- 综合排序
- 最热优先
- 最新优先
- 来自专栏FunTester
无数据驱动自动化测试
在自动化测试中，经常会听到一个词数据驱动，大意是讲通过测试数据驱动自动化用例的执行。 其他相关的内容相信已经耳熟能详了，这里不多说，今天给大家分享一个次叫做无数据驱动，主要思路就是尽量取消在测试用例中的数据引入，把主要的测试数据的维护放在自动化测试用例以外，节省成本的同时提高用例的健壮性 无数据驱动自动化测试的目标就是，通过测试用例最小量的数据引入，编写无限运行的测试用例，以降低维护工作量。 下面分享一个案例，以某一个商品售卖接口以及相关接口组成的一条测试用例。 然后这个driver对象，是该用例类的基础驱动对象，也是一个模块类的对象，用于完成改模块的接口调用，因为当前类就是该模块的用例类，所以做了一个公共的类static对象。 --视频讲解 JSONArray基本操作--视频演示 自动化项目基类实践--视频演示 模块类和自动化用例实践--视频演示 性能框架多线程基类和执行类--视频讲解 定时和定量压测模式实现--视频讲解 基于
56020发布于 2021-01-05 - 来自专栏测吧测试开发
Python 自动化测试(四)：数据驱动
这种测试，在功能测试中非常耗费人力物力，但是在自动化中，却比较好实现，只要实现了测试操作步骤，然后将多组测试数据以数据驱动的形式注入，就可以实现了。 安装 pip install PyYAML 案例 创建用例文件以及数据文件来完成数据驱动的测试案例，创建一个文件夹 testdata，在这个文件夹下创建 data.yml 和 test_yaml.py 以上，pytest 组合 YAML 实现数据驱动，YAML 文件作为用例数据源，控制测试用例的执行，使测试用例数据维护更加方便快捷。
1.1K20发布于 2020-10-28 - 来自专栏全栈测试
Python接口自动化之数据驱动
在上一篇Python接口自动化测试系列文章：Python接口自动化之登录接口测试，主要介绍接口概念、接口用例设计及登录接口测试实战。 以下主要介绍使用openpyxl模块操作excel及结合ddt实现数据驱动。 在此之前，我们已经实现了用unittest框架编写测试用例，实现了请求接口的封装，这样虽然已经可以完成接口的自动化测试，但是其复用性并不高。 接下来将会对框架进行优化，采用数据驱动方式： 1.把测试数据用excel表格管理起来，代码做封装； 2.用ddt来驱动测试，两部分相互独立。 优点：当测试数据发生大量变化的情况下，测试代码可以保持不变 实际项目：excel存储测试数据，ddt读取测试数据到单元测试框架（测试用例中） 补充： 所谓数据驱动，就是数据的改变从而驱动自动化测试的执行
1.5K50发布于 2020-05-07 AI驱动的超自动化巡检
方案概述：志栋智能SAB全流程智能自动化巡检本方案旨在构建一个 “计划-执行-分析-报告-处置” 的全流程闭环自动化巡检体系。 通过引入AI驱动的超自动化平台，模拟甚至超越人工操作，实现从基础设施到业务应用层的无人值守、智能巡检。核心价值转变：模式转型：促使运维团队从被动“救火”转向主动“预防”和“优化”。 自动化巡检闭环示意图（示意图：自动化巡检“计划-执行-分析-报告-处置”闭环流程）3. 方案核心功能模块模块一：触发式巡检计划与策略中心多维度对象管理：支持按单台设备、设备组或全量设备进行巡检。 脚本与无代码化操作：支持封装常用巡检命令，也提供图形化拖拽式流程编排器，降低自动化门槛，让运维人员可快速自定义巡检流程。 自动化巡检平台界面示意图（示意图：自动化巡检平台仪表盘、详细报告及流程编排器界面）5.
22100编辑于 2026-02-12- 来自专栏全栈程序员必看
自动化测试 数据驱动(自动化测试解决数据错误)
数据驱动将测试数据和测试行为完全分离，实施数据驱动测试步骤如下： A、编写测试脚本，脚本需要支持从程序对象、文件或者数据库读入测试数据； B、将测试脚本使用的测试数据存入程序对象、文件或者数据库等外部介质中 ； C、运行脚本过程中，循环调用存储在外部介质中的测试数据； D、验证所有的测试结果是否符合预期结果； 1、使用unittest和ddt进行数据驱动： #-*- coding: UTF-8 -*- from self.driver.quit() if __name__ == '__main__': unittest.main() 备注： 在unittest中结合ddt实现数据驱动 stream=fp, title="Report_title", description='Report_description') runner.run(suite) 3、使用Excel进行数据驱动测试 如果@ddt.data()中传的是一个方法，方法前需要加型号(*)修饰； 4、使用xml进行数据驱动测试： 在pycharm中创建一个项目，创建TestData.xml文件用于存放测试数据，具体内容如下
92110编辑于 2022-08-02 - 来自专栏从零开始学自动化测试
python+requests+excel接口自动化数据驱动
HTMLTestRunner_api 2.目前实现的功能： - 封装requests请求方法 - 在excel填写接口请求参数 - 运行完后，重新生成一个excel报告，结果写入excel - 用unittest+ddt数据驱动模式执行 result.xlsx") wirte_result(res, filename="result.xlsx") 七、测试用例unittest+ddt 1.测试用例用unittest框架组建，并用ddt数据驱动模式
7.1K51发布于 2018-04-08 - 来自专栏用户6296428的专栏
基于事件驱动的自动化运维平台
作者：李森 部门：技术中台/PaaS平台 一、前言 随着公司规模的增长，业务越来越复杂，运维的场景越来越多，对运维自动化的要求也越来越高。 我们希望在已有的 OPS 运维平台的基础上再向前迈进一步，构建基于事件驱动的自动化运维平台。 发展图： ? 本文将介绍基于事件驱动的自动化运维平台（Whale）的系统设计、实践以及未来的展望。 2.2 规则匹配 规则匹配模块是事件驱动的大脑，是事件到任务的决策单元。整体分为3个模块：规则特征匹配、任务参数组装、任务触发限流。 ? 三、实践 利用事件驱动的自动化运维平台，与监控同学合作实现两个小场景的告警自动处理： 虚拟机磁盘容量告警企业微信自动处理 Dmesg 出现之后企业微信直接查看，并且直接可以清理 处理流程： ?
1.4K30发布于 2021-07-20 - 来自专栏软件测试
自动化测试框架选型指南：数据驱动、关键字驱动还是混合模式？
做自动化测试的同学，大概率都踩过 “框架选错” 的坑：明明花了几周搭好框架，落地时却发现用例维护比手动测试还麻烦；或者写好的脚本，换个测试场景就得大改，完全没起到 “自动化” 的作用。 今天我们就拆解自动化测试中最主流的三种框架模式 —— 数据驱动、关键字驱动、混合模式，帮你搞懂 “什么时候该用什么”，避免再走弯路。先明确：为什么框架选型这么重要？ 别慌，按这 3 个步骤走，就能快速定位答案：步骤 1：评估团队技术能力团队类型推荐模式理由新手团队（刚接触自动化，编码能力弱）关键字驱动不用写代码，快速上手，降低门槛资深团队（有 Python/Java 基础，懂自动化脚本）数据驱动灵活度高，维护成本低，适合复杂数据场景混合团队（有技术 + 非技术人员）混合模式分工明确，技术维护库，非技术写用例步骤 2：分析项目核心需求项目特点推荐模式理由简单重复（多组数据 总结：没有 “最优”，只有 “适合”自动化测试框架选型，从来不是 “选最先进的”，而是 “选最匹配团队和项目的”：数据驱动：用 “数据分离” 解决重复测试，适合技术型团队；关键字驱动：用 “积木式步骤”
35410编辑于 2025-10-14 - 来自专栏7DGroup
自动化工具之Appium框架之数据驱动
背景 自动化是为业务测试服务，如果数据与业务放在一起看起来不是很规整与整洁，是否可以把数据与业务分离，是完全可以的，这也是市场常见的数据驱动框架，今天咱们就聊一聊怎么搭建自己数据驱动框架 ； 前置条件 appium环境搭建成功，不会参考自动化工具之Appium工具简单介绍，实在不会在参考网上怎么搭建。 思考 UI自动化框架元素放文本存储、数据存储、代码直接存储等其实随便那个都行，只有自己用者方便就行，我工作中用文本文件存储，这样修改方便，脚本放svn/git管理就行，ui自动元素操作基本常见的就是
86510发布于 2019-11-27 物理AI驱动智能自动化新浪潮
物理AI：智能自动化的新前沿人工智能与物理系统的融合标志着技术演进的关键时刻。物理AI使算法超越数字边界，能够感知、理解并操纵现实世界，这将从根本上改变各行业企业的运营方式。 物理AI能力谱系：从自动化到真正智能在评估物理AI计划时，理解不同解决方案在能力谱系中的位置对战略规划至关重要：第一级：基础物理自动化这一基础阶段涉及在严格受控环境中执行预定义任务的系统，如装配线上的工业机器人 第二级：自适应物理自动化在此阶段，系统在任务排序方面获得灵活性。虽然单个动作仍是预编程的，但它们能根据实时环境线索调整顺序。当人类靠近时改变行为的协作机器人就是典型例子。 赋能技术：物理AI的构建模块从基础自动化到完全自主的演进需要复杂的技术基础，几个关键创新正在推动这一演变：先进控制理论促进精确可靠的驱动多模态传感器驱动的高保真感知模型使机器能够解读复杂环境边缘AI加速器支持在行动点进行实时推理 例如，某中心的供应链通过智能自动化将效率提高了25%，而某机构将制造部署时间缩短了40%。在医疗保健领域，AI辅助手术使并发症减少30%，手术时间缩短25%。
21110编辑于 2025-10-25- 来自专栏梦无矶测开实录
IOS自动化—将WDA打包ipa批量安装驱动
只要没人催更，我可以一直偷偷写成私人笔记存本地而不发表 ~ 前言 微信： ios自动化 - Xcode、WebDriverAgent环境部署 CSDN： ios自动化-Xcode、WebDriverAgent 必要条件 Mac电脑，OS版本在12.4及以上（低于这个版本无法安装Xcode14，装不了Xcode14就打包不了IOS16的驱动） IOS设备手机，IOS版本在11.0及以上 Xcode14.0及以上 公司的IOS开发者账号（如果是个人账号，只能用七天就要重新打包，这就失去了打包的意义了） 为何做这个 在之前写的IOS自动化教程中，我都是采用的Mac电脑连接ios设备，使用Xcode一个个进行打包，
3K30编辑于 2023-08-03 - 来自专栏歪小王的测试成长之道
测试之路 pytest接口自动化框架-yaml数据驱动
yaml数据驱动与yaml部分模块的封装。废话不多，昊料开始。 01 开篇 数据驱动在自动化中起到了一个很重要的作用。它实现了一条case，多次执行。很多的接口测试工具，也都把数据驱动利用的淋漓尽致。 即可实现数据驱动。 上期内容我们说到，在做接口自动化的过程中，由于yaml格式的数据与现在流行的restful数据结构一样。所以yaml作为接口自动化中的数据源文件是最合适的。 在yaml中，也可以实现数据驱动。 02 初识数据驱动 在没开始说数据驱动之前。 我们就可以使用数据驱动进行用例的维护了。实现接口用例覆盖的同时，也提高了代码复用率。 03 yaml数据驱动 上面说到数据驱动的优势，接下来我们说说yaml数据驱动。 在yaml中。 我们可以将数据使用列表嵌套字典+关键字的方式来实现数据驱动。定义yaml文件时。在最外层使用“-”（上期介绍过，“-”在yaml文件里面表示数组的意思。）包裹字典数据。
1.4K40编辑于 2022-12-12 - 来自专栏AllTests软件测试
Midscene.js - AI驱动，轻松实现UI自动化
1、前言 截至目前，自然语言驱动的UI自动化测试技术已实现效率、协作与适应性三重突破： 技术层面：多模态AI模型（视觉+语义）与边缘计算结合，精准解析动态交互（如AR/VR手势、全球化多语言布局 行业价值：在金融合规、医疗审计等领域自动化验证高危流程，误报率降低60%，测试用例生成效率提升12倍。 本篇将介绍一款，也是只需用自然语言描述就可实现完成自动化测试操作的工具 - Midscene.js。 Puppeteer/Playwright集成：支持集成Puppeteer和Playwright，让你能够将人工智能功能与这些强大的自动化工具相结合，轻松实现自动化操作。 UI-TARS：开源的端到端GUI代理模型，擅长执行目标驱动的任务，有错误纠正能力。 你也可以使用其他模型。
4.9K21编辑于 2025-02-25 自主AI系统驱动工业自动化技术解析
自主AI系统实现工业自动化决策在某水泥集团运营的水泥厂中，基于某机构基础设施构建的自主AI系统现能以超过90%的准确率预测熟料强度，并自主调整煅烧参数以降低煤炭消耗1%——这些决策以往需要积累数十年的人类专业知识 基础设施挑战驱动新计算架构自主AI系统的计算需求暴露了传统云架构的局限性，特别是在基础模型训练和推理需求激增的情况下。
14910编辑于 2025-11-01- 来自专栏AI
MavenAGI推出由OpenAI驱动的自动化客户支持代理
MavenAGI是一家面向AI时代的新软件公司。他们最近推出了一款基于GPT-4灵活性的AI客户服务代理，许多公司如Tripadvisor、Clickup和Rho已经在使用它来节省时间并更好地服务客户。
26910编辑于 2024-05-30 - 来自专栏CSDN博客专家-小蓝枣的博客
Python+selenium 自动化-chrome驱动的下载安装
chrome驱动下载 chrome驱动获取： chromedriver.storage.googleapis.com 如何查看对应浏览器版本的驱动： 不同的版本的驱动支持不同版本的浏览器，所以版本一定要对应好 chrome驱动安装 直接解压到Python的根目录下即可。 ?
1.7K10发布于 2020-09-25 - 来自专栏从零开始学自动化测试
Selenium2+python自动化59-数据驱动（ddt）
如果用例重复去写操作过程会增加代码量，对应这种多组数据的测试用例，可以用数据驱动设计模式，一组数据对应一个测试用例，用例自动加载生成。 二、数据驱动原理 1.测试数据为多个字典的list类型 2.测试类前加修饰@ddt.ddt 3.case前加修饰@ddt.data() 4.运行后用例会自动加载成三个单独的用例 ? 三、selenium案例 1.从上一篇封装的excel方法里面读取数据，作为测试测试Selenium2+python自动化58-读取Excel数据（xlrd） 2.在之前写的登录那篇基础上做点修改，测试参数读取 excel里的数据Selenium2+python自动化48-登录方法（参数化） 3.代码参考如下 # 测试数据 testData = data.dict_data() print testData
87060发布于 2018-04-08 - 来自专栏雷子说测试开发
python自动化测试用例之----引入ddt数据驱动
前面几篇文章， postman接口用例转化为python自动化测试用例 postman接口用例转化为python自动化测试用例(二) postman接口用例转化为 python自动化测试用例(三) 接着之前的，有人只希望改用例，不喜欢写代码，那么本篇文章呢，我们引入ddt来管理。
1.2K20发布于 2021-03-15 - 来自专栏AllTests软件测试
nodriver - Python自动化测试驱动的网络交互革新利器
1、前言 在Python的网络自动化测试领域，Selenium曾是当之无愧的明星工具，以模拟浏览器操作闻名，广泛应用于UI自动化测试场景。 它通过驱动浏览器模拟真实用户操作，能精准测试网页功能的交互逻辑，在验证网页元素可见性、点击事件响应等方面表现出色。 但随着技术演进，面对大规模自动化测试任务时，Selenium启动浏览器带来的资源消耗和执行效率问题逐渐凸显。 此时，nodriver工具包凭借独特优势崭露头角。 这款无需浏览器驱动即可实现高效网络交互的工具包，为自动化测试带来了全新思路。 2、简介 nodriver通过相对简洁的界面，提供了更高级别的网页抓取和浏览器自动化功能。它是Python包Undetected-Chromedriver的官方继任者。
50210编辑于 2025-10-13 AI驱动的安全自动化响应架构设计
引言：当AI遇上网络安全 传统安全响应的痛点 AI自动化的必要性 2. 架构设计核心理念 设计原则 关键能力要求 3. 系统架构全景图 整体架构概览 核心组件介绍 4. 智能决策与响应层 决策引擎设计 自动化响应机制 6. 工作流程详解 端到端处理流程 异常处理机制 7. 实施建议与最佳实践 部署策略 运维要点 8. 总结与展望 1. 误报率高达90%以上 人工筛选效率低下 痛点二：响应延迟 ⏰ 平均响应时间长达数小时 关键威胁识别滞后 业务影响扩大 痛点三：人员瓶颈 安全专家稀缺且昂贵 24x7人工值守困难 经验传承不足 AI驱动的安全自动化响应架构就是为了解决这些问题而生的 总结与展望 价值收益 通过AI驱动的安全自动化响应架构，我们可以实现： 效率提升 响应时间从小时级降低到分钟级 告警处理能力提升100倍 人力成本降低60% 效果改善 威胁检测准确率提升至95%+ 关键词： AI驱动的安全自动化响应架构设计 本文首发于微信公众号和CSDN博客，欢迎分享转发！
33410编辑于 2025-11-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号