虽然笔者是一个测试老人了，但是基本上所有的测试经验都停留在手工测试方面，对于自动化测试方面的实战经验少之又少，可以说，从这个角度来说，就像生活在原始社会，一切靠双手解决问题。

其实，究其原因：

一方面是自动化方面不求上进，觉得会手工测试就可以了，自动化就能躲就躲吧；
另一方面是，觉得自动化是个慢慢积累的过程，不是那么容易学会的，既然不是那么学会的，那是不是就先不学了…

然后，就一拖再拖，能拖就拖，殊不知，自动化已经逐步成为测试领域必备的生存技能了。

所以，为了顺应测试行业发展的潮流，我就开始了从测试“原始人”到测试“现代人”的转变。

考虑到python语言相对于大部分语言的语法简单，容易上手的特点，再加之python在自动化测试方面的广泛应用，我选择了python语言进行学习。

01、菜鸟是怎样炼成的

这一部分主要讲讲从一无所知到正式入门，Python从零开始学习的步骤.

1、基本语法的学习——打铁还需自身硬

首先，找一个适合零基础的学习网站，粗略过一遍python基本语法，推荐：

https://www.sharetechnote.com/
https://www.runoob.com/python/python-tutorial.html

Str、List、dict、set、loop、if等等，这些都是最最基本的语法知识。

需要注意的是，学习教程中的练习实例，一定要一步一步跟着敲下来，这样学习效果最佳。

等到基本语法学的差不多了，就可以直接进入实战阶段了。

需要特别指出的是，没有必要在语法方面反复看，看过一遍基础就可以了，看再多遍也只是纸上谈兵，重要的还是通过实战来巩固前面学习到的知识，也更加深对语法的使用技巧的理解。

2、项目实战——上阵练兵

有了一些语法基础之后，接下来要结合项目，实现一些自动化功能。或者，如果没有合适的项目进行练习，给自己定一个目标作为项目，限定时间，实现一定的功能需求

我学习python的时候，由于项目中有一个几乎是日常需要做的事情，比较适合进行自动化，提高工作效率。

具体需求是这样的。从客户返回的产品日志log中提取关键信息，然后以固定的模板填写excel表格，回传给客户。

再详细一点呢，就是从txt多个文件和excel文件中，提取某些数据的值，填写到表格中，便于做问题定位和分析，其中涉及到平均值、最大值，同时涉及到几种固定的类别。

接下来我就来说说，我是如何完成这个项目的。

第 1 则 -THE FIRST

程序初版面世：

通过日夜奋战，到处求医问药，搞定功能

第一步

最开始，从待处理的txt文件出发，先实现一些特点比较明显的，看起来比较简单的数据处理，比如搜索含有特定的关键字的所有行，然后，取这些行中某一特定位置的值，然后计算这些值的平均值。
大体思路是：

1、 遍历txt文件中所有的行2、然后通过关键字搜索3、 搜索到的行，通过一定的字符进行分割，然后存为list4、按照list下标取值，然后把所有的值加起来求和，再除以个数

虽然我知道这个方法不是最聪明最快的，但是我知道它是我当前的水平能做到的一种方法，至少能实现功能，满足项目需求。

这个阶段学习到的方法是：

open()打开文件readlines（）读取行find()找到关键字，后来发现find只能找到一次，并且返回值是所在的位置，不方便，随后改为使用if X in Y来实现了re.split。

这个阶段，用到的基础知识点是list、for循环、str。

第二步

随后，另一个需求随之而来，我上面计算出来的值，得想个办法存下来，等自动化执行完之后，好去统计，然后填表。

因此，我想了一个办法：把重要数据print出来，然后把执行的log保存下来（从网上找的方法），然后人工进行查看和填表。

这个阶段学习到的方法是：

class类write写文件

第三步

后来发现，这种方法的工作效率貌似有点低，明明是很高大上的自动化，怎么成了半自动化了？

所以，我想到的是，把计算出来的数据，保存成表格，然后去表格里查看，就不用从茫茫执行记录里边去找了。

这个阶段学习到的方法是：

读EXCEL的模块xlrd

写EXCEL的模块xlwt

第四步

最初生成的表格，基本上是几个类似的数据就生成一个EXCEL，其他类似的再生成一个EXCEL。所以，如果一旦填写的数据有上百个（这个项目就是这种情况），那差不多也要10几个甚至20多个表格。

因此，我的想法是，能不能把这些生成的数据统统生成到一个表格里，然后再去这个表格里去找我需要的数据。

有了这个想法之后，我的想法就不止停留在了这个层面了。而是，既然我打算自动生成数据到统一的一个表格里边，然后去取数据，再填到我的结果表格里边。

那不如一步到位，通过程序直接把计算出来的结果，填到我创建的结果模板表格里边，实现计算——填表全自动化。

这个阶段用到的主要方法是仍然是读EXCEL的模块xlrd和写EXCEL的模块xlwt，不过，改变了一下这两种方法的用途，原来只用于把txt提取的数据存下来备用，现在直接用于写入最终的结果表格中。

第五步

需要特别指出的是，经过上面几个过程之后，所有的txt部分的需求才终于实现了，但是EXCEL数据读取、计算还没有进行。所以，接下来的主要目标，就是实现EXCEL表格的数据统计。

我首先想到的方法是，获取Excel的单元格的值，然后进行计算。有了之前txt数据的类似的经验，只要解决了如何获取单元格的值，就能实现此功能。

这个阶段，我学习到的方法是cell().value,取单元格的值。

第 2 则 -THE SECOND

程序优化改版：

通过试用和代码审查，优化代码

至此，需要实现的需求都一步一步的通过探索实现了。

但是，由于时间紧迫，第一版代码以自己最容易hold住的方式实现功能，没有特别去思考是否最优方案，所以，此时的代码只能用“水”来形容。

所以，接下来我做的是：

一方面：推广试用

让同事们试用我的代码，发现一些明显的问题，事实证明，实践是检验真理的唯一标准。试用过程中，发现的问题见python学习和工具试用过程中遇到的问题部分

另一方面：代码检视

1)算法优化

在让团队成员试用工具的同时，重新审视自己的代码，寻找优化点。首先是算法方面的优化。

①提取代码逻辑完全相同的复制粘贴的代码，使用for循环进行结构简化。示意图如下：

②对于代码逻辑类似的，可酌情通过自定义函数库，来进行调用，这样可以使代码更加简洁，逻辑更加清晰。

例如，查找文件夹下的文件；通过一定的关键字搜索txt文件的所有行，然后把找到的行切割，然后取出需要的列，形成列表，最后形成dataframe，便于计算平均值等。

import re
def txt_cut(filel,keyws,cutby=r'[|]\s*'):file = open(str(filel), "r")txtlines = file.readlines()data_is_need_num = 0all_data = []for line_num in range(len(txtlines)):cur_line_data = txtlines[line_num]for i in range(len(keyws)):if keyws[i] in cur_line_data:data_is_need_num = data_is_need_num + 1data_split = re.split(cutby, cur_line_data)all_data.append(data_split)if data_is_need_num == 0:print("没有找到您想找的关键字:")for i in range(len(keyws)):print(keyws[i])file.close()return all_data

③寻找内置库或者第三方库中是否有更简便的方法，替代代码中一坨代码实现的功能。

例如，计算平均值用mean（）替代求和后再除以数量：

df.groupby(“A”).B.mean()

③用dataframe的groupby和value_counts()方法来输出一坨数据中：

max = df.groupby(“A”)[‘B’].apply(lambda x: x.value_counts().head(1))

可以说，代码优化的过程，更是一个各方面飞速进步的过程。

2）效率及易用性优化

除了上面的代码结构和调用的模块方法的优化，审视代码过程中，还识别出了一些执行效率和易用性方面的需求：

① 控制循环中某一分支执行次数，获取到一次数据之后，就停止循环。

time_ex = 0
if (条件1) and (time_ex != 1):time_ex = 1语句1

②将log打印信息以一定的颜色输出，方便提示用户一些重要的文件存储信息。

print("\033[0;31m我爱你中国\033[0m")

3）可靠性优化

除了效率和易用性方面，在这个项目过程中，也识别出了可靠性方面的需求。

例如，存放txt文件名的list，优化之前是通过动态获取目标路径下的所有txt，然后通过list下标来取，这种方法最大的问题是，如果目标路径下有多余的txt，则用下标可能取的不对。

优化后，将待处理的文件，通过文件名进行关键字搜索，如果搜索到，则统一放到新建的文件夹下，并重命名为固定的文件名，这样做可以保证后面调用文件列表的时候，一定是我需要的，不会取错。

02、python学习和工具试用过程中遇到的问题

1、int越界

File "pandas\_libs\lib.pyx", line 615, in pandas._libs.lib.astype_intsafe
OverflowError: Python int too large to convert to C long

大体意思就是：溢出错误，Python int太大，无法转换为C long。

python的int是没有上限的，但是C有，如果传入参数大于C语言的int上限就会出错。

解决方案：

把：

data_df_phy_ipa["IPA"] = data_df_phy_ipa["IPA"] .astype('int')

改为：

data_df_phy_ipa["IPA"] = data_df_phy_ipa["IPA"] .astype('int64')

或：

data_df_phy_ipa["IPA"] = data_df_phy_ipa["IPA"] .astype('float')

遇到此类问题，其他参考方案是：

List item

修改算法，不用这个c写的函数。

升级python版本，有的时候这个错误是python2的，将python升级为3。

2、重命名文件或文件夹时，提示已存在，异常结束执行

FileExistsError: [WinError 183] 当文件已存在时，无法创建该文件：

解决方案:

对目标文件夹或文件做判空处理：

if not Path.exists(Path.joinpath(newdir,newname))

3、使用round方法时，提示错误

AttributeError: 'float' object has no attribute 'round'

错误提示：

AttributeError: ‘float’ object has no attribute ‘round’

方案一：

该错误是由于numpy库版本较低导致的，需要更新numpy库至最新版本：

pip install --upgrade numpy

更新时需要保证pip版本比较新，否则会提示pip版本更新较低更新失败：

python3 -m pip install --upgrade pip

F:\Log_Analysis_Auto\0_log_all_auto_fill>pip install --upgrade numpy
Requirement already satisfied: numpy in c:\python36\lib\site-packages (1.19.5)
WARNING: You are using pip version 21.0.1; however, version 21.1 is available.
You should consider upgrading via the 'c:\python36\python3.exe -m pip install --upgrade pip' command.F:\Log_Analysis_Auto\0_log_all_auto_fill>c:\python36\python3.exe -m pip install --upgrade pip
Requirement already satisfied: pip in c:\python36\lib\site-packages (21.0.1)
Collecting pipDownloading pip-21.1-py3-none-any.whl (1.5 MB)|████████████████████████████████| 1.5 MB 328 kB/s
Installing collected packages: pipAttempting uninstall: pipFound existing installation: pip 21.0.1Uninstalling pip-21.0.1:Successfully uninstalled pip-21.0.1
Successfully installed pip-21.1

方案二：

如果方案一解决不了问题，请将如下这种格式的代码：

rb_s2 = df[df['Cell']=='SCC2'].RB.mean().round(2)

修改为：

rb_s2 = round(df[df['Cell']=='SCC2'].RB.mean(),2)

4、提示含有gbk或者utf-8解码错误的报错

原因：

这种情况是因为txt文件没有存为utf-8 无bom格式。

解决方案：

Ultra edit打开txt文件，然后另存为格式选择“UTF-8-无BOM”。

5、提示无权限Permission denied

PermissionError: [Errno 13] Permission denied:

原因：

程序执行完成之前，需要读写的文件不能打开，否则会读写冲突，执行终止。

解决方案：

程序执行过程中，不要打开文件。

6、invalid literal for int() with base 10

报错：

ValueError: invalid literal for int() with base 10

原因：

原因为参数有误，int()函数可以把数字字符串转化成int类型的数字，但是不能传入非数字的字符串。

解决方案：

非数字字符串改成数字字符串。

03、python学习总结

1、处理数据pandas库的dataframe比较强大

数据被DataFrame了之后，就像是操作EXCEL表格中的数据一样，只要你敢想，它就敢做。就我目前用到的DataFrame功能，我总结如下：

统计均值统计最大值统计哪个值最多整列删除筛选数据整列合并

DataFrame的功能远远不止这些，感兴趣的小伙伴可以自行学习

2、对于读写EXCEL的方法，有如下的总结：

openpyxl可以处理xlsx文件和XLSM文件，可以写入单页sheet超过65535行，可以同时读写Excel；xlrd、xlwt只能处理xls，最大可以写65535行的表格。

不过，如果EXCEL表格的数据量不是很大时，还是建议使用xlrd、xlwt套装。

04、后记

最后，一些Python学习心得分享给大家，希望对大家有所帮助。

自动化脚本写作，重在实战潜力是逼出来，有压力才有动力写代码之前最好先构思好代码逻辑，躺石头过河的笨方法只适合初学者，并且后期维护成本较高，返工的概率也高一些Python编码选模块很重要，选对模块事半功倍

希望本文能够帮助那些“原始人”快速“进化”为“现代人”，或者对那些已经成为“现代人”有一些启发。

我下一步的计划是，学习和实践Python+Selenium的自动化框架，我将在后续的文章中把我的学习心得分享给大家，敬请关注。

最后： 可以关注公众号：伤心的辣条！进去有许多资料共享！资料都是面试时面试官必问的知识点，也包括了很多测试行业常见知识，其中包括了有基础知识、Linux必备、Shell、互联网程序原理、Mysql数据库、抓包工具专题、接口测试工具、测试进阶-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试高级持续集成、测试架构开发测试框架、性能测试、安全测试等。

如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一键三连哦！

好文推荐

转行面试，跳槽面试，软件测试人员都必须知道的这几种面试技巧！

面试经：一线城市搬砖！又面软件测试岗，5000就知足了…

面试官：工作三年，还来面初级测试？恐怕你的软件测试工程师的头衔要加双引号…

什么样的人适合从事软件测试工作？

那个准点下班的人，比我先升职了…

测试岗反复跳槽，跳着跳着就跳没了…

从手动测试菜鸟到自动化测试老司机，如何完成蜕变相关推荐

从手动测试，到自动化测试老司机，只用了几个月，我的薪资翻了一倍
虽然笔者是一个测试老人了,但是基本上所有的测试经验都停留在手工测试方面,对于自动化测试方面的实战经验少之又少,可以说,从这个角度来说,就像生活在原始社会,一切靠双手解决问题.(别想歪了,我说的是只会手 ...
python自动化广告收益_薅羊毛? 月入10万? | 这是自动化测试老司机的特长--Python自动化带你薅视频红包，一个都不放过！...
一.目标场景如今短视频横行的时代,以某短视频为首的,背后依靠着强大的资金后盾,疯狂地对平台用户进行红包轰炸. 与传统的红包不一样,视频红包包含位置的不确定性.大小不确定性.元素 ID 的不确定性 ...
Web 前端从入门菜鸟到实践老司机所需要的资料与指南合集
http://web.jobbole.com/89188/ 2016 – 对于未来五年内Web发展的7个预测 2015 – 我的前端之路:从命令式到响应式,以及组件化与工程化的变革怎么成为一名优秀的 ...
从菜鸟到老司机，数据科学的17个必用数据集推荐
数据集可谓是数据科学的练兵场,不管是对菜鸟入门还是老司机上路,能找到一个好用的数据集无异于如虎添翼.以下是雷锋网整理编译的 17 个常用数据集,并列举了适用的典型问题,从菜鸟到老司机,总有一款适合你. ...
干货 | 从菜鸟到老司机，数据科学的 17 个必用数据集推荐
编者按:数据集可谓是数据科学的练兵场,不管是对菜鸟入门还是老司机上路,能找到一个好用的数据集无异于如虎添翼.以下是雷锋网(公众号:雷锋网)整理编译的 17 个常用数据集,并列举了适用的典型问题,从菜鸟 ...
老司机写的java代码_菜鸟 or 老司机？写段代码看看吧
有的小伙伴可能用Python写代码已经非常久了,可能觉得已经是个高手了,那么看看下面这个简单的实现需求,你会写怎样的Python代码呢?通过你写的代码,应该可以大约评估下你到底是菜鸟还是一个老司机了, ...
菜鸟如何看懂python代码_是菜鸟 or 老司机？亮一段代码看看
有的小伙伴可能用Python写代码已经非常久了,可能觉得已经是个高手了,那么看看下面这个简单的实现需求,你会写怎样的Python代码呢?通过你写的代码,应该可以大约评估下你到底是菜鸟还是一个老司机了, ...
cad服务器手动改自动,手动挡改为自动挡，只需加装这“神器”老司机3000元就能...
早期人们开车注重驾驶体验会选择手动挡汽车,而如今人们的工作更加繁忙,在于城市拥堵的道路,也会选择自动挡汽车来减轻自己的驾驶负担.然而之前购买的手动挡汽车能不能经过改装来变成自动挡?这也是一个很严重的问 ...
2020年软件测试需要学什么技术？软件测试人员需要懂代码？软件测试工程师要经常加班吗?--华为十年测试老司机写给迷茫的你
一:前言:谁的青春不迷茫一直以来有很多初入测试职场或者想转行如软件测试的人,都会有很多的疑问,例如软件测试需要学什么技术?软件测试人员需要撸代码?软件测试工程师累吗?需要经常加班吗?软件测试一些工具 ...

从手动测试菜鸟到自动化测试老司机，如何完成蜕变

01、菜鸟是怎样炼成的

第 1 则 -THE FIRST

第 2 则 -THE SECOND

02、python学习和工具试用过程中遇到的问题

03、python学习总结

04、后记

好文推荐

从手动测试菜鸟到自动化测试老司机，如何完成蜕变相关推荐

最新文章

热门文章