软件测试/测试开发丨App自动化测试-弹窗异常处理

点此获取更多相关资料

本文为霍格沃兹测试开发学社学员学习笔记分享

原文链接:https://ceshiren.com/t/topic/27692

黑名单处理

  • 运行过程中不定时弹框(广告弹窗,升级提示框,新消息提示框等等)

  • 弹框不是 BUG(UI 界面提示,警告的作用)

方法一:常规处理

python 复制代码
def find(self, by, locator):
    try:
        return self.driver.find_element(by, locator)
    except Exception as e:
        for black in black_list:
            eles = self.driver.find_elements(*black)
            if len(eles) > 0:
                eles[0].click()
                return find(by, locator)
        raise e

方法二:装饰器处理

装饰器的优势

  • 对原有函数的功能增强
  • 不改变原有函数的逻辑
  • 使代码更简洁、易维护
python 复制代码
__BLACK_LIST = []

def black_handle(func):
    """黑名单处理机制"""
    def _inner(*args, **kwargs):
        inner_arg = args[0]
        try:
            func(*args, **kwargs)
            # logger.info(f"查找元素:{locator}--->成功")
        except Exception as e:
            logger.info("未找到元素")
            logger.info(f"异常信息:{e}")
            logger.info("处理异常")
            for i in __BLACK_LIST:
                elements = inner_arg.driver.find_elements(*i)
                if len(elements) > 0:
                    elements[0].click()
                    return func(*args, **kwargs)
            raise e

    return _inner

装饰函数或方法

python 复制代码
@black_handle
def do_find(self, locator: tuple):
        """获取单个元素"""
        element = self.driver.find_element(*locator)
        logger.info(f"查找元素:{locator}--->成功")
        return element
相关推荐
安_3 小时前
如何构建和使用向量索引?HNSW 和 IVF 有什么区别?
python·ai
counting money4 小时前
Java IO流详解:从InputStream到文件操作实战
java·开发语言·python
坚持学习前端日记5 小时前
Python SQLAlchemy ORM 从0到1精通实战手册(基础到复杂高阶)
数据库·python·oracle
北斗落凡尘5 小时前
LangGraph 入门实战(11)--输出模式
后端·python·langchain
雪碧聊技术6 小时前
安装Python(保姆级教程)
python·版本更新·python下载
++==6 小时前
JSON和Python的 四种核心容器
python·json
张龙6878 小时前
uv 全面指南:比 pip 快 100 倍的 Python 包管理器,从安装到团队落地
后端·python
@HNUSTer9 小时前
Python数据可视化科技图表绘制系列教程(八)
python·数据可视化·科技论文·专业制图·科研图表
专注仿真10 小时前
问答大模型技术方案算法实现-熵权法融合算法 + 交叉编码器重排算法
人工智能·python·算法·语言模型·问答大模型关键算法·熵权融合算法·交叉编码器重排算法
满怀冰雪10 小时前
22-使用 PaddleClas 快速训练图像分类模型
人工智能·python·机器学习·分类·数据挖掘·paddlepaddle