在测试工作中，需求文档中的图片（如界面设计图、流程图）往往是测试用例生成的重要参考。然而，手动提取图片并识别内容不仅耗时，还容易出错。本文将通过一个自研小工具，结合 PaddleOCR 和大模型，自动从需求文档的指定标题下提取图片，识别图片中的文字，并生成功能测试用例。这一流程能帮助测试工程师大幅提高效率，同时确保用例生成的精准性。支持同时指定文本标题及图片标题。感兴趣的同学点击下面小卡片获取源码相对于前面的版本:
- 优化了一些报错导致闪退的情形
- 增加了图片标题输入框
- 布局调整
- 增加了行业下拉选择框
一、整体解决方案
我们将完成以下功能：
- 从 Word 文档中提取图片：通过
python-docx提取指定标题下的图片。 - 图片文字识别：使用
PaddleOCR对图片中的文字内容进行识别。 - 用例生成：将识别到的文字内容传递给大模型（如 OpenAI GPT），自动生成功能测试用例。
整个工具的实现框架如下：
+-------------------------------------------+
| 需求文档加载 |
| 读取 Word 文档 (docx) |
+-------------------------------------------+
↓
+-------------------------------------------+
| 图片提取 |
| 识别指定标题下的图片 |
+-------------------------------------------+
↓
+-------------------------------------------+
| 图片文字识别 |
| 使用 PaddleOCR 识别图片中的文字 |
+-------------------------------------------+
↓
+-------------------------------------------+
| 用例生成 |
| 将识别文字传递给大模型生成测试用例 |
+-------------------------------------------+
↓
+-------------------------------------------+
| 输出测试用例 |
| 将生成的测试用例保存为文档 |
+-------------------------------------------+
二、工具实现步骤
1. 环境准备
安装以下必要的 Python 库：
pip install python-docx paddleocr paddlepaddle openai
python-docx：用于读取 Word 文档。paddleocr和paddlepaddle：用于图片文字识别。openai：与大模型交互生成测试用例。
2. 提取 Word 文档中指定标题下的图片
在需求文档中，图片通常位于某些特定的标题下（如“登录界面设计”）。我们使用 python-docx 遍历文档内容并提取这些图片。
代码示例：
# 提取指定标题下的图片
def extract_text_by_title(self, docx_path, title_keywords, table_keywords, pic_keywords):
"""
提取多个标题下的正文内容
:param pic_keywords: 图片路径
:param table_keywords: 表格路径
:param docx_path: docx 文件路径
:param title_keywords: 标题关键词列表
:return: 提取的正文内容（按标题分组）
"""
doc = Document(docx_path)
result = {}
doc = self.remove_toc(doc) # 先清理一波目录
for title_keyword in title_keywords.split(','):
content = []
capture = False
for paragraph in doc.paragraphs:
text = paragraph.text.strip()
if text:
# 判断是否是标题
if title_keyword in text and 'toc' not in paragraph.style.name.lower():
capture = True
content.append(text)
continue
# 停止捕获正文内容
if capture and re.match(r"^\d+(\.\d+)*\s+.+", text): # 新标题
break
elif "标题" in paragraph.style.name and capture: # 遇到下一个标题则停止获取
break
# 捕获正文内容
if capture and text:
content.append(text)
result[title_keyword] = "\n".join(content)
for pic_keyword in pic_keywords.split(','):
image_paths = self.get_target_pic(docx_path, pic_keyword)
print(image_paths)
if not image_paths:
print("未找到目标标题下的图片")
else:
print(f"提取到 {len(image_paths)} 张图片：{image_paths}")
# OCR 识别
print("\n正在进行 OCR 识别...")
ocr_results = self.perform_ocr_with_paddle(image_paths)
# 输出结果
ocr_results_text = ''
for image_path, text in ocr_results:
# print(f"\n图片路径：{image_path}")
# print(f"识别内容：\n{text}")
ocr_results_text += text + '--'
result['识别内容'] = ocr_results_text
return result
示例：提取“业务流程”标题下的图片
3. 使用 PaddleOCR 进行图片文字识别
使用 PaddleOCR 对提取的图片进行文字识别，并输出识别结果。
代码示例：
def perform_ocr_with_paddle(self, images):
"""
使用 PaddleOCR 对图片进行文字识别。
"""
results = []
# 初始化 PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch") # 支持方向分类和中英文混合识别
for image_path in images:
try:
img = cv2.imread(image_path)
ocr_result = ocr.ocr(img, cls=True)
text_lines = [line[1][0] for line in ocr_result[0]]
results.append((image_path, "\n".join(text_lines)))
except Exception as e:
results.append((image_path, f"OCR 识别失败: {e}"))
return results
识别结果如图：
4. 交互大模型生成测试用例
将识别到的文字内容传递给大模型（如 OpenAI GPT），并生成功能测试用例。
代码示例：
def generate_cases(self, content_param, prompt_param, job_area):
# 初始化OpenAI客户端
client = OpenAI(
# 如果没有配置环境变量，请用百炼API Key替换：api_key="sk-xxx"
api_key='sk-xxx', # todo 此处需更换
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
reasoning_content = "" # 定义完整思考过程
answer_content = "" # 定义完整回复
is_answering = False # 判断是否结束思考过程并开始回复
# 创建聊天完成请求
completion = client.chat.completions.create(
model="deepseek-r1", # 此处以 deepseek-r1 为例，可按需更换模型名称
messages=[
{'role': 'user', 'content': f'所在行业: {job_area if job_area else None}；文档内容： {content_param}， 提示词：{prompt_param}'}
],
stream=True,
# 解除以下注释会在最后一个chunk返回Token使用量
# stream_options={
# "include_usage": True
# }
)
print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")
for chunk in completion:
# 如果chunk.choices为空，则打印usage
if not chunk.choices:
print("\nUsage:")
print(chunk.usage)
else:
delta = chunk.choices[0].delta
# 打印思考过程
if hasattr(delta, 'reasoning_content') and delta.reasoning_content != None:
print(delta.reasoning_content, end='', flush=True)
reasoning_content += delta.reasoning_content
else:
# 开始回复
if delta.content != "" and not is_answering:
print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
is_answering = True
# 打印回复过程
print(delta.content, end='', flush=True)
answer_content += delta.content
return answer_content
5. 输出测试用例到文档
将生成的JSON格式的测试用例保存为 Excel文档，便于后续查看和管理。
代码示例：
def json_to_excel(self, json_data, output_file):
"""
将任意 JSON 数据中的键作为表头，值作为值，转换为 Excel 表格
:param json_data: JSON 数据（字符串或字典）
:param output_file: 输出的 Excel 文件路径
"""
# 如果输入是 JSON 字符串，将其解析为字典
data_list = None
if isinstance(json_data, str):
json_data = json.loads(json_data)
# 找到 JSON 数据中的列表部分（假设是字典中的第一个值）
if isinstance(json_data, dict):
for key, value in json_data.items():
if isinstance(value, list): # 找到第一个值为列表的键
data_list = value
break
elif isinstance(json_data, list):
data_list = json_data
else:
raise ValueError("JSON 数据中未找到列表部分！")
if data_list:
# 将列表部分转换为 DataFrame
df = pd.DataFrame(data_list)
# 将 DataFrame 导出为 Excel 文件
df.to_excel(output_file, index=False)
print(f"Excel 文件已成功生成：{output_file}")
else:
print("Excel 文件生成失败")
三、完整运行流程
- 准备环境：安装所需库，并将需求文档（docx 文件）和 PaddleOCR 模型准备好。
- 提取图片：运行代码提取目标标题下的所有图片。
- 文字识别：使用 PaddleOCR 对图片进行文字识别，提取关键信息。
- 生成测试用例：调用大模型，基于提取的文字内容生成功能测试用例。
- 保存结果：将生成的测试用例保存到 Word 文档中，便于后续使用。
四、工具的实际应用场景
- 自动化用例生成：通过识别需求文档中的图片内容，快速生成对应的测试用例。
- 需求验证：结合图片中的文字内容和生成的测试用例，验证需求文档的完整性和准确性。
- 团队协作：将生成的测试用例文档分发给团队成员，提高工作效率。
五、小结
通过本文的工具实现，测试工程师可以将需求文档中的图片内容自动化处理，结合 PaddleOCR 和大模型生成高质量的功能测试用例。整个流程完全落地可用，适用于日常的测试用例生成需求，帮助测试工程师从重复性工作中解放出来，更专注于高价值的测试分析工作。
快试试这个工具，将测试效率提升到新高度吧！
