BDD - Python Behave Retry 机制

BDD - Python Behave Retry 机制

  • 引言
  • [Behave Retry](#Behave Retry)
  • [Behave Retry 应用](#Behave Retry 应用)
    • [feature 文件](#feature 文件)
    • [创建 step 文件](#创建 step 文件)
    • Retry

引言

在日常运行测试用例,有时因为环境不稳定造成一些测试用例跑失败了,如果能将这些失败的测试用例再跑一遍,排除环境问题导致的不稳定,从而可以节省每天 triage 的时间。Behave 也有 retry 机制,今天就来了解一下吧。

想了解更多 Behave 相关的文章,欢迎阅读《Python BDD Behave 系列》,持续更新中。

Behave Retry

behave -f rerun 是 Behave 提供的一种输出格式(formatter),用于生成 "rerun" 格式的输出。-f rerun 选项可用于将测试失败的场景(Scenarios)输出到一个文件,然后可以使用这个文件来重新运行失败的测试。

以下是使用 behave -f rerun 的简单示例:

  1. 运行 Behave 并将失败的场景输出到 rerun 文件:
bash 复制代码
behave -f rerun -o failed_scenarios.txt

这个命令将运行测试并将失败的场景信息输出到 failed_scenarios.txt 文件中。生成的 rerun 文件包含了失败场景的标识符,如 features/my_feature.feature:3,这样 Behave 能够准确识别并重新运行这些场景。

  1. 重新运行失败的场景:
bash 复制代码
behave @failed_scenarios.txt

此命令将重新运行 failed_scenarios.txt 文件中列出的所有失败场景。

注意上面的命令有可能会执行失败因为 @ 符号异常,我们可以换另外一种方式执行,加上双引号""

bash 复制代码
behave "@failed_scenarios.txt"

Behave Retry 应用

举个简单的例子,项目结构如下:

feature 文件

创建 my_feature.feature 文件

python 复制代码
Feature: Example Feature

  Scenario: Failing Scenario
    Given I have a failing step
    When I perform an action
    Then I should see a result

创建 step 文件

创建 my_steps.py 文件

python 复制代码
from behave import given, when, then

@given('I have a failing step')
def step_given(context):
    assert False, "Simulating a failure in the Given step"

@when('I perform an action')
def step_when(context):
    print("When step executed")

@then('I should see a result')
def step_then(context):
    print("Then step executed")

Retry

运行 Behave 并生成 rerun 文件

执行测试用例: behave Features/Retry -f rerun -o failed_scenarios.txt

将跑失败的测试用例输出到 failed_scenarios.txt 文件中。

bash 复制代码
PS C:\Automation\Test\bdd> behave Features/Retry -f rerun -o failed_scenarios.txt

Failing scenarios:
  Features/Retry/my_feature.feature:3  Failing Scenario

0 features passed, 1 failed, 0 skipped
0 scenarios passed, 1 failed, 0 skipped
0 steps passed, 1 failed, 2 skipped, 0 undefined       
Took 0m0.000s

当前目录生成 failed_scenarios.txt,文件内容列出失败 Scenario 的路径及行数。

重新运行失败的场景

执行命令 behave @failed_scenarios.txt

抛异常了:The splatting operator '@' cannot be used to reference variables in an expression

bash 复制代码
PS C:\Automation\Test\bdd> behave @failed_scenarios.txt      
At line:1 char:8
+ behave @failed_scenarios.txt
+        ~~~~~~~~~~~~~~~~~
The splatting operator '@' cannot be used to reference variables in an expression. '@failed_scen 
arios' can be used only as an argument to a command. To reference variables in an expression use 
 '$failed_scenarios'.
    + CategoryInfo          : ParserError: (:) [], ParentContainsErrorRecordException
    + FullyQualifiedErrorId : SplattingNotPermitted

换另外一种方式,将 @failed_scenarios.txt 用双引号包装一下。

执行命令 behave "@failed_scenarios.txt"

此命令将重新运行 failed_scenarios.txt 文件中列出的所有失败场景。在这个例子中,由于步骤定义中的 Given 步骤故意失败,Behave 将重试执行这个场景,并且你会看到类似于以下的输出:

bash 复制代码
PS C:\Automation\Test\bdd> behave "@failed_scenarios.txt"
Feature: Example Feature # Features/Retry/my_feature.feature:1

  Scenario: Failing Scenario    # Features/Retry/my_feature.feature:3
    Given I have a failing step # steps/my_steps.py:3
      Assertion Failed: Simulating a failure in the Given step

    When I perform an action    # None
    Then I should see a result  # None


Failing scenarios:
  Features/Retry/my_feature.feature:3  Failing Scenario

0 features passed, 1 failed, 0 skipped
0 scenarios passed, 1 failed, 0 skipped
0 steps passed, 1 failed, 2 skipped, 0 undefined
Took 0m0.000s
相关推荐
DanCheng-studio16 小时前
网安毕业设计简单的方向答疑
python·毕业设计·毕设
轻抚酸~17 小时前
KNN(K近邻算法)-python实现
python·算法·近邻算法
独行soc18 小时前
2025年渗透测试面试题总结-264(题目+回答)
网络·python·安全·web安全·网络安全·渗透测试·安全狮
汤姆yu19 小时前
基于python的外卖配送及数据分析系统
开发语言·python·外卖分析
如何原谅奋力过但无声19 小时前
TensorFlow 1.x常用函数总结(持续更新)
人工智能·python·tensorflow
翔云 OCR API19 小时前
人脸识别API开发者对接代码示例
开发语言·人工智能·python·计算机视觉·ocr
AndrewHZ20 小时前
【图像处理基石】如何在图像中提取出基本形状,比如圆形,椭圆,方形等等?
图像处理·python·算法·计算机视觉·cv·形状提取
温轻舟21 小时前
Python自动办公工具05-Word表中相同内容的单元格自动合并
开发语言·python·word·自动化办公·温轻舟
习习.y1 天前
python笔记梳理以及一些题目整理
开发语言·笔记·python
撸码猿1 天前
《Python AI入门》第10章 拥抱AIGC——OpenAI API调用与Prompt工程实战
人工智能·python·aigc