_INPUT,keyword) # # driver.find_element(By.ID,chat-submit-button).click() # self.driver.find_element(*self.SEARCH_BUTTON).click() self.click(self.SEARCH_BUTTON) # 强制等待 40 秒手动过验证码 import time time.sleep(40) return self第四步搭建测试testcasesconftest.py代码conftest让 pytest 在运行测试时自动加载里面的配置和公共代码不用再手动导入。比如pytest 会自动把conftest.py所在的目录加入sys.path这样from pages.xxx import xxx就能找到了。# conftest.py —— 放在项目根目录pytest 启动时会自动加载不需要任何地方 import 它 import pytest from selenium import webdriver pytest.fixture # 声明这是 fixture用例只要写上同名参数就能拿到 def driver(): # 函数名 driver 就是 fixture 的名字 d webdriver.Edge() # 前置启动浏览器 yield d # 交给用例去用用例跑完代码从这一行之后继续 d.quit() # 后置用例通过也好、失败也好都会执行关闭test_baidu.py代码# testcases/test_baidu.py —— 文件名必须以 test_ 开头pytest 才会收集 from pages.baidu_page import BaiduPage # 导入页面类 def test_baidu_search(driver): # 函数名也要 test_ 开头参数 driver 对应conftest那个 fixture BaiduPage(driver).open().search(软件测试) # 只写做什么不关心怎么定位 assert 软件测试 in driver.title # 判断结果不满足就报 FAILED总结项目目录baidu_page/ ├── conftest.py ├── run_baidu.py ← 保留当调试入口 ├── pages/ │ ├── base_page.py │ └── baidu_page.py └── testcases/ └── test_baidu.py四层就清楚了BasePage管动作、BaiduPage管业务、conftest.py管环境、testcases管判断。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉