目录
自动化测试进阶
自动化测试的层次
脚本
1-1 不要在实际项目中使用录制和回放
1-2 不要使用暂停
1-3 在循环中超时退出
1-4 不要将自动化测试完全等同于开发
1-5 不要写复杂的代码
1-6 验证逻辑条件的所有选项
1-7 使用编程规范
1-8 使用静态代码分析器
1-9 随机
1-10 不要使用坐标
1-11 学习和使用库
1-12 避免复制和粘贴
1-13 异常捕捉到具体的类
1-14 代码与数据分离
1-15 调试
1-16 不要为未来编写代码
1-17 让代码更好
1-18 测试选择适当的语言
1-19 使用变量前要初始化
测试最佳实践
2-1 不要实现被测应用的功能
2-2 测试的独立性
2-3 哪些不应该自动化
2-4 向开发人员寻求帮助
2-5 云测试
2-6 充分利用边界值和等价类
2-7 错误与警告
2-8 使用合适的技术
2-9 特殊错误的验证
2-10 在写真实测试之前做POC
环境
3-1 为您的需要选择一套适当的工具
3-2 慎用自动提交bug
3-3 不要使用欺骗的结果
3-4 熟练使用工具
3-5 使用版本控制系统
3-6 避免自定义表单
3-7 自动化所有能自动化的东东
运行，日志记录，验证
4-1 尽可能经常运行脚本
4-2 测试失败时重新执行
4-3 丰富的日志内容
4-4 截图
4-5 尽量避免比较图像
审查
5-1 让非自动化者也可以看懂代码
5-2 避免不必要的优化
5-3 定期审查别人的代码
5-4 参与论坛和讨论
5-5 执行重构
5-6 删除低收益的测试
自动化测试进阶
IT主要技术体现大多先用英文描述，要想提升到比较高的水平，必须要有流利的英文阅读能力。
搜索引擎方面要珍惜生命，远离竞价排名，做个有良知不受骗的人，从不用死不悔改的*度开始，优选google，其他的还有 必应 雅虎 oscobo, 很多QQ群还有免费fanqiang工具。google的搜索通常能直中目标，stackoverlow的回答通常是首选方案。
选择有水平的业内人士帮助是掌握linux、python和测试基础之后一个迅速提升的方法。
自动化测试的层次
从图看出自动化尽量以单元、接口为主，如果你有志在自动化测试深入，还在死磕QTP，selenium等的话，建议看下pytest、pexpect、API测试、单元测试等。
脚本
1-1 不要在实际项目中使用录制和回放
大多数自动化工具(特别是商业工具)具有记录和播放功能，这个功能的表面简单，实际有陷阱。录制和回放在广告视频和演示文稿中看起来非常棒。但录制的脚本不使用变量，循环和条件。自动创建的程序和函数的名称通常不直观，通常所有操作都录在一个函数中(可能很大),执行不稳定，维护成本也高。
- 录制和回放适用点
- 在学习自动化工具
- 不重用的工作
- 很难识别和处理的控件
1-2 不要使用暂停
暂停，比如python中的：
import time
time.sleep(5)
定义全局变量可以避免大量代码修改，如下
WAIT_TIME = 5
...
time.sleep(WAIT_TIME)
上述等待不利于快速执行，较快出现的控件同样需要常见等待。等待对象或对象属性是更好的选择，比如selenium中的显式等待：
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Firefox()
driver.get("http://somedomain/url_that_delays_loading")
try:
element = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.ID, "myDynamicElement"))
)
finally:
driver.quit()
又如selenium中的隐式等待：
from selenium import webdriver
driver = webdriver.Firefox()
driver.implicitly_wait(10) # seconds
driver.get("http://somedomain/url_that_delays_loading")
myDynamicElement = driver.find_element_by_id("myDynamicElement")
以WebDriverWait一定的时间间隔检查对象的存在(例如每秒一次)，如果象出现，则返回true。如果对象在timeout参数指定的时间内没有出现，则返回false。因此，如果控件一秒钟内出现，那么等待时间将会是 1秒。
当然短时间的等待，有时也是必要的，比如降低CPU使用率，短时间等待状态改变等。
1-3 在循环中超时退出
以常量的形式定义超时。例如定义两种类型的短超时(3秒)和长超时(3分钟)。
1-4 不要将自动化测试完全等同于开发
虽然自动化需要编程技巧，但它通常不是完整的开发项目。自动化常由初级程序员开发，因为工作简单得多，并一般为内部需求。在99％的情况下不需要大多数设计模式。在使用数据库时不会使用事务。测试数据量一般不会很大。
代码要力求简单，快速开发。即使使用了行为驱动开发(BDD:behavior-driven development)或关键字驱动的测试(KDT:keyword-driven testing)等方法也要尽量保证代码简单。
1-5 不要写复杂的代码
在使用条件和条件时，尽量遵循“不超过三个嵌套级别”的规则。
代码嵌套超过三层非常难以调试。宁肯代码多重复也不要嵌套超过三层。
1-6 验证逻辑条件的所有选项
if A and B or C：
# if (A and B) or (C and D)
定要检查这些代码的每个条件(在这个例子中的A，B，C)和所有可能的True和False。添加括号能增加可读性。
1-7 使用编程规范
初学者通常不太关注变量和函数的名称使用任何规则。尽管如此，几乎所有的语言都有所谓的编码标准。比如python的PEP8, google的编程规范。
在大项目中这些标准成为强制性规则，方便互相理解代码。
1-8 使用静态代码分析器
对于流行的编程语言，有特殊的代码分析器。例如Python的pylint，JavaScript语言的jslint等。
特别指出对python这样的动态类型的语言更加重要。
pylint通常有很多误报，但是mypy的检查则比较实用。参考：python代码分析和lint。
1-9 随机
比如打开菜单有快捷键、下拉菜单、图标等多种方式，尽量写方法随机调用各种方式。以求覆盖各种场景，不过要记得添加日志以便跟踪错误。
1-10 不要使用坐标
非标准控件尽量不要使用坐标，可以用图像识别的方法：
Window.Toolbar.Click(135, 15)
替换为：
toolbar_click_button_by_image(Window.Toolbar, "Button Caption")
1-11 学习和使用库
比如：
full_name = '{0}\\{1}'.format(file_path, file_name)
在linux上就比较尴尬，可以替换为：
full_name = os.path.join(file_path, file_name)
附： python自动化测试开发库
1-12 避免复制和粘贴
复制的代码维护成本很高，尽量提取为公共库。
公共测试库示例
1-13 异常捕捉到具体的类
异常通常是程序考虑不周到才会发生：
try:
x = input('Enter the first number: ')
y = input('Enter the second number: ')
print x/y
except Exception as e:
pass
上述捕捉所有异常并忽略异常的代码通常只在临时代码中使用。通常也要把异常异常信息显示出来。比如
import sys
try:
x = input('Enter the first number: ')
y = input('Enter the second number: ')
print x/y
except Exception as e:
print e
for item in sys.exc_info():
print item
又如：
import traceback
import cv2
import numpy as np
def raw2jpg(filename, height=480, width=640):
try:
img = np.fromfile(filename, dtype=np.uint16)
img = img.reshape( (height, width) )
img.astype(np.float)
img = np.sqrt(img)
img = img * (255 / img.max())
#img.astype(np.uint8)
cv2.imwrite(filename+'.jpg', img)
except Exception as info:
print('Error: {}'.format(filename))
print(info)
traceback.print_exc()
return False
return True
更佳的方式是捕捉到具体异常：
try:
x = input('Enter the first number: ')
y = input('Enter the second number: ')
print x/y
except ZeroDivisionError as e1:
print("ZeroDivisionError")
except TypeError as e2:
print("TypeError")
另外一种异常处理方式：
far = 0 if not no_number else far_number/float(no_number)
1-14 代码与数据分离
对于小数据集可以使用数组或列表。大数据可以使用数据驱动测试(DDT：data-driven testing)。数据源可能为数据库，Excel或CSV文件等。
注意点：
- 以读模式打开数据文件。
- 每列只存储一种类型的数据。在数据库的情况下，
- 用完关闭与数据源
- 数据文件中不要用空行
1-15 调试
简单的可以多使用print或者logging打印一些信息。更高级的内容有
•断点 •单步执行 •查看本地和全局变量的值 •观察变量和表达式
1-16 不要为未来编写代码
项目的变化是很频繁，可以做一些自动化测试的技术预研，但一般不要书写有些只供未来使用的代码。
1-17 让代码更好
在不影响性能的情况下提高可读性。
1-18 测试选择适当的语言
语言上手的难易程序和流行度及库支持。一般而言python因为其容易上手、是胶水语言(与其他语言调用方便)、语法简洁、维护成本低、方便调试，是目前自动化测试占有率最高的首选语言。但是c#在windows平台、java、c++等也有一定的市场。虽然python的占有率最高，但是一定要考虑到有些自动化测试开发可能已经有c++，go，java之类的现成的工具。
尽量不要使用新的编程语言。 咨询开发，可以和开发采用同一种语言，尤其是单元测试，一般为采用和开发一样的语言。
值得注意的是TCL(Tool Command Language)早起因为expect的命令自动化拥有一定的名声，且testcenter、smartbits等仪表一度不支持python等主流语言。但是TCL的语法晦涩，功能弱小，是能不用就不要去用的语言。
参考资料： 编程流行度 tiobe
1-19 使用变量前要初始化
这个在python中可以用mypy检查。
测试最佳实践
2-1 不要实现被测应用的功能
因为：
•计算和逻辑可能很复杂，且开发已经实现了 •计算和逻辑可能会更改 •使用浮点数的精度可能和语言有关。
白盒和灰盒测试中一般是知道输入和预期结果就好，不要知道具体内部实现过程。
例外：大数据、搜索引擎中间算法等不明确预期结果的测试，经常用python快速实现一遍，与开发用c++等语言实现得结果进行比对。
2-2 测试的独立性
2-3 哪些不应该自动化
主要是基于成本考虑
•难以维护的自动化。 •尽量多做单元测试和接口测试的自动化，少做UI层的自动化 •重复使用次数不多的自动化
有些手工不能做的必要测试，即便自动化的成本很高，也是需要自动化。
2-4 向开发人员寻求帮助
开发在具体的开发方面可以值得学习，但是在自动化测试很方案方面自己定夺比较好。比如结果验证，开发大多喜欢直接从数据库中读数据，但是实际上展示数据库数据的应用也是可能出问题的。
2-5 云测试
云测试
•要测试桌面应用程序，必须打开会话，操作系统是否支持 •硬件相关的测试云测试支持并不方便。 •移动设备的云服务通常比较贵 •Web应用程序的自动化比较适合在云中执行。 •手机兼容性的测试可以考虑云，功能自动化测试则不用云比较好。
2-6 充分利用边界值和等价类
2-7 错误与警告
注意区分自动化测试平台或工具的错误和被测应用的bug。
2-8 使用合适的技术
在测试自动化中使用了许多特定的方法：ODT，DDT，KDT，BDD，页面对象，基于模型的测试等等。比如那么对KDT一般需要一部分写测试平台，一部分写测试库，一部分写测试用例。
2-9 特殊错误的验证
可以书写一个临时的测试来处理某些特定的bug。
2-10 在写真实测试之前做POC
环境
软件测试自动化中有两种主要的环境类型。一个创建和调试测试，另一个用于运行测试。
3-1 为您的需要选择一套适当的工具
以接口自动化测试为例，一些团队，执着的认为java是最好的语言，要用java去发HTTP请求，更有甚者，用jmeter去做接口自动化测试。不排除个别场景，这可能是合适的方式，但是通常的HTTP接口测试，用requests，代码行数通常比java少一个数量级，还不用编译。
python是主流语言中的胶水语言，和其他语言配合都比较完美，通常情况下是自动化测试的首选语言，但是python未必适用所有地方，还需要其他工具和语言进行补充，不过不要太多，学习很多语言也是一件痛苦的事情。
现在还有很多培训机构在鼓吹UI自动化就是自动化测试的全部，一说自动化就是QTP，一问Selenium，Testcomplete之类的都不知为何物，更不用说什么junit，pytest之类的了。
3-2 慎用自动提交bug
配置错误，测试代码错误经常导致测试失败。
测试代码有时难以描述清楚测试步骤
注意不要提交重复的bug。
在没有十足的把握的情况下可以用半自动的方式，发送邮件给测试人员，然后又测试人员提交bug。
3-3 不要使用欺骗的结果
避免注释测试代码的问题部分或改变预期的结果，以便测试不会出现失败。
如果实在用禁用，要知道禁用用例的比例，后面定期检查修改。
3-4 熟练使用工具
比如wingide中Ctrl + \为注释代码的快捷键
3-5 使用版本控制系统
避免文件丢失，方便协作，尽快使用hg、git之类的。
3-6 避免自定义表单
本来自动化就是为了把页面的东西尽可能走后台，你为了取悦领导(附：大陆目前多数测试领导是不太合格的)还是什么原因，搞成形式主义了。当然数据报表是另外一回事。
参数可以用配置文件等方式。
3-7 自动化所有能自动化的东东
比如：测试，代码，测试环境，虚拟机，SQL查询，测试数据，报告等等
运行，日志记录，验证
4-1 尽可能经常运行脚本
4-2 测试失败时重新执行
当出现错误时应用程序运行很长一段时间，或特定情况下要尽量定位问题。
一般而言失败的测试先记录下来，所有测试执行完之后在重新执行一次。
4-3 丰富的日志内容
错误日志尽量包含：预期值，实际值，地点和操作。
参数尽量用引号等括起来，以免把包含空格的参数当成多个参数。
4-4 截图
UI测试必要的时候可以截图，同时处理好滚动。
4-5 尽量避免比较图像
审查
审查是保持码清晰易懂的好方法，要做代码的互相评审。
5-1 让非自动化者也可以看懂代码
def test_login(url, user, password, text):
open_page(url)
login_as(login=user, password=password)
verify_page_opened(text)
5-2 避免不必要的优化
在开始执行任何优化之前如需要慎重考虑。
通常不需要的优化工作看起来像这样：
1.应用程序启动3秒钟，然后进行5秒钟的测试脚本填充搜索字段，还有5秒钟搜索过程，之后脚本用1秒钟读取找到的数据并进行验证。 2.测试人员开始优化读取和验证 3.测试人员花费一天时间进行优化并达到目标：阅读和阅读每次运行时间为半秒
事实上，测试工程师的代码生产力已经翻了一番，但是结果是他整体方案取得了约5％的收益。花一天时间是不值得的。一般需要综合考虑，涉及脚本、被测应用、环境、执行频率等。
建议你在两种情况下优化测试：
•如果测试运行时间过长，并且测试的应用程序是在测试执行期间空闲。 •如果您在代码中看到明显的问题，请更正其中的问题。
pandas大数据分析性能优化实例-read_csv引擎和分组等,这里是一个必要的优化实例。
5-3 定期审查别人的代码
定期审查别人的新代码。可以结对编程，甚至是同时一个人写，一个人看。
5-4 参与论坛和讨论
如果您是自动化领域的初学者，并且在自动化团队中工作，那么会从你的同事那里学到很多东西。如果你是唯一的自动化工程师在公司或你的部门没有人能帮助你？
stackoverflow等社区常常可以找到自己问题满意的答案。同时试图帮助别人也可以扩展自己的眼见。
5-5 执行重构
重构是对现有代码的简化，功能和应用程序不会改变。尽管测试自动化中的代码通常很多实际应用更简单，有时候你仍然需要重构。
•您可能会发现您所支持的代码太复杂。 •可能有编写新测试的请求，需要修改代码 •可能需要重构来改进已编写的代码
重构后可以执行所有测试来验证，也可以在公共库等地方添加必要的单元测试。
5-6 删除低收益的测试
•测试执行了多少次; •测试发现了多少实际问题; •测试需要多久进行一次维护。
作为一位过来人也是希望大家少走一些弯路，在这里我给大家分享一些自动化测试前进之路的必须品，希望能对你带来帮助。（WEB自动化测试、app自动化测试、接口自动化测试、持续集成、自动化测试开发、大厂面试真题、简历模板等等），相信能使你更好的进步！
留【自动化测试】即可【自动化测试交流】：574737577（备注ccc）
http://qm.qq.com/cgi-bin/qm/qr?_wv=1027&k=ZzkQcmAe85ckaBPtQUptkVckU2U5XpZL&authKey=xMGxie22qtDJbjrdboxCpO7ZJxkuPAviYs6GiRb2B5T9YhJjlUGuFZSfoxQfWlyy&noverify=0&group_code=574737577
