作者：京东物流 刘红妍

高复用性自动化脚本设计实践-凯发app官方网站

在自动化测试实践中，为了更好的契合被测业务场景，需要不断优化框架分层结构。本文结合产品模块化思路，意在介绍通过策略模式改造原本复杂分支语句代码，通过理论讲解、思路分析、方案设计、及代码演示，提供自动化脚本重构的落地方案。

在今年的敏捷团队建设中，我通过suite执行器实现了一键自动化单元测试。juint除了suite执行器还有哪些执行器呢？由此我的runner探索之旅开始了！

随着运输业务场景的不断丰富和自动化脚本量的不断累积，日常在review用例时发现，目前大家仍停留在针对需求定制化用例编写，无法提高用例可复用性和可编排性。当业务流程中间某一环节发生变化时，不但需要重新修改脚本，还会影响当前应用其他用例执行结果。所以，如何设计高复用性脚本成为目前自动化建设的关键节点。

理解，首先 mcube 会依据模板缓存状态判断是否需要网络获取{banned}最佳新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，{banned}最佳终将目标页面展示到屏幕。从设计稿出发，提升页面搭建效率，亟需解决的核心问题有：

根据面向对象程序设计理念，设计者应遵循高内聚与低耦合原则，通常程序结构中各模块的内聚程度越高，模块间的耦合程度就越低。高内聚意味着一个类所能提供的功能应该是相关的，即一个类不要设计得包括很多互不相干的功能，低耦合代表要合理规划模块的颗粒度，即要保证一个模块可独立存在，降低模块之间复杂依赖关系。

策略模式定义了一系列的算法，将每一组相关的算法封装起各个策略分支，从而将分支相关的代码隐藏起来，并且使它们之间可以相互替换。策略模式让算法的变化不会影响到使用算法的客户，希望可以提高程序的可扩展性。

理解，首先 mcube 会依据模板缓存状态判断是否需要网络获取{banned}最佳新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，{banned}最佳终将目标页面展示到屏幕。从设计稿出发，提升页面搭建效率，亟需解决的核心问题有：

根据运输业务同一个流程存在不同场景，如询价服务接上游下发询价单节点，需要区分来源执行不同逻辑，目前设计五个算法能力，根据后期业务不断扩展，还会有更多算法加入进来，这个时候需要考虑一个好的结构对代码进行优化。可能前期大家通过if...elif...else 分支语句就可实现，但在考虑系统的健壮性和可维护性，这里就不能大量使用if分支语句。因为每一种算法能力的代码量极大且算法参数几十个，在随着更多上游接入可能存在十几个甚至更多else分支，很容易顾此失彼，牵一发而动全身。所以，利用策略模式设计一系列算法，再供用例拼装调用，提高代码的可读性和可复用性。

优点：

1. 代码解耦，便于维护；

2. 避免使用难以维护的多重条件选择语句；

3. 可以运行时动态切换算法；

4. 开闭原则。无须对上下文代码进行修改，就可以添加新的代码。

缺点：

1. 如果算法逻辑，较为固定，不经常修改，使用策略模式只会增加代码量

2. 必须知道所有的具体策略类及它们的区别。

理解，首先 mcube 会依据模板缓存状态判断是否需要网络获取{banned}最佳新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，{banned}最佳终将目标页面展示到屏幕。

laputa框架简介：

laputa框架基于 pytest 集成了对api接口自动化, 以及对 web应用, 移动端应用和 windows 桌面应用 ui 等自动化的能力。具有可视化的web界面工具, 便于配置执行规则，关联执行脚本， 触发用例执行，查看执行结果。提供ci集成服务，调用jenkins api跟踪持续集成结果，开放接口，实现流水线自动化测试。

图1 自动化框架架构图

图2 自动化用例分层图

图3 策略模式设计图

1. 将频繁修改的算法进行抽取，独立为具体的算法类；

2.创建抽象基类，实现一个约定的抽象策略方法；

3. 所有独立的算法类，必须实现基类中的抽象策略接口；

4. 建立上下类，该类可以动态的对算法进行setter，创建调用具体算法的方法，上下文可通过该方法与具体的策略交互；

5. 客户端进行调用，传入具体的算法类，上下文动态执行具体的算法任务。

理解，首先 mcube 会依据模板缓存状态判断是否需要网络获取{banned}最佳新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，{banned}最佳终将目标页面展示到屏幕。

如源代码结构，根据不同业务来源，写在一个方法里通过if...else...分别组装场景，一旦上游任一系统存在需求变动，当前接单接口调用逻辑需要变动：

【python】 def receive_enquiry_bill(**kwargs): params=[{}] params[0].update(kwargs) if params[0].get("enquirysource") == 8:
pass
elif params[0].get("enquiryway") == 2 and params[0].get("paymode") == 2:
pass
elif params[0].get("enquiryway") == 2 and params[0].get("paymode") == 3:
pass if params[0].get("enquirysource") == 46:
pass if params[0].get("enquirysource") == 20:
pass 

改造结构：

上下文类

【python】 class algorithmstrategy(object): def __init__(self, algorithm_name): self.algorithm_name = algorithm_name @property def algorithm(self): return self.algorithm_name @algorithm.setter def algorithm(self, name): self.algorithm_name = name def execute_algorithm(self, params): return self.algorithm_name.execute(params) 

算法基类：

【python】 class createenquirybillbasealgorithm(abc):# 算法能力基类 @abstractmethod def read_params(self, **kwargs):
scenario=kwargs['scenario'] if "scenario" in kwargs and kwargs['scenario'] else 'base' return resource_custom_data[self.__class__.__name__][scenario][0].update(kwargs) @abstractmethod def execute(self, params): return jsf_receive_enquiry_bill(data=json.dumps(params) 

不同算法：

【python】 class createtfcenquirybill(createenquirybillbasealgorithm): def read_params(self, **kwargs):
        params = super().read_params(**kwargs)
        params[0].update({"businesscode": kwargs['businesscode'] if 'businesscode' in kwargs else f"tj{laputa_util.date_time_str(fmt='%y%m%d')}{laputa_util.get_random_num(8)}","receivebegintime": tms_util.data_time_str(minutes=100),"deliverybegintime": tms_util.data_time_str(minutes=180)}) return params def execute(self, params): return super().execute(params) class createeclpclodenquirybill(createenquirybillbasealgorithm): def read_params(self, **kwargs): # 若当前场景参数与基础参数改动较大建议直接在yaml里另写key params = super().read_params(**kwargs)
params[0].update({"businesscode": kwargs['businesscode'] if 'businesscode' in kwargs else f"eco{laputa_util.date_time_str(fmt='%y%m%d')}{laputa_util.get_random_num(8)}","receivebegintime": tms_util.data_time_str(minutes=100),"deliverybegintime": tms_util.data_time_str(minutes=180)}) return params def execute(self, params): super().execute(params) return jsf_do_assign(data=json.dumps(params)) 

算法注入使用：

【python】 def receive_enquiry_bill(algone=none, sceone=none, **kwargs): """
    args:
        algorithm: 业务类型
        scenario:  测试场景：执行步骤，执行数据
    returns:
    """ if algorithm: # 采用字典形式进行手动注册算法，由python动态查找 st = {"tfc": createtfcenquirybill(), "eclp冷链": createeclpclodenquirybill(), "tc": createtcenquirybill(),"终端用车": createterminalenquirybill()}
    query_algorithm = st.get(algone) return query_algorithm.execute(query_algorithm.read_params(scenario=sceone, **kwargs)) else: pass 

当有需求变动，只需修改其一策略规则内部代码，如【分单策略需求】，除运输内部系统tfc下发询价指定个体标签，其他上游没有增加标签下发功能，则只需修改createtfcenquirybill()代码即可。

拼接task客户端方法组成case，利用feature组装测试数据，数据驱动测试方法执行。

【python】 @pytest.mark.parametrize("params", test_data('test_enquiry_core'), indirect=true) def test_enquiry_core(params):
    enquiry_code = receive_enquiry_bill_core(**params).get("data") return quote_enquiry_bill_core(enquiry_code=enquiry_code, **params) 

理解，首先 mcube 会依据模板缓存状态判断是否需要网络获取{banned}最佳新模板，当获取到模板后进行模板加载，加载阶段会将产物转换为视图树的结构，转换完成后将通过表达式引擎解析表达式并取得正确的值，通过事件解析引擎解析用户自定义事件并完成事件的绑定，完成解析赋值以及事件绑定后进行视图的渲染，{banned}最佳终将目标页面展示到屏幕。

随着运输八大产品建设方向逐步明确，自动化平台需要从应用维度重构到产品维度，在脚本不断融合和解耦过程，如何在新的分层模式设计高复用性脚本，需要大家结合各自业务条线不断优化改进。