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。
一般方案分为两个部分，驱动层与校验层：
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。
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。
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。
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：
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。
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
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)
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。
可以参考之前的其他文章来简单调优。
