@[TOC](Appium: Windows系统桌面应用自动化测试(四) 辅助工具)

文件批量上传

文件批量上传和文件单个上传原理是相同的，单个上传直接传入文件路径即可，批量上传需要进入批量上传的文件所在目录，然后观察选中多个文件时【文件路径输入框】读取的批量文件写入规则，如图7-12所示，可以看到规则是：“file_name” “file_name”。

我们只需要根据规则将批量文件组合成字符串输入到【文件路径输入框】中，然后点击【插入】即可完成批量上传。

例如打开Word程序，新建一个空白文档，然后依次点击图片>>此设备…，打开插入图片对话框，并在【文件路径输入框】中输入批量上传的文件，最后点击【插入】将多个图片插入到word文档中。代码实现如下：

# upload_files.py
import time
from appium 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
from selenium.webdriver.common.keys import Keys


def upload_files(driver, file_path, files: list):
    # 定位文件路径输入框
    file_input = WebDriverWait(driver, 60, 0.5).until(EC.visibility_of_element_located((By.XPATH, "//Edit[@Name='文件名(N):']")))
    # 输入框输入 Shift，由中文切换到英文
    file_input.send_keys(Keys.SHIFT)
    # 先输入批量文件所在的目录，进入该目录下
    file_input.send_keys(file_path + Keys.ENTER)

    # 生成多个文件上传时的字符串
    mult_file_str = ''
    for file in files:
        mult_file_str += " \"" + file + "\""
    # 文件上传
    file_input.send_keys(mult_file_str)
    file_insert_btn = WebDriverWait(driver, 60, 0.5).until(EC.visibility_of_element_located((By.NAME, "插入(S)")))
    file_insert_btn.click()

# 添加启动参数
desired_caps = {}
desired_caps['app'] = r"C:\Program Files\Microsoft Office\root\Office16\WINWORD.EXE"
# 客户端连接 Server，启动 Session 会话
driver = webdriver.Remote(command_executor='http://127.0.0.1:4723', desired_capabilities=desired_caps)
driver.set_window_size(1000, 600)
time.sleep(1)
# 新建空白文档
driver.find_element(by=By.NAME, value="空白文档").click()
time.sleep(1)
# 依次点击 插入 >> 图片 >> 此设备...，打开文件上传窗口
driver.find_element(by=By.NAME, value="插入").click()
driver.find_element(by=By.NAME, value="图片").click()
driver.find_element(by=By.NAME, value="此设备...").click()

# 文件上传
upload_files(driver, r"D:", ['ty.png', 'ty2.png'])

# 关闭程序和会话
driver.close()
driver.find_element(by=By.NAME, value="不保存").click()
driver.quit()

运行上面脚本，可以观察到先启动Word程序，然后点击【空白文档】新建了一个文档，再然后依次点击图片>>此设备…打开了上传文件窗口，上传文件窗口中先是在【文件路径输入框】中输入了"D:“进入到了D盘根目录，接着就在【文件路径输入框】中输入了"ty.png” “ty2.png”，并点击了【插入】按钮，此时可以看到Word文档中已经成功插入了两张图片，如图所示，关闭写字板程序，会话关闭。

获取通知栏信息

Windows系统屏幕右下角（任务栏最右侧）的区域被称为通知区域，通知区域最后一个图标为通知栏图标，点击可打开通知栏，通知栏中可以查看所有被允许的通知信息。Windows也提供了快捷键迅速开启通知栏，例如Win10系统上快捷键就是Win+a。

通知信息如Windows系统更新、截图、安全通知、备份。例如关闭防火墙后通知栏会出现如图所示的消息。
自动化脚本实现获取通知栏信息的操作步骤是设置appTopLevelWindow为Root，定位桌面任意元素并发送快捷键打开通知栏，然后定位通知信息元素，获取到通知元素后便可使用text接口得到文本内容。示例代码如下：

# get_notification_message.py
import time
from appium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys


desired_caps = {}
desired_caps['app'] = "Root"
driver = webdriver.Remote(command_executor='http://127.0.0.1:4723', desired_capabilities=desired_caps)
time.sleep(1)

# 通过快捷键打开 通知栏
driver.find_element(by=By.NAME, value="任务栏").send_keys(Keys.COMMAND + 'a' + Keys.COMMAND)
time.sleep(1)

# 定位【来自 Windows 安全中心 的通知】通知元素
notification_element = driver.find_element(by=By.NAME, value="来自 Windows 安全中心 的通知")
# 获取【来自 Windows 安全中心 的通知】下所有 Tag 为 Text 的元素文本，并且打印
text_elements = notification_element.find_elements(by=By.TAG_NAME, value="Text")
texts = [text_element.text for text_element in text_elements]
print(texts)

# 通过快捷键关闭 通知栏
driver.find_element(by=By.NAME, value="任务栏").send_keys(Keys.COMMAND + 'a' + Keys.COMMAND)
# 关闭会话
driver.quit()

运行上面脚本后控制台输出内容如下：

['Windows 安全中心', '防火墙和网络保护', '启用 Windows 防火墙', 'Windows 防火墙已关闭。点击或单击以启用。', '22:17']

运行上面脚本后，可以观察到通知栏先开启然后关闭。

Windows系统上，不止通知栏，许多操作都支持快捷键，例如打开文件资源管理器（Win+e）、打开反馈中心（Win+f）、打开剪贴板（Win+v），我们都可以通过此方法对其操作。

滚动条操作

滚动条是常见的一个控件，当内容超过显示区域时便会出现滚动条，通过滑动滚动条可查看所有的内容。

WinAppDriver本身也实现了scroll(xoffset, yoffset)方法操作滚动条，使用方法为

• TouchActions(driver).scroll(0, 100).perform()。

除此之外，我们还可以接着键盘键PageUp和PageDown达到滑动滚动条的目的，下面通过发送键盘键滑动滚动条，选择写字板上的字体。打开字体选择下拉列表后，在循环体中重复接下来的操作，首先查找预期的字体元素，如果出现则点击字体元素，如果不出现则定位任意下拉列表框中的元素发送PageUp或PageDown键，如此循环，直到预期字体元素出现。代码实现如下：

# scrollbar_operation.py
import time
from appium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


# 添加启动参数
desired_caps = {}
desired_caps['app'] = r"C:\Program Files\Windows NT\Accessories\wordpad.exe"
driver = webdriver.Remote(command_executor='http://127.0.0.1:4723', desired_capabilities=desired_caps)
driver.set_window_size(1000, 600)
time.sleep(1)

# 字体选择
combox_btn = WebDriverWait(driver, 30, 1).until(
    EC.visibility_of_element_located((By.XPATH, "//ComboBox[@Name='字体系列']/Button")))
combox_btn.click()

i = 0
while i < 100:
    try:
        el = WebDriverWait(driver, 1, 1).until(EC.visibility_of_element_located((By.XPATH, "//ListItem[@Name='幼圆']")))
        el.click()
        break
    except:
        i += 1
    temp_element = WebDriverWait(driver, 1, 1).until(EC.visibility_of_element_located((By.XPATH, "//List[@Name='字体系列']")))
    temp_element.send_keys(Keys.PAGE_DOWN)

time.sleep(1)
# 关闭程序和会话
driver.close()
driver.quit()

运行上面脚本，可以观察到打开字体选择下拉列表后，相隔一定的时间滚动条就下滑一定的距离，当查找的幼圆字体后，点击了幼圆字体，下来列表消失。

其他操作

运行在Windows系统上的应用程序，也有下拉框、单选、多选等控件，这些控件的操作与我们开发其它内容自动化脚本的思路是一致的。都是先熟悉手动操作步骤，然后封装成测试方法，使用时调用封装的方法即可。

例如写字板中选择字体下拉框。封装思路为：先定位打开下拉按钮并点击，使下拉列表显示出来，然后在下来列表中根据字体名查找字体元素，然后点击该字体元素。代码实现如下：

# combox_select.py
import time
from appium 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


def combox_select(combox: str, value):
    combox_btn = WebDriverWait(driver, 30, 1).until(EC.visibility_of_element_located((By.XPATH, f"//ComboBox[@Name='{combox}']/Button")))
    combox_btn.click()
    value_item = WebDriverWait(driver, 30, 1).until(EC.visibility_of_element_located((By.XPATH, f"//ListItem[@Name='{value}']")))
    value_item.click()

# 添加启动参数
desired_caps = {}
desired_caps['app'] = r"C:\Program Files\Windows NT\Accessories\wordpad.exe"
driver = webdriver.Remote(command_executor='http://127.0.0.1:4723', desired_capabilities=desired_caps)
time.sleep(1)

# 字体选择
combox_select('字体系列', '黑体')

time.sleep(1)
# 关闭程序和会话
driver.close()
driver.quit()

运行上面的脚本，会观察到启动写字板后首先打开了字体选择列表，然后点击黑体字体选择了字体，最后关闭写字板，结束会话。

注意：选择字体时要确保字体在下列列表的可视区域。

对于其他结构相同的下拉框，该方法也同样适用，例如字体大小选择20号字体，使用该方法时就可以写成combox_select(‘字体大小’, 20)。

辅助工具Pywin32

PythonWin32模块是一个非常受欢迎的模块，它提供了从Python访问许多Windows API的功能。自动化测试中使用它可以更方便地实现某些功能，例如窗口截图。PythonWin32模块作为一个成熟的模块。可以辅助自动化测试项目更好地开展，提高工作效率。

Pywin32简介

Pywin32模块是一个第三方模块库，提供了很多访问Windows系统的API，该项目是一个开源项目，在GitHub上可以看到项目源码 Pywin32。

Pywin32的安装和Python的其它第三方库安装方式一样，在命令行工具中输入pip install pywin32即可完成安装。完成后在Python安装路径下~\Lib\site-packages\win32可以看到所有API支撑模块，

下面对部分模块做以介绍：

• win32api：封装Windows Win32 API的模块。
• win32console：Windows控制台函数的接口，用于处理字符模式应用程序。
• win32event：提供win32事件/等待API接口的模块。
• win32file：win32文件API的接口，包括Vista引入的事务性NTFS操作。
• win32gui：提供本机win32 GUI API的接口。
• win32net：封装Windows Network API的模块。
• win32process：提供win32进程和线程API的接口。
• win32security：提供win32安全API的接口。
• win32service：提供Windows NT Service API的接口。
• win32ui：封装Microsoft Foundation类的模块。

其中win32api、win32gui和win32ui是较为重要的三个模块，还有一个消息常量模块win32con。通过这些API，我们可以获取Windows窗口的相关信息，并做简单的操作。

从pywin32所有API支撑模块可以看出，Pywin32库非常强大，提供了丰富的windows系统上的API接口。但是在WinApp自动化中，作为一个辅助工具，我们只用到他的边角料功能就能满足我们的需求。本节将会介绍自动化中使用Pywin32更好地帮助我们完成测试。

常用方法

win32 提供的API非常丰富，下面介绍一些常用的方法：

• win32gui.FindWindow(ClassName, Title)：获取当前窗口句柄，句柄是窗口的唯一标识。参数ClassName是窗口的类名，Title是窗口标题。
• win32gui. FindWindowEx(hld, Child, ClassName, Title)：获取父窗口下第一个窗口类为ClassName控件的窗口。参数hld是目标窗口的父窗口，Child是目标窗口的子窗口，ClassName是目标窗口的类名，Title是目标窗口的标题。
• win32api.GetCursorPos()：获取当前窗口坐标，返回值是tuple类型，例如(721, 550)。
• win32gui.GetWindowRect(handle)：获取窗口边框矩形的左上角和右下角坐标，返回值是tuple类型，例如(-25600, -25600, -25441, -25573)。
• win32gui.FindWindow(None, title)：根据窗口名查找 Title窗口，返回值是窗口句柄。
• win32gui.GetWindowText(handle)：获取窗口标题。
• win32gui.GetClassName(handle)：获取窗口类名。
• win32gui.BringWindowToTop(handle)：将窗口放在最前面。
• win32gui.SetForegroundWindow(handle)：将窗口激活并放在最前面。
• win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, 0, 0, 0, 0)：鼠标左键按下。
• win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, 0, 0, 0, 0)：鼠标左键释放。
• win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, 0, 0, 0, 0)：鼠标右键按下。
• win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, 0, 0, 0, 0)：鼠标右键释放。
• win32api.mouse_event(win32con.MOUSEEVENTF_WHEEL, 0, 0, -1)：滑动界面，-1表示向下移动一个单位。
• win32api.keybd_event(val, 0, 0, 0)：按下键盘某个键。
• win32api.keybd_event(val, 0, win32con.KEYEVENTF_KEYUP, 0)：松开键盘的某个键。

获取所有窗口句柄

获取所有窗口句柄我们需要用到win32gui.EnumWindows(callBack,none) 方法，该方法是获取windows所有窗口，无论窗口是否激活。当找到一个窗口就会执行callback一次，传入 当前窗口句柄。将其封装成方法，代码如下：

def get_all_windows():
    handle_list = []
    win32gui.EnumWindows(lambda handle, param: param.append(handle), handle_list)
    return handle_list

# 打印所有窗口 handle
print(get_all_windows())
# 打印窗口 title
print([win32gui.GetWindowText(handle) for handle in get_all_windows()])

键盘按键输入

我们可以通过win32api.keybd_event(bVk, bScan, dwFlags, dwExtraInfo)方法实现键盘事件，因此可以利用它实现键盘按键输入。

keybd_event(bVk, bScan, dwFlags, dwExtraInfo)方法有四个参数，bVk是虚拟键码， bScan是硬件扫描码，一般设置为0即可，dwFlags是函数操作的一个标志位，如果值为KEYEVENTF_EXTENDEDKEY则该键被按下，也可设置为0即可，如果值为KEYEVENTF_KEYUP则该按键被释放，dwExtraInfo是定义与击键相关的附加的32位值，一般设置为0即可。封装方法如下：

def send_keyboard(*args):
    for arg in args:
        win32api.keybd_event(arg, 0, 0, 0)
    for arg in args:
        win32api.keybd_event(arg, 0, win32con.KEYEVENTF_KEYUP, 0)

例如 ctrl 键对应的键码是 17，A键对应的键码是65，那么使用封装的方法发送ctrl+A组合键就可写成send_keyboard([17, 65])。

键盘键码请查看附件Ⅰ 键码对照表。

窗口截图

窗口截图的思路是根据窗口句柄获取窗口 DC 和窗口的位置信息及宽和高，然后创建一个新的 DC，再使用新创建的 DC 创建一个兼容设备内容的 DC，最后创建 bitmap，根据 DC 获取图像信息，保存成图片文件。

DC在pywin32中是一个重要概念。windows不允许程序直接访问硬件，所有的操作都需要通过一个设备上下文环境。屏幕上的每个窗口都对应一个DC。DC相当于一个视频缓冲区，对这个缓冲区的操作，会表现在这个缓冲区对应的屏幕窗口上。除了窗口对应的DC外，还可以自己创建DC，然后在创建的DC上面建立数据拷贝到窗口的DC上，就相当于刷新窗口的DC。

示例：打开写字板程序，并对写字板当前窗口截图。根据窗口截图思路可实现截图函数 screenshots_windows。因此实现截图写字板窗口的代码如下：

# win32_screenshots.py
import time

import win32gui, win32ui, win32con
from appium import webdriver


def screenshots_windows(windows_name):
    handle = win32gui.FindWindow(None, windows_name)   # 获取窗口句柄
    win32gui.SetForegroundWindow(handle)                # 将窗口放在前台，激活该窗口
    hdDC = win32gui.GetWindowDC(handle)                 # 获取窗口 DC
    newhdDC = win32ui.CreateDCFromHandle(hdDC)         # 根据句柄创建一个DC
    saveDC = newhdDC.CreateCompatibleDC()               # 创建一个兼容设备内存的 DC
    saveBitmap = win32ui.CreateBitmap()                 # 创建 bitmap 保存图片

    # 获取窗口的位置信息
    left, top, right, bottom = win32gui.GetWindowRect(handle)
    width = right – left
    height = bottom – top
    # bitmap 初始化
    saveBitmap.CreateCompatibleBitmap(newhdDC, width, height)
    saveDC.SelectObject(saveBitmap)
    saveDC.BitBlt((0, 0), (width, height), newhdDC, (0, 0), win32con.SRCCOPY)
    saveBitmap.SaveBitmapFile(saveDC, windows_name + ".png")


desired_caps = {}
desired_caps['app'] = r"C:\Program Files\Windows NT\Accessories\wordpad.exe"
driver = webdriver.Remote(command_executor='http://127.0.0.1:4723', desired_capabilities=desired_caps)
time.sleep(3)
screenshots_windows("文档 - 写字板")
# 关闭会话
driver.quit()

注：此截屏函数screenshots_windows来自网络。

运行上面代码后，在当前目录下多了一个“文档 - 写字板.png”文件

脚本录制

脚本录制是通过工具记录用户的操作，并将操作生成脚本，已达到回放的目的。WinAppDriver社区也推出了一个开源的工具WinAppDriver UI Recorder，该工具可以让用户轻松地创建自动化的UI测试。下面我们就来学习WinAppDriver UI Recorder的使用。

• 1.下载WinAppDriver UI Recorder项目，下载地址：https://github.com/Microsoft/WinAppDriver/tree/master/Tools。例如笔者直接下载的是ZIP包，下载并解压后会得到WinAppDriver-master一个文件夹。

• 2.安装Visual Studio 2017及其以上版本的VS工具，例如笔者安装的是VS 2022。

• 3.以管理员身份启动VS，并且打开WinAppDriver UI Recorder项目。启动VS后点击【打开项目或解决方案§】，选择~WinAppDriver-master\Tools\UIRecorder\WinAppDriverUIRecorder.sln文件，
  

• 4.编译项目。在【解决方法资源管理器】下找到WinAppDriverUIRecorder，右键点击后在弹窗的菜单中选择【生成(U)】开始编译项目，，如果没有控制台没有报错则编译成功。
  如果【解决方法资源管理器】没有显示，可在视图菜单下点击使其显示。
  

• 5.点击VS工具菜单中的【启动】图标：
  
  运行项目，项目启动成功后会打开一个【WAD UIRecorder】窗口，窗口结果（图片来源WinAppDriver UI Recorder官方介绍文档https://blogs.windows.com/windowsdeveloper/2018/06/20/introducing-winappdriver-ui-recorder/）。
  

• 6.点击【Record】激活录制，然后在正文区域输入一个“s”，如图
  
  从WAD UIRecorder界面上面的面板中可以看到内容区域的xPath定位语法是：

"/Pane[@ClassName=\"#32769\"][@Name=\"桌面 1\"]/Window[@ClassName=\"WordPadClass\"][@Name=\"文档 - 写字板\"]/Document[@ClassName=\"RICHEDIT50W\"][@Name=\"多信息文本窗口\"]"

从下面的C# Code面板中可以看到操作生成的C#代码，代码如下：

// KeyboardInput VirtualKeys=""s"" CapsLock=False NumLock=True ScrollLock=False
Console.WriteLine("KeyboardInput VirtualKeys=\"\"s\"\" CapsLock=False NumLock=True ScrollLock=False");
System.Threading.Thread.Sleep(100);
winElem_LeftClickDocument多信息文本窗口_24_70.SendKeys("s");

使用WinAppDriver UI Recorder工具，用户可以通过更简单、更直观的方法来为WinAppDriver编写自动化脚本。

虽然生成的代码是C#，但是通过该工具可以帮助我们迅速生成测试脚本，对于一些难以用元素识别工具获得元素属性的元素，也可以快速得到定位语法，这也是UI Recorder初始版本最先支持的两个场景。