点击关注，我们共同每天进步一点点！

前言

本意，昨晚想发一文，在梳理思路找笔记一小半时，一朋友跟伴侣吵架了，突然从技术写文转变到情感“砖家”，微信聊了一个多小时，脑力都用光了，早上开会上传了一下调整后的代码，中午补一下文，完成既定目标。

一、起因

去年在测试公司的人工智能产品中的一功能【成语接龙】，人工语音测试总玩不过【琥珀】小姐姐，叹自身知识匮乏、小琥珀之刁钻；

于是乎，网络找了几个成语数据库，找了几个现成的API，弄成自动化跑的时，自信满满时，【琥珀】却找出大量的非四字成语；

脏数据太多，很有挫败感，于是另谋出路，百度成语相对靠谱，就你了，本文为很简单的测试，主要看测试思路。

二、百度成语HTML解析

2.1、浏览器打开百度成语

https://hanyu.baidu.com/s?wd=成语

2.2、分析HTML与规律

步骤：1、正常请求--》2、抓包分析--》3、模拟请求--》不成功---》4、抓包对比分析

所有基本就是循环以上步骤直至成功为止(反爬另说，主要是变换请求信息，伪装不同的用户请求)。

2.2.1)、正常请求：略

2.2.2)、抓包分析

实操如下，很容易就找到规律，图1图2一对比，就可以找到变化的内容

请求地址：https://hanyu.baidu.com/hanyu/ajax/search_list?wd=%E6%88%90%E8%AF%AD&from=poem&pn=页数&_=点击时间戳

说明：忽略cookie，实测不需要，也没有反爬机制，但本文还是会保存cookie请求

• 数据标签分析

将抓包的数据，拷贝，在线Json格式化，可以得到比较好看的结构：

json数据解析，得知一页20个成语，自己所需要信息结构如下：

成语：ret_array[x].name
拼音：ret_array[x].pinyin
总页数：extra.total-page

2.2.3)、模拟请求

• [工具请求]-初步成功，可以编写脚本了

这一步只是防止蒙头写脚本，分析不到位，瞎整半天啥的。

3、编写脚本(模拟请求) 

  1 # -*- coding: utf-8 -*-  2 """  3 @author: findyou  4 @contact: albert.peng@foxmail.com  5 @version: 1.0  6 @license: Apache Licence  7 @file: get_idiom_from_baidu.py  8 @time: 2018/10/21 20:35  9 """ 10  11 __author__ = 'albert' 12 __version__ = '1.0' 13  14 import json 15 import sqlite3 16  17 import os 18 import requests 19 import socket 20 import time 21 import sys 22  23 # 总页数，直接手动，不去获取了 24 page_count = 1546 25  26 # 组装请求头 27 header = { 28     'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 29     'Accept-Encoding': 'gzip, deflate, sdch', 30     'Accept-Language': 'zh-CN,zh;q=0.9', 31     'Connection': 'keep-alive', 32     'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36' 33 } 34 # 默认数据库 35 db_filename = 'idiom.sqlite3' 36  37  38 def get_idiom_data(start_pagenum=1, end_pagenum=10, all=False): 39     ''' 40       爬取百度成语数据，解析并保存到数据到数据库 41       :param start_pagenum: 默认从第1页开始 42       :param end_pagenum: 默认第10页结束 43       ''' 44     global page_count, header 45  46     # 统计成语条数 47     idiom_count = 0 48     # 进度条 49     page_num = 0 50     get_url = 'https://hanyu.baidu.com/hanyu/ajax/search_list?wd=%E6%88%90%E8%AF%AD&from=poem&pn={}&_={}'.format(1, int(round(time.time() * 1000))) 51  52     # 获取全部成语 53     if all: 54         end_pagenum = page_count 55  56     for i in range(start_pagenum, end_pagenum + 1): 57         # 连接数据库 58         conn = sqlite3.connect(db_filename) 59         cursor = conn.cursor() 60  61         # 当前时间戳 62         # t = int(round(time.time() * 1000)) 63         # 模拟请求获取json数据 64         try: 65             # 自动保存cookie 66             s = requests.session() 67             header['Referrer'] = get_url 68  69             # 百度 ajax 成语请求API 70             get_url = 'https://hanyu.baidu.com/hanyu/ajax/search_list?wd=%E6%88%90%E8%AF%AD&from=poem&pn={}&_={}'.format(i, int(round(time.time() * 1000))) 71  72             # 模拟请求 73             result = s.get(get_url, headers=header) 74             # 判断请求是否成功 75             if result.status_code == 200: 76                 res = json.loads(result.text) 77                 page_count = res['extra']['total-page'] 78                 # 得到返回的成语 79                 for a in range(len(res['ret_array'])): 80                     txt = res['ret_array'][a] 81                     # 条数递增 82                     idiom_count += 1 83  84                     # 目前只需：成语、拼音 85                     name = (get_vaule(txt, 'name'))[0].strip() 86                     pinyin = (get_vaule(txt, 'pinyin'))[0].strip() 87                     pinyin_list = pinyin.split(" ") 88  89                     # 例句 90                     # liju = get_vaule(txt, 'liju')[0] 91                     # 出处 92                     # tmp = get_vaule(txt, 'source')[0] 93                     # if len(tmp) > 0: 94                     #     source = tmp.replace('"', '').replace("'", "").replace('\n', '') 95                     # else: 96                     #     source = '' 97                     # 同义词 98                     # get_vaule(txt, 'synonym') 99                     # tmp = get_vaule(txt, 'term_synonym')100                     # if len(tmp) > 0:101                     #     synonym = tmp102                     # else:103 104                     # ID，成语，拼音，成语首字，尾字，首拼，尾拼105                     cursor.execute(106                         'insert into IDIOM (ID,NAME,PINYIN,NAMEF,NAMEL,PINYINF,PINYINL) values (NULL,"%s","%s","%s","%s","%s","%s")' %107                         (name, pinyin, name[0], name[len(name) - 1], pinyin_list[0], pinyin_list[len(pinyin_list) - 1]))108             else:109                 print("获取数据失败：第"+i+"页")110         except requests.exceptions.ConnectTimeout as e:111             print("http请求超时！" + str(e))112         except socket.timeout as e:113             print("请求超时！ " + str(e))114         except socket.error as e:115             print("请求错误！" + str(e))116         finally:117             # 每获取一页，保存一次118             cursor.close()119             conn.commit()120             conn.close()121         # 进度条122         page_num += 1123         view_bar(page_num, end_pagenum)124     print('\n本次爬取[百度成语] :  第 ' + str(start_pagenum) + ' 至 ' +125           str(end_pagenum) + ' 页，共计 ' + str(idiom_count) + ' 条')126 127 def view_bar(num, total):128     '''进度条'''129     rate = num / total130     rate_num = int(rate * 100)131     # r = '\r %d%%' %(rate_num)132     r = '\r[%s>] %d%%' % ('=' * rate_num, rate_num)133     sys.stdout.write(r)134     sys.stdout.flush135 136 137 def get_vaule(idiom_dict, key_vaule):138     if key_vaule in idiom_dict.keys():139         return idiom_dict[key_vaule]140     else:141         return [' ']142 143 144 def init_db(filename=db_filename):145     '''146      如果数据库不存在，自动在当前目录创建idiom.sqlite3:147     '''148     if not os.path.exists(filename):149         conn = sqlite3.connect(filename)150         # 创建一个Cursor:151         cursor = conn.cursor()152         # 建表ID 自增长key153         cursor.execute(154             'CREATE TABLE IDIOM (ID INTEGER PRIMARY KEY AUTOINCREMENT, NAME VARCHAR(100),NAMEF VARCHAR(10),NAMEL VARCHAR(10),\155               PINYIN VARCHAR(100),PINYINF VARCHAR(10),PINYINL VARCHAR(10))')156         # 关闭Cursor:157         cursor.close()158         # 提交事务:159         conn.commit()160         # 关闭Connection:161         conn.close()162 163 164 if __name__ == '__main__':165     # 初始化数据库166     init_db()167 168     # 获取1-10页的数据，数据库只会往里一直加数据，未做去重，所以以下三个方式，用最后一种。169     # get_idiom_data()170 171     # 获取x-x页的数据172     # get_idiom_data(start_pagenum=10,end_pagenum=30)173 174     # 获取所有数据175     get_idiom_data(all=True)

执行> python get_idiom_from_baidu.py

[====================================================================================================>] 100%本次爬取[百度成语] : 第 1 至 1546 页，共计 30875 条

源码：https://github.com/findyou/idiom_from_baidu

4、存在的问题
1、本脚本没有应对反爬虫机制(但实测不需要)
简单方案：请求头收集一堆，list随机取值
完整一点：代理IP+请求头list

2、保存数据较少，需要完整的成语数据
解析你想要的数据：第88行 -- 102行间
数据库增加你想要的字段：第154行 -- 155行
增加要保存的数据：第106行 -- 107行

3、成语数据不全
再爬其他成语库补充

4、单线程，速度慢
自已解决一下

三、自动化测试(接口层)

1、成语接龙游戏

正接，即接的成语的前一个字和问的成语的最后一个字一致(同字或同音都可)，目前【琥珀】只支持正接中的尾首同字

2、自动化简单方案

识别【琥珀】说的成语，判断是否成语
如是成语，取其【尾字】，在数据库中获取【首字】一样的成语列表，随机给出一个成语继续。
不是成语，记录

说明：所以第二部分爬取成语只需保存数据：成语，首字，尾字

3、测试结果

正常用例-自动测试结果：

4、问题

1、如何做语音自动化方案？
其实主要测试逻辑一样，只需要多解决自动化用例TTS播报，被测的ASR(或文本)获取。

2、这自动化只是一个简单的功能测试，无法达到智能测试的效果？
对的，此方案仅覆盖的是成语的正确性；
趣味性、情感化等回复的语料，可人工标注或者其他方案。

原文地址：https://www.cnblogs.com/findyou/p/9828221.html

喜欢请关注，有用请转发~

升职、加薪、无漏测-点“在看”