背景意义

这篇文章来自于两年前的 issue：https://github.com/williamfzc/stagesepx/issues/158
前阵子发现有同学这么落地了，觉得挺有意思的，实验了下，作为一个官方 api 开放出来吧
新功能可能会有奇奇怪怪的潜在问题，欢迎交流

随着 APP 应用范围越来越广，用户群体越来越大，终端设备的型号也越来越多，移动终端碎片化加剧，使得 APP 兼容性测试成为测试质量保障必须要考虑的环节。

而很多兼容问题在显示层发生，例如黑白屏花屏、显示不及预期等，自动化评测开展的门槛比较高。

方案

一般方案分为两个部分，驱动层与校验层：

驱动

• 录制回放：通常是将操作过程保存下来，下次直接拿出来回放
• 脚本回放：常规 UI 自动化

当然现在两种会结合起来用，例如录制回放后保存的形式就是自动化脚本，你可以在此基础上进行编辑。

校验

• 自动化校验：常规 UI 自动化，控件检测等
• 人工校验：将整个过程进行录屏，人工统一验证

同样会结合起来用，自动化校验一些关键位置，人工检验整体表现。

难点与思路

• 现阶段自动化校验的能力比较有限，许多还靠控件检测，而随着 web 技术的兴起，控件检测在技术上越来越受挑战，脚本变更频繁
• 图像算法维度，对关键图、脚本的维护成本并不低，算法能选择的也有限
• 全自动化（如自动遍历）的兼容性测试在心理上接受度有限，你无法控制判断一些流程是否符合预期

本文尝试在图像校验的角度，利用 stagesepx 实现简单的自动化校验功能，提供一些新的思路。

小例子

这里展示了 chrome 打开一个页面的情况。可以发现，在不同机器（ios、android 的不同版本）、不同版本上，同一个应用的表现可能是不一样的：

与 https://testerhome.com/topics/22215 类似，我们可以用类似的方式将整个过程拆解为几个阶段：

• 0：待机页
• 1：chrome 开屏页
• 2：loading 页
• 3：真正的内容页

而 chrome 开屏页在低版本的 android 上不会出现。我们假设，我们希望 chrome 在不同版本上表现是一致的，0 1 2 3，那么开屏页不出现就是一个兼容性问题。

那么只要跟原来一样准备好训练集：

使用原有脚本，简单变更即可轻松断言（脚本与使用可以参考 https://github.com/150109514/stagesepx_with_keras，不再赘述）：

from stagesepx.classifier.keras import KerasClassifier
from stagesepx.cutter import VideoCutter
from stagesepx.reporter import Reporter
from stagesepx.video import VideoObject

video_path = "android-new4.mp4"
video = VideoObject(video_path)
video.load_frames()

cutter = VideoCutter()
res = cutter.cut(video)
stable, unstable = res.get_range()

# 0.9为置信度
cl = KerasClassifier(0.9, epochs=20)
cl.train("./chrome_startup")

classify_result = cl.classify(video, stable, keep_data=True)

assert classify_result.is_order_correct(["0", "1", "2", "3"]), classify_result.get_ordered_stage_set()

可以看到 1 阶段（开屏页）没出现：

如此即可将一个流程检测集成到你们的常规流程中了。

更复杂的实际例子

对于兼容性我们不可能只看一个启动，通常会更加复杂。这里以雪球为例：

简单一点说，雪球一眼进去，主要页面有五个：

要测兼容性，一般都是将主要的页面都过一遍。过一遍好过，但校验是个问题。

一样的方法，将图片分类整好，按照你的遍历方式，选择需要的断言即可。例如你的自动化脚本/录制回放是沿着 0、1、2、3、4 来的：

assert classify_result.is_order_correct(["0", "1", "2", "3", "4"]), classify_result.get_ordered_stage_set()

我们找一个异常状态（页面表现不一样）的视频：

可以看到 1、3、4 都没有出现并被正常检测出来。

而只要有一套训练集，他同样可以被复用到不同机器上。细心的同学可以看到我的训练集甚至用的是 iphone 的截图。

而，如果闪屏页样式很多，而又不是你关心的重点，你也可以直接忽略掉他：

assert classify_result.is_order_correct(["1", "2", "3", "4"]), classify_result.get_ordered_stage_set()

或者，只关心 1 与 4 是否出现？同样可以只确保 1 与 4 按照顺序出现：

assert classify_result.is_order_correct(["1", "4"]), classify_result.get_ordered_stage_set()

还有一些更特别的。例如你不关心是否按顺序出现：

assert "1" in classify_result.get_stage_set() and "4" in classify_result.get_stage_set()

或者利用一些自动遍历工具做的测试，产出物是一堆图片，不是视频，只是想看看这些图片是不是符合。你也可以直接利用 stagesepx 自带的分类器满足你的需求：

cl = KerasClassifier(0.9, epochs=20)
cl.train("xueqiu")
res = cl.predict("./xueqiu/1/5db49c10-94de-4a5e-a930-692ad88efad7.png")

print(res)
# 这张图片被分类为类型1

一些常见问题

模型每次都要训练吗？

不是，你可以保存。图中只是为了简化描述：

YOUR_MODEL ="./YOUR_MODEL.h5"
if os.path.isfile(YOUR_MODEL):
    cl.load_model(YOUR_MODEL)
else:
    cl.train("xueqiu")
    cl.save_model(YOUR_MODEL)

每次都要解析视频，很慢？

功能测试跟性能测试的出发点完全不同，在兼容性、功能测试的时候 FPS 的敏感度小多了，可以大大降低来提升分析效率。

分类不准确？

可以参考之前的其他文章来简单调优。

相关链接

• stagesepx：https://github.com/williamfzc/stagesepx
• 图像分类、AI 与全自动性能测试：https://testerhome.com/topics/19978
• 全自动的抖音启动速度测试：https://testerhome.com/topics/22215
• 官方落地例子：https://github.com/williamfzc/work_with_stagesepx
• 一个超级详细的落地例子与原理解释：https://blog.csdn.net/wsc106/article/details/107351675