登录社区云,与社区用户共同成长
邀请您加入社区
实践详细说明Page Object 是基础,AI 是增强层AI 不能替代良好的架构设计,它让好架构变得更好AI 定位作为第二路径,不是唯一路径有显式定位器时优先使用,能避免 95% 的 AI 调用不做全量 AI 替代只在异常时触发 AI,而非每个元素都走 AI 定位一定要有 Mock 模式没有 API Key 时框架必须可用,这是 CI 不可达环境的基础AI 不是在"替代"测试工程师,而是在"解放
📉 GitHub 上 Selenium 相关的 Issues 增速同比下降 40%📊 Stack Overflow 上 Selenium 标签的提问量连续 3 年下滑🚀 新兴 AI 测试框架 Midscene、Applitools、Testim、UiPath,90% 都不把 Selenium 作为首选方案💀 更扎心的是:2024 年招聘市场上,「Selenium 工程师」岗位减少 35%,
pytest-selenium是一个将Selenium浏览器自动化功能集成到pytest测试框架的插件,支持Chrome、Firefox等主流浏览器。它简化了测试流程,自动管理浏览器生命周期,提供失败截图和源码捕获功能。安装简便(pip安装),支持本地和远程(Selenium Grid)测试,可生成HTML报告,并适配CI环境的无头模式。通过内置fixture,开发者能直接调用浏览器实例编写测试,
做网页自动化这几年,踩过的坑比写的代码还多。去年帮公司做一个财务对账系统,每天登录内部系统、识别发票图片、汇总 Excel,本以为 Selenium + OCR 就能搞定,结果交付时客户问"能不能打包成双击就能用的软件"。后来调研了一圈国产工具,发现蓝印 rpa这类产品把网页自动化、AI 识别、打包分发整合得挺完整,走的是本地离线路线。不过本文先不聊工具,我们从 Python 源码层面把 RPA
本文介绍了Selenium中鼠标操作的实现方式,主要通过ActionChains类完成。内容包括:1)鼠标操作需要调用ActionChains类;2)常用鼠标操作方法如右击(context_click)、双击(double_click)、拖动(drag_and_drop)、悬停(move_to_element)等;3)每个方法的调用步骤:导入类→实例化对象→调用事件方法→执行perform();4
本文介绍了Selenium中的窗口切换和元素等待技术。主要内容包括:1)通过窗口句柄实现多窗口/标签页切换,使用current_window_handle和window_handles获取句柄;2)三种等待机制:显示等待(WebDriverWait配合expected_conditions)、隐式等待(implicitly_wait全局设置)和强制等待(time.sleep),分析各自特点和适用场
各位程序员兄弟姐妹们好,我是你们的老朋友。你花了那么多钱订阅的 AI,到底帮你干了什么?写个邮件?查个 API?解释一段代码?恭喜你,你正在用一台"装了火箭发动机的拖拉机"来送快递。AI 最强大的能力——自主行动——被你白白浪费了。你问 AI:“帮我看看这个文件有什么问题” → AI 说:“请把文件内容贴给我” → 你手动复制粘贴 → AI 分析完 → 你手动改你问 AI:“帮我搜一下这个库的最新
各位测试工程师朋友们,让我猜猜你的日常:凌晨三点,你睡得正香,手机突然炸了。钉钉消息 99+,微信群里 @ 了你八百遍,邮件标题赫然写着——“线上回归测试全挂了!!!”你一个鲤鱼打挺从床上跳起来,打开电脑,颤抖着点开测试报告,发现 200 个用例挂了 87 个。你心里一凉:“完了完了,是不是线上出 Bug 了?”结果排查了半小时发现——前端同事把「登录」按钮的从改成了 。就这?就这。一个驼峰命名的
2026年Web自动化三大工具(Playwright、Puppeteer、Selenium)对比分析显示:Playwright凭借多浏览器原生支持、轻量级架构和领先的AI集成(如自然语言驱动、自动修复)成为新项目首选;Puppeteer在Chrome专属场景和底层控制方面保持优势;Selenium则依靠标准化协议和企业级生态在传统市场占据地位。性能测试中Playwright最快(电商登录测试2.5
文章介绍了使用图灵在线验证码识别平台(http://tulingcloud.com)快速解析易盾符号点选验证码的方法。相比人工打码平台12秒/次的响应速度,该平台能实现秒级返回结果。作者提供了Python调用代码示例,只需传入账号密码和图片路径即可使用特定模型ID(25998073)进行识别。该服务支持直接官网测试,具有速度快、准确率高的特点。(150字)
摘要: Selenium 是浏览器自动化领域的开源标杆项目,自2004年诞生以来持续迭代,支持多语言(Java/Python/JS等)和全主流浏览器(Chrome/Firefox等)。其核心通过WebDriver协议统一指令,实现表单填写、数据抓取等自动化操作,并凭借分布式测试框架Grid提升效率。尽管面临Puppeteer等新工具竞争,Selenium凭借语言兼容性和跨浏览器支持,仍是大厂多技术
unittest会自动化识别test开头的函数是测试代码,如果你写的函数不是test开头,unittest是不会执行这个函数里面的脚本的,这个千万要记住,所有的测试函数都要test开头,记住是小写的哦。最后结尾处的unittest.main(),添加这个是支持在cmd,里面,cd到这个脚本文件所在的目录,然后python 脚本名.py执行,如果不添加这一段,是无法执行cmd里面运行脚本的,在PyC
本文摘要介绍了UI自动化测试中的三个关键技术点: 等待机制:包括强制等待(time.sleep)、隐式等待(driver.implicitly_wait)和显式等待(WebDriverWait),用于处理网络延迟或元素加载问题,确保脚本稳定性。 文件操作:上传文件可通过input标签直接传路径或借助AutoIT工具;下载文件需配置浏览器参数(如指定目录)。 验证码处理:提出五种方案:去除验证码、设
Selenium 4.44.0 没有对定位能力做减法,核心改变只是统一了API写法,同时新增了相对定位提升定位灵活性,原有的定位策略逻辑没有变化,仅需要调整语法格式即可迁移。声明:以上内容,部分来自AI总结,仅供参考。
本文介绍了WebDriver API在自动化测试中的应用,重点讲解了鼠标键盘操作、iframe切换和下拉列表框处理等模块。WebDriver API提供了简洁的面向对象接口,支持动态网页测试,通过ActionChains类实现鼠标右键、双击、拖拽等操作,Keys类处理键盘事件。针对iframe嵌套,使用switch_to.frame()切换框架,switch_to.default_content(
创建python@dataclass"""上市公司公告数据模型"""announcement_id: str# 公告ID(唯一标识)stock_code: str# 股票代码stock_name: str# 股票名称title: str# 公告标题announcement_time: datetime # 公告发布时间。
在量化投资和财务分析领域,上市公司的财务数据是最基础也是最重要的数据来源。无论是进行基本面分析、构建估值模型,还是监控行业趋势,准确、及时的财务指标都是决策的关键。网易财经作为国内主流的财经门户网站,提供了丰富的上市公司财报数据,包括利润表、资产负债表、现金流量表等核心报表的关键指标。然而,手动复制粘贴成百上千家公司的财务数据显然不现实。Python爬虫技术为我们提供了自动化获取这些数据的可能性。
aid:视频的AV号对应的数字ID,例如av123456的aid就是123456。现在主流使用BV号,但API内部依然使用aid。cid:视频分P对应的评论ID,每个分P有自己的评论池。获取评论前必须先拿到cid。B站未公开proto文件,但可以通过反编译或社区逆向得到。以下是最新的protobuf。
Playwright 由微软开源,自动管理浏览器驱动、内置浏览器指纹伪装、自带网络拦截、异步多浏览器内核,相比 Selenium 启动更快、资源占用更低、原生规避 webdriver 检测,完美适配 Vue/SPA 单页、动态接口加密、JS 强校验站点。本章实现无头静默抓取、请求拦截抓接口、Cookie 注入、代理 + UA 动态轮换、懒加载滚动采集,无缝对接前期代理池、UA 池、Cookie 池
摘要 本文系统介绍了微软开源的现代化端到端测试框架Playwright,对比其与Selenium、Cypress的优劣势,并提供完整实战指南。核心内容包括: 核心优势:支持Chromium/Firefox/WebKit三大引擎,内置自动等待、并行测试、移动端模拟等特性,测试效率提升5倍以上 实战演示:从环境搭建到编写首个测试用例,详解Locator定位策略与Action操作,推荐PageObjec
选用亿牛云固定转发代理的核心优势:代理IP有效期1-3分钟,适配浏览器页面完整加载、JS渲染、交互操作全流程,单通道独立账号密码认证,可保障单次会话IP一致性,避免动态IP切换导致的页面请求中断、会话失效问题,完美适配Selenium自动化场景。整合反指纹浏览器、真人行为模拟、分页采集、结构化数据提取、数据导出全流程能力,搭建高可用、可复用的智能爬虫框架,支持分页批量采集、数据去重、CSV标准化导
想象一下面包店的场景:面包师(生产者)不停地制作面包,放入柜台(缓冲区),顾客(消费者)从柜台取走面包。如果面包做得太快,柜台堆满,面包师就得等待;如果顾客吃得太多,柜台空了,顾客就得等待。在爬虫世界里,生产者负责生产任务(URL链接),消费者负责处理任务(请求网页、解析数据、持久化存储)。两者通过一个线程安全的队列进行解耦。为什么要解耦?如果没有队列,生产者必须等待消费者完成当前任务才能生产下一
大概三个月前,我接了一个有点头疼的需求:需要从某电商平台抓取大约50万件商品的价格和库存信息。如果按照传统方式,用requests库写一个循环,逐个请求,每秒钟顶多能处理3-5个请求。算下来,光是网络IO等待时间就要花掉将近30个小时。更糟糕的是,目标网站对单IP的并发连接数虽然限制不算严格,但对请求间隔很敏感——如果请求间隔不固定,很容易触发反爬机制。我需要一种既能提高抓取速度,又能灵活控制请求
后来我试了CNN,准确率能到95%+,但问题也明显:要GPU、要装tensorflow或pytorch,环境一不小心就炸。对于简单的字母验证码(比如4位、纯大写或大小写混合、背景干扰不多),杀鸡其实用不上牛刀。这个老古董,在这类场景里意外好使。不需要深度学习那一堆依赖,纯Python + numpy + opencv就能跑,甚至可以在树莓派上训练。缺点是字符必须是,粘连的那种不行。但绝大多数简单的
这是整个脚本的核心难点。不同网站的ECharts渲染时间不一样,有的数据量小瞬间完成,有的需要好几秒。写死显然不是好办法。我们可以通过执行JavaScript来检测ECharts实例的状态:python"""等待ECharts图表渲染完成echarts_container_id: 图表的div容器id"""# 第一步:等待元素出现在DOM中# 第二步:检查ECharts实例是否初始化成功try:#
页面对象模型的简称2013 年,由 Martin Fowler提出了Page Object的观点作者的观点是一种封装思想,旨在为每个待测页面创建一个页面对象,从而将繁琐的定位操作、操作细节封装到这个页面对象中,对外只提供必要的操作接口,在调用的时候只调用提供的接口,不用去调用操作细节,最终实现程序的高内聚低耦合,使程序模块的可重用性、移植性大大增强在这种模式下,对于应用程序中的每个页面都应该有相应
本文探讨了图神经网络(GNN)在软件缺陷定位中的革命性应用。通过将软件系统抽象为图结构(节点代表服务/函数,边代表调用关系),GNN利用其独特的关系建模能力,能捕捉传统方法难以发现的分布式缺陷传播模式。核心突破在于:1)通过图卷积提取缺陷的层次化特征;2)运用图注意力机制动态分析关键依赖路径;3)提供可视化解释辅助根因分析。实验数据显示,该方法使缺陷定位准确率提升30%以上,尤其擅长解决微服务架构
Agent Skills 的走红,不只是一个开源项目的热度变化。AI 编程正在从 Prompt 阶段,进入工程流程阶段。过去大家比的是:谁的 Prompt 写得好;谁能让 AI 生成更多代码;谁能更快做出 Demo;谁能用 AI 提升个人效率。但接下来,真正拉开差距的会是:谁能把工程经验沉淀成流程;谁能把质量标准变成门禁;谁能让 AI 输出可验证证据;谁能把开发、测试、评审、发布串成闭环;谁能让
AI技术正在深刻变革软件测试行业,在测试用例生成、自动化脚本编写和缺陷检测等方面展现出显著优势,效率提升明显。然而,AI测试仍存在可信度不足、业务理解有限、缺乏创造性等固有局限,难以完全替代人工测试。未来将形成人机协同的新模式:AI处理重复性工作,测试工程师转向质量管理和策略制定。从业者需积极拥抱技术变革,提升业务理解能力和综合素质,向质量工程师转型。AI不会取代人工测试,而是将成为提升测试效率和
开源软件已成为数字经济核心基础设施,市场规模突破千亿美元。国内政策支持推动国产开源项目崛起,形成完善生态体系。开源软件带来测试复杂度增加、版本更新频繁等挑战,但也促进测试工具创新和理念革新。未来趋势呈现AI深度融合、全栈自主可控、开源闭源融合等特点。测试从业者需提升技术能力、践行"左移"测试、参与开源社区,以应对开源时代的机遇与挑战。
摘要:AI时代下,软件测试从业者向AI技术总监转型需完成六大能力升级:1)构建覆盖算法、工程、业务的全链路AI质量体系;2)掌握算法与工程化的跨领域融合能力;3)培养业务战略思维,实现技术商业价值转化;4)打造分层培养机制与知识共享的AI团队;5)建立涵盖算法偏见、数据安全、伦理合规的风险治理体系;6)整合产学研资源构建技术生态。这要求从业者从单一测试思维转向技术领导力,在AI浪潮中把握转型机遇。
AI时代软件测试从业者的转型之道 在AI技术快速发展的背景下,软件测试行业正经历深刻变革。文章指出测试人员需从四方面构建核心竞争力:1.技术层面,从工具使用者升级为技术掌控者,掌握AI核心技术及测试全流程;2.行业层面,深耕特定领域业务逻辑,积累行业测试经验;3.能力层面,培养批判性思维、沟通协作等综合素养;4.资源层面,拓展行业人脉,参与开源社区。面对AI带来的挑战与机遇,测试人员应主动转型,通
摘要: 25岁的算法工程师在软件测试领域面临深度学习与强化学习的技术路线选择。深度学习技术成熟,广泛应用于GUI测试、用例生成等场景,学习路径清晰,职业发展空间大;强化学习虽门槛较高,但在动态决策、复杂测试中潜力显著,是未来趋势。建议根据个人基础与行业需求选择:基础薄弱者可先深耕深度学习,再拓展强化学习;技术扎实者可提前布局强化学习。两者亦可融合应用,打造复合型竞争力。持续学习与实践是关键,无论选
很多协议转换项目,最容易做的是普通文本对话。原因很简单。不同模型、不同 SDK、不同客户端,对工具调用的表达方式不一样。tool_calls有的是 XML 风格。有的是消息块。有的是流式增量输出。有的是先输出工具名,再输出参数片段。如果 Tool Call 适配不严谨,模型输出可能会被当成普通文本,或者工具调用结构泄漏给用户。
关注 霍格沃兹测试学院公众号,回复「」, 领取人工智能测试开发技术合集一、4月24日的“技术价格战”二、开源与闭源的分岔口三、为什么能做到:三层技术拆解四、开源模型正在如何改变开发流程五、工程落地的真实启示六、未来会怎样。
本文探讨了AI测试Skills在实际应用中的常见问题与优化策略。文章指出,测试团队不应简单依赖AI生成测试用例,而需要将测试经验、约束和流程沉淀为可复用的工作流。作者详细分析了15个典型问题场景,包括Skill加载失败、描述模糊、角色边界不清、流程中断等,并提供了具体解决方案。强调测试Skills需要明确定义覆盖标准、输出格式、项目规则和失败策略,才能从"聊天工具"升级为工程资
过去,测试团队的核心工作是:理解需求;设计用例;执行测试;发现缺陷;推动修复。后来,自动化测试和测试开发能力变得越来越重要。测试团队开始需要掌握:编程能力;自动化框架;接口测试;持续集成;测试平台建设;质量度量体系。而到了 AI 时代,测试团队的能力边界正在继续扩大。未来的测试团队,不仅要会测试系统,还要会测试 AI 应用;不仅要会写自动化脚本,还要会设计智能化测试流程;不仅要会使用工具,还要会让
听完一整节课,小陈不仅理清了部署全流程,还学会了如何分析一个开源项目是否适合自己二次开发。而老师没有止步于此:“我也帮你问问我之前的老同事,他们在公司用的是另一套开源的,用得还不错。回头把名字发给你,你可以对比一下,哪套更适合你的场景。💬 这就是私教的价值——不只是解决当下一个问题,而是给出一条可持续的学习和解决问题路径。从“中间件不了解”“前端没部署过”到“太好理解了”“了解”,仅仅用了一个小
Claude Code + MCP 的出现,给测试开发一个非常明确的信号:AI 编程工具正在从“代码生成”走向“工程执行”。过去我们关注的是:AI 会不会写代码。AI 会不会写单测。AI 会不会生成自动化脚本。但下一阶段更值得关注的是:AI 能不能理解工程上下文。AI 能不能调用测试工具。AI 能不能连接质量平台。AI 能不能分析失败原因。AI 能不能形成测试闭环。这也是测试开发岗位能力变化的关键
关注 霍格沃兹测试学院公众号,回复「」, 领取人工智能测试开发技术合集上周帮学弟看offer,吓了一跳。某大厂给AI对齐岗的校招白菜价,总包42w。同一个公司,传统测试开发岗,开出了18w。差了不止一倍。这不是个例。我翻了牛客网五月最新的offer帖,又问了几个在阿里、字节、美团的朋友,结论很一致:2026届技术岗的薪资两极分化,已经到了离谱的程度。AI方向,硕士白菜价普遍40-55w,博士核心岗
智能体是今年非常火的方向,2025年称为“智能体元年”。在学习任何一个新学科或新领域时,不妨先花些时间了解它的发展史。为了深刻理解智能体为何呈现出如今的形态,以及其核心设计思想的由来,本文将回溯历史:从人工智能领域的古典时代出发,探寻最早的“智能”如何在逻辑与符号的规则体系中被定义;继而见证从单一、集中的智能模型到分布式、协作式智能思想的重大转折;最终理解“学习”范式如何彻底改变了智能体获取能力的
测试工作的起点通常是已明确的需求文档,你的任务是验证实现是否符合规格。但AI产品经理的起点要前置得多:你需要从模糊的业务痛点中抽象出可被AI解决的正确问题。这要求你从“找bug”转向“找机会”。用测试用例的编写逻辑反向解构业务。每当你拿到一个AI产品需求,先不要想怎么测,而是问:“这个需求试图解决的用户任务是什么?如果不用AI,用户现在是怎么解决的?AI介入后,成功的关键指标是什么?失败的最大代价
摘要:未来10年,后端技术将呈现四大趋势:分布式系统深化、云原生技术普及、AI融合及Serverless架构成熟。这些变革将显著影响软件测试工作,带来测试复杂度提升、环境适配、智能化机遇和轻量化挑战。测试人员需掌握分布式原理、容器编排、AI工具及Serverless测试方法,通过混沌工程、自动化测试和智能分析等手段应对新挑战。紧跟技术发展、调整测试策略,才能构建高效的质量保障体系,在技术演进中持续
摘要:本文分享了开源测试工具从"用爱发电"到商业变现的5种路径:1)捐赠与赞助,通过用户认可获取基础收益;2)增值服务,为高级功能收费;3)技术服务,将专业能力转化为收入;4)产品化运营,打造测试工具生态;5)项目收购,实现价值最大化。作者结合自身开发接口测试工具的经验,建议测试从业者根据项目发展阶段选择合适的变现方式,同时保持技术热情和用户关注,逐步实现开源项目的商业价值。
本文总结了Selenium 4自动化测试中新手常见的四大坑点:1)使用开发者工具获取最新网页元素属性,避免因网页更新导致元素定位失效;2)配置ChromeOptions进行反爬伪装,规避网站自动化检测;3)采用WebDriverWait智能等待替代time.sleep固定等待;4)通过JavaScript注入解决元素不可交互问题。文章结合真实案例,强调不要照搬老旧代码,要掌握自主获取最新元素的能力
【摘要】一位测试工程师在模拟面试中暴露出简历亮点挖掘不足的问题。面试官指出其大模型测试和算法平台经历是简历中最值钱的部分,但学员却轻描淡写带过。专家建议:1)将项目经历转化为有背景、痛点、动作、结果的故事;2)适度包装开发经验作为加分项;3)重点准备LeetCode简单题。核心观点:面试不是被动答题,而是主动展示解决问题的能力,需要提前构建"故事武器库"。(149字)
东方财富2027届暑期实习招聘启动,技术岗位全面拥抱AI,开放测试开发工程师(AI方向)等前沿岗位。作为金融科技"国家队",东方财富采用"实习+考核转正"模式,实习表现优异者可提前锁定校招offer。测试岗位已升级为"业务赋能者",需掌握Python、SQL及AI基础知识。招聘流程包括网申、测评和面试,建议5月底前投递。准备重点包括编程能