完美落地的自动化测试框架（pytest）：智能生成？业务依赖？动态替换？报告构建？你来，这儿有！

2024-06-07 18:52
文章标签 pytest 替换 落地 自动化 构建 完美 框架 智能 测试 依赖 生成 动态 报告 业务

本文主要是介绍完美落地的自动化测试框架（pytest）：智能生成？业务依赖？动态替换？报告构建？你来，这儿有！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

前言

随着软件测试行业的快速发展，去测试化、全员测开化的趋势，技术测试已成为确保软件质量不可或缺的一环。

但对于许多没有代码基础或缺乏系统性自动化知识的测试人员来说，如何入手并实现高质量的自动化测试成为了一个挑战。

为此，我编写了这款自动化测试框架脚手架，给大家提供思路和引导。

它基于Python语言，结合强大的pytest测试框架进行二次开发并融合request、allure、log、openpyxl、pandas、mysql、oracle以及邮件通知等技术；

旨在为测试人员提供简单、高效、易用且灵活的自动化测试解决方案，轻松应对各种复杂的测试场景。

源码暂不开源，作为我的第一篇知识付费，付费后获取下载链接，可免费讲解。


下载地址：点击 > 微信公众号: 测试开发的烦恼

技术选型

  • 编程语言：Python 3.8.5
  • 测试框架：Pytest 8.2.0
  • 测试报告：Allure 2.13.5
  • 网络请求：requests 2.25.1
  • 响应断言：jsonpath 0.82.2 | jsonpath-ng 1.6.1
  • 数据文件读取：Openpyxl 3.1.2 | pandas 2.2.2
  • 数据库操作：PyMysql 1.1.0 | cx_Oracle 8.3.0
  • …
  • pytest：python的一个单元测试框架 https://docs.pytest.org/en/latest/
  • pytest-xdist：pytest的一个插件，可多进程同时执行测试用例 https://github.com/pytest-dev/pytest-xdist
  • allure-pytest：用于生成测试报告 http://allure.qatools.ru/
  • requests：用于HTTP请求 http://docs.python-requests.org/en/master/
  • cx_Oracle：用于操作Oracle数据库 https://cx-oracle.readthedocs.io/en/latest/index.html
  • PyMySQL：用于操作MySQL数据库 https://github.com/PyMySQL/PyMySQL

框架实现功能

  • 参数化与数据驱动：本框架通过数据驱动的方式，实现了测试业务和测试数据的完全隔离。这不仅降低了测试人员的工作量，还提高了测试数据的可维护性和复用性。
  • 自动生成测试代码：测试人员无需编写繁琐的测试代码，测试人员只需在Excel文件中按照模板填写测试数据，框架便能自动生成对应的测试用例函数代码。这不仅降低了测试人员的技术门槛，还提高了测试效率。
  • 串联接口数据依赖：在复杂的业务场景中，接口之间往往存在数据依赖关系。本框架支持这种依赖关系，例如C接口可以依赖B接口响应内容中的部分数据，而B接口又可以依赖于A接口的返回结果。这种依赖关系的支持，使得框架能够更好地模拟真实业务场景，提高测试的覆盖率。
  • 动态替换测试数据：本框架支持在请求头、请求报文以及前后置SQL语句中进行动态数据替换，使得测试数据更加真实、灵活。这一特性有助于模拟实际场景中的各种情况，提高测试的准确性和可靠性。
  • 支持多种场景断言：可以同时验证响应结果、数据库、第三方接口等多个方面的数据。这种动态多断言机制能够全面覆盖各种测试场景，确保接口的稳定性和可靠性。
  • 统计接口运行耗时：作为扩展功能，本框架提供了接口运行耗时的统计功能。测试人员可以根据需要开启或关闭该功能，以便更好地分析接口性能瓶颈和优化方向。
  • 环境清理与断言：在测试执行前后，框架能够自动执行SQL语句进行环境清理或断言，确保测试环境的纯净性和测试结果的准确性。这有助于减少测试之间的相互影响，提高测试的可重复性。
  • 日志记录与报告生成：本框架提供了详细的日志记录功能，能够记录测试过程中的关键信息和错误信息，方便测试人员进行问题追踪和定位。同时，结合allure插件，框架能够自动生成美观易读的测试报告，展示测试结果、统计数据和失败原因等信息，为团队成员提供全面的测试反馈。
  • 公共变量与二次处理：本框架支持将SQL语句查询结果以及响应内容存储到公共变量池中，方便测试人员在测试过程中共享和使用数据。同时，框架还提供了丰富的二次处理功能，如字符串截取、替换、计数、仅保留数字、执行正则表达式以及JSONPath表达式等，满足测试人员对数据处理的多样化需求。
  • 多线程执行测试用例：为了提高测试效率，框架支持多进程执行测试用例，可根据计算机的核心数量自动适应。
  • 即时邮件通知功能：测试执行完成后，本框架支持发送邮件通知。测试人员可以自定义邮件内容，包括测试结果、失败用例详情等信息。这种邮件通知机制使得测试结果传递更加高效，方便相关人员及时了解测试情况并作出响应。

Excel 字段说明

  • 用例序号：为每一个测试用例分配唯一的序号，便于标识和管理。
  • 用例信息：详细记录每个测试用例的关键信息，包括名称、描述、所属模块、功能、接口名称以及生成路径等，确保测试的全面性和可追溯性。
  • 执行开关：灵活控制测试用例的执行状态，通过设置执行开关（如“Y”代表执行，其他代表不执行），实现对测试范围的精确控制。
  • 关联序号：利用用例序号构建复杂的接口链路测试场景，模拟真实业务环境中的接口交互过程。
  • 请求头部：支持配置接口请求时的头部数据，包括参数化动态替换，确保请求符合接口规范。
  • 请求地址：指定接口请求发送的目标服务器地址。
  • 请求方式：支持多种请求方式，如GET、POST、DELETE、PUT等，适应不同接口的需求。
  • 请求参数类型：根据接口类型和内容，灵活选择params查询字符串、data表单或json对象等参数类型
  • 请求参数内容：与“请求参数类型”相匹配的请求参数内容。
  • 响应断言：提供丰富的响应验证机制，包括响应代码、响应信息、响应耗时以及通过JSONPath表达式进行验证，确保接口返回的数据符合预期。
  • 前置SQL处理：在接口请求发送前执行SQL语句，用于清理测试环境、准备测试数据或查询数据用于报文参数化。
  • 后置SQL处理：在接口请求发送后执行SQL语句，用于清理测试环境、验证数据状态或查询数据用于后续测试。
  • 公共变量处理：提供公共变量管理机制，支持对场景测试中产生的变量进行修改或另辟，包括字符串截取、字符串替换、字符串计数、正则表达式执行、JSONPath提取等功能，增强测试数据的灵活性和可维护性。
用例信息详解

在“用例信息”列中，需要填写一个符合特定格式的JSON字符串。

这个JSON字符串必须包含以下七个关键字段：“用例名称”、“用例描述”、“模块名称”、“功能名称”、“接口名称”、“存放路径”以及“所属标记”。

  • 其中，“模块名称”、“功能名称”、“接口名称”、“用例名称”和“所属标记”这几个字段的用于丰富Allure报告的内容。

  • 要求这些数据填写在Excel中，实际上是为了动态地配置Allure报告中的标题、描述等关键信息。

  • 通过这种方式，我们可以确保生成的测试报告内容充实、结构清晰，便于团队成员理解和分析测试结果。

  • 此外，“接口名称”和“存放路径”这两个字段在测试数据的构建过程中发挥着重要作用。

  • 它们不仅用于标识特定的测试接口，还指定了自动生成测试函数文件的存放位置。

这样，测试框架就能根据这些信息准确地找到所需的测试数据，并将生成的测试函数文件保存在正确的路径下。

要求格式如下所示:

{"用例名称": "登录-获取用户类型-001","用例描述": "登录模块-获取用户类型功能的测试用例描述，传递正确的参数，通过断言","模块名称": "登录","功能名称": "获取用户类型","接口名称": "login","存放路径": "LoginDirs","所属标记": ["冒烟测试1","冒烟测试2"]
}
关联序号详解

  1. 接口测试通常分为两种：独立接口，关联接口；

    独立接口测试：指的是那些不依赖于其他数据源，只需按照接口文档要求正确提供参数即可进行测试的接口；

    关联接口测试：则涉及多个接口之间的依赖关系，例如C接口需要依赖B接口响应内容中的部分数据，而B接口又依赖于A接口的返回结果；

    在这种场景下：为了测试C接口，必须首先执行A接口，再执行B接口，并将A接口的返回数据传递给B接口，最后将B接口的返回数据传递给C接口；

  2. 为了更有效地支持“testcase”文件的自动生成、Allure报告中对执行步骤的详细记录，以及关联接口之间变量的共享；

    决定放弃使用pytest-dependency和pytest-ordering等插件。
    选择自定义一种更适合当前框架的数据结构，并将其传递给特定的case函数中使用；
    这样，我们可以更灵活地控制测试用例的执行顺序和依赖关系，同时确保变量在关联接口之间得到正确的共享和传递；

  3. 读取指定路径的Excel文件，获取指定的sheet名称全部数据（这些数据以列表嵌套字典的形式呈现，确保每个元素都是易于解析和操作的结构化数据）；

  4. 对提取出的数据进行遍历和处理，目的是识别并分离出独立案例和关联案例。

    独立案例收集规则：

    • 如果其“执行开关”列值为Y、“关联序号”列值为空，并且“用例序号”没有在“关联序号”列中的任何位置出现；
    • 将以“用例信息”列中的“接口名称”（以json格式提供）作为key，整行数据作为value；

      关联案例收集规则：
    • 当一个用例的“执行开关”为’Y’且“关联序号”不为空时，该用例将被视为关联案例的一部分；
    • 所有在“关联序号”列中存在的“用例序号”的数据将从独立案例字典中删除，并按顺序添加到子列表中，最后将“关联序号”不为空数据行添加到列表末尾。
    • 将以子列表中所有“用例信息”列中的“接口名称”（以json格式提供）拼接成以“-”分隔的字符串作为key，子列表作为value；

      最终测试数据结构：
      {key1: [[{}, {}, {}]], key2: [[{}, {}, {}]], key3: [[{}, {}, {}]], …}
响应断言详解
代码设计思想
利用JSONPath对响应内容完成断言校验1.断言响应代码2.断言响应信息3.断言响应text中是否包含某值4.断言响应json中是否包含某jsonpath路径5.断言响应json中的某jsonpath路径下的值是否符合预期6.断言响应json中的某jsonpath路径下的值是否满足比较运算7.断言响应耗时是否小于预期耗时8.获取响应json中的某jsonpath路径下的值- JSONPath是一种用于在JSON（JavaScript Object Notation）数据中定位和提取特定元素的查询语言。
- 它类似于XPath对XML的作用，可以帮助我们轻松地按照特定的路径表达式从复杂的JSON结构中获取所需的数据。
- 使用JSONPath，可以指定一个或多个路径表达式，以匹配JSON数据的特定部分。
- 这些路径表达式由一系列操作符、通配符和属性键组成，用于描述所需数据的位置和结构。
- JSONPath还支持过滤器，可以根据条件筛选出满足要求的数据。- 模拟一个接口响应内容（响应内容按照封装后的格式，详见RequestUtils.py封装文件）
mock_response = {"response_text": "xxxxxxxxxxxxxx假设这是一个接口的响应text文本内容xxxxxxxxxxxxxx","response_json": {"name": "zhangsan","age": 30,"address": "上海市浦东新区","phone": "13800001234","cars": [{"model": "Ford", "mpg": 25.0},{"model": "BMW", "mpg": 28.0},{"model": "Fiat", "mpg": 30.0}]},"response_code": 200,"response_info": "ok","response_time": 1,"response_url": "xxx","response_xxx": "..."
}# 创建断言工具对象
assert_tool = AssertUtils(mock_response)# 进行断言测试
assert_tool.assert_status_code(200)
assert_tool.assert_status_message('OK')
print(assert_tool.get_jsonpath_value('$.name')) # zhangsan
assert_tool.assert_jsonpath_exists('$.cars[0]')
assert_tool.assert_jsonpath_exists('$.cars[1]')
print(assert_tool.get_jsonpath_value('$.cars[0]'))  # {'model': 'Ford', 'mpg': 25.0}
assert_tool.assert_jsonpath_value('$.cars[0]["mpg"]', 25.0)
assert_tool.assert_contains_text("123")
assert_tool.assert_jsonpath_value_compare('$.cars[0]["mpg"]', 25, "等于")
assert_tool.assert_response_time(10.5)
填写格式和断言类型

针对断言功能，做了统一的调用封装，以便在Excel文件中填写符合特定格式的JSON字符串时能够便捷使用。

该封装支持七大类断言操作，分别是“响应代码”验证、“响应信息”校验、“响应耗时”分析、“文本查找”功能、“路径查找”机制、“数据比较”逻辑以及“存储变量”操作。

  • 这些断言操作可以根据实际需求任意搭配使用，一个或多个均可；

  • 针对断言数据的填写进行了汉化处理，旨在提供更加友好、易于理解的用户体验。

  • 其中，“数据比较”功能尤为关键，它支持数值的大小运算以及字符串的相等运算，满足了复杂的数据校验需求。

  • 此外，“存储变量”功能允许将响应内容中的数据保存到公共变量池中，这样在后续的关联案例中，如请求头、请求参数、SQL语句等数据依赖时，可以方便地引用这些变量，提高了测试用例的复用性和维护性。

{"响应代码": [{"预期值": "200"}],"响应信息": [{"预期值": "OK"}],"响应耗时": [{"预期值": "5"}],"文本查找": [{"预期值": "success"}],"路径查找": [{"JSONPath": "$.status"}],"数据比较": [{"JSONPath": "$.status","预期值": "success","运算符": "等于"}],"存储变量": [{"JSONPath": "$.userinfo.usertype","变量名称": "UserType66"}]
}
前后置SQL处理详解
代码设计思想
  • 利用正则表达式技术，精准匹配并提取出每一条SQL语句中所有以${xxx}形式包裹的占位符。
  • 随后，将这些占位符与公共变量池中的数据进行同名绑定，实现占位符的自动替换功能，确保SQL语句的正确执行。

  • 为了提高数据库操作的性能，采用了数据库连接池技术。
  • 连接池能够高效地管理和复用数据库连接，避免了频繁地创建和关闭连接所带来的性能损耗，从而显著提升了系统的整体响应速度。
  • 在执行SQL语句时，将数据库操作分为两大类：查询和其他操作。

  • 对于查询操作，将查询结果按照指定的变量名称一一对应地保存到公共变量池中，以便后续操作能够方便地引用这些结果数据。
  • 如果未上送变量名称，则默认以数据库字段名作为变量名保存到公共变量池。
  • 对于其他操作（增、删、改），默认记录受影响的行数，并将其作为操作结果的一部分进行返回。
  • 此外，需要注意的是，如果指定的变量名称或数据库字段存在重复，我们会优先使用最新的数据，即覆盖已有数据，以确保数据的准确性和一致性。

在这里插入图片描述

填写格式和操作类型

要求在Excel文件中填写符合特定格式的JSON字符串

{"查询": [{"变量名称": {},"执行语句": "select sno,sname from student  where sno = 111"},{"变量名称": {"sno": "student_no1","sname": "student_name1"},"执行语句": "select sno,sname from student  where sno = 112"},{"变量名称": {"sno": "student_no2","sname": "student_name2"},"执行语句": "select sno,sname from student  where sno = 113"}],"其他": [{"变量名称": "count1","执行语句": "INSERT INTO student(sno, sname, ssex, sbirthday, sclass) VALUES('116', '鱼丸子', '女', NULL, '95031')"},{"变量名称": "count2","执行语句": "DELETE FROM tudent WHERE sno > 999"}]
}
公共变量处理详解
代码设计思想

  • 在关联案例测试中，被测接口往往依赖于一系列特定的变量值来执行其功能。

  • 然而，实际获取的原始数据可能无法直接使用，这就需要对数据二次处理，以便其能够更精准地应用于测试场景。

  • 二次处理的过程可能涉及多种操作，比如从数据库或外部数据源获取的字符串数据，可能需要进行截取、替换或正则匹配等步骤，以提取出测试所必需的关键信息。

  • 以身份证号码为例，我们可能需要通过截取的方式，从身份证号码中提取出生年月日信息，以满足birthday字段的yyyyMMdd格式要求。

  • 通过一系列的数据转换和格式化操作，将原始数据转化为符合测试要求的格式或状态。

  • 这样，就能够更加高效、准确地执行测试，从而确保被测接口的功能正常且符合预期。

  • 这种处理的核心原理在于数据处理和转换的灵活性，它使得我们能够适应各种不同的测试场景和需求。

填写格式和操作类型
[{"变量名称": "被处理的变量名称","处理类型": "字符串截取","处理规则": "start_index:end_index:step_index","变量保存": "变量是否需要另存，如果为空则覆盖原变量"},{"变量名称": "被处理的变量名称","处理类型": "字符串替换","处理规则": "old_text:new_text","变量保存": "变量是否需要另存，如果为空则覆盖原变量"},{"变量名称": "被处理的变量名称","处理类型": "字符串计数","处理规则": "","变量保存": "变量是否需要另存，如果为空则覆盖原变量"},{"变量名称": "被处理的变量名称","处理类型": "正则表达式","处理规则": "正则表达式语句","变量保存": "变量是否需要另存，如果为空则覆盖原变量"},{"变量名称": "被处理的变量名称","处理类型": "仅保留数字","处理规则": "","变量保存": "变量是否需要另存，如果为空则覆盖原变量"},{"变量名称": "被处理的变量名称","处理类型": "JSONPath提取","处理规则": "JSONPath语句","变量保存": "变量是否需要另存，如果为空则覆盖原变量"}
]
数据动态替换策略

本框架在处理请求头、请求报文以及前后置SQL语句时，支持动态数据替换功能。在数据替换的过程中，每项数据都会经历两次扫描操作。

  • 第一次扫描所有形如${xxxx}的占位符：
    对于这些占位符，框架会尝试在公共变量池中查找与其同名的变量，并将这些变量的值替换到相应的占位符位置。

  • 第二次扫描所有形如${xxxx}的占位符：
    此时，框架会执行与占位符同名的内置函数，并将函数执行的结果替换到占位符上。
    同时，框架还会将占位符中的内容作为键（key），将函数执行的结果作为值（value），保存到公共变量池中，以便后续可能的使用。

如果经过这两次扫描和替换操作后，公共变量池和内置函数都无法完成某个占位符的替换，框架将会抛出一个异常错误，以提示用户存在无法处理的占位符或相关的配置问题。

在这里插入图片描述

自动生成testcase文件

在编写好Excel文件之后，可以直接执行 TestcaseAutomaticGenerate.py 会根据你设计的测试用例数据，进行构建独立testcase还是关联testcase。

在这里插入图片描述

安装教程

  1. 搭建 python 环境：Python安装 Pycharm安装
  2. 搭建 allure 环境：Allure安装 Java JDK安装

安装依赖库

如上环境如都搭建好，则安装本框架的所有第三方库依赖，执行如下命令

pip3 install -r requirements.txt

使用方法

  1. 在Excel文件中按照模板填写各类数据，框架会自动根据编写的测试用例数据生成pytest对应的testcase代码。
  2. 根据需求在config/setting.yaml文件中配置：logger、project、excel、email相关数据。
  3. 当Excel文件编写好之后，直接运行main.py主程序，执行所有自动化接口
  4. 在output/reports/html中会生成最新的测试报告
独立用例编写

请添加图片描述

关联用例编写

请添加图片描述

邮件通知

实现了测试用例执行通过率反馈、失败信息回溯、日志文件附件

在这里插入图片描述

测试报告

实现了非CI模式下，pytest中使用allure生成的报告，附有历史趋势信息

在这里插入图片描述

详细的记录了所有测试用例的执行过程和数据变化，让错误有迹可循

在这里插入图片描述

在这里插入图片描述

目录结构

├── common
│   ├── excel
│   │   ├── OpenpyxlUtils.py                Excel工具类1
│   │   └── PandasUtils.py                  Excel工具类2
│   ├── logger
│   │   └── LoggerUtils.py                  日志收集工具类
│   ├── mysql
│   │   ├── MysqlConnectionPool.py          Mysql数据库连接池  
│   │   └── MysqlOperationUtils.py          Mysql数据库增删改查工具类  
│   ├── oracle
│   │   ├── OracleConnectionPool.py         Oracle数据库连接池  
│   │   └── OracleOperationUtils.py         Oracle数据库增删改查工具类  
│   ├── AssertUtils.py                      响应内容断言工具类
│   ├── ConfigparserUtils.py                配置文件读写工具类
│   ├── DatetimeUtils.py                    时间日期工具类
│   ├── FileUtils.py                        文件或目录工具类
│   ├── JSONPathUtils.py                    JSON数据增删改查工具类
│   ├── RequestUtils.py                     HTTP网络请求工具类
│   ├── ShellUtils.py                       shell命令执行工具类
│   ├── YamlUtils.py                        yaml文件增删改查工具类
├── config
│   ├── setting.yaml                        框架整体配置
│   ├── database.ini                        数据库连接配置
│   ├── PathConfig.py                       框架内文件路径配置
├── output
│   ├── documents                           框架实现文档、策略文档
│   ├── logs                                执行日志
│   ├── reports                             测试报告
├── services                                
│   ├── core
│   │   ├── AllureCustormization.py         Allure报告定制化
│   │   ├── DatagramProcess.py              测试数据预处理
│   │   ├── EmailNotification.py            邮件通知
│   │   ├── TestcaseAutomaticGenerate.py    自动生成测试函数代码
│   ├── CheckInstanceType.py                报文类型检查
│   ├── ExtendedDecorator.py                扩展装饰器
│   ├── FakeDataHook.py                     造数函数封装
│   ├── RelevanceCaseData.py                测试数据组装
│   ├── ReplaceCaseData.py                  测试数据动态替换
│   ├── ResponseModel.py                    响应模型
├── testcase                                测试函数代码
│   ├── template                            
│   │   ├── single                
│   │   │   └── test_single_case.py         独立用例测试函数代码示例                      
│   │   ├── multiple                
│   │   │   └── test_multiple_case.py       关联用例测试函数代码示例    
├── testdata
│   ├── test_example.xlsx                   测试用例数据文件示例
├── tools
│   ├── allure-2.10.0.zip                   allure插件
│   └── ...
├── README.md                               帮助文档
├── pytest.ini                              pytest框架配置文件
├── main.py                                 运行入口
├── requirements.txt                        依赖库文档

请添加图片描述

依赖库

    allure-pytest==2.13.5allure-python-commons==2.13.5attrs==23.2.0certifi==2024.2.2chardet==4.0.0charset-normalizer==3.3.2cx_Oracle==8.3.0DBUtils==3.1.0et-xmlfile==1.1.0exceptiongroup==1.2.1execnet==2.1.1Faker==24.11.0idna==2.5iniconfig==2.0.0jsonpath==0.82.2jsonpath-ng==1.6.1numpy==1.26.4openpyxl==3.1.2packaging==24.0pandas==2.2.2pluggy==1.5.0ply==3.11PyMySQL==1.1.0pytest==8.2.0pytest-ordering==0.6pytest-repeat==0.9.3pytest-rerunfailures==14.0pytest-xdist==3.6.1python-dateutil==2.9.0.post0pytz==2024.1PyYAML==6.0.1requests==2.25.1six==1.16.0tomli==2.0.1tzdata==2024.1urllib3==1.26.5xlrd==2.0.1

这篇关于完美落地的自动化测试框架（pytest）：智能生成？业务依赖？动态替换？报告构建？你来，这儿有！的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1040009。

相关文章

Spring Cloud：构建分布式系统的利器

Spring Cloud：构建分布式系统的利器

引言 在当今的云计算和微服务架构时代，构建高效、可靠的分布式系统成为软件开发的重要任务。Spring Cloud 提供了一套完整的解决方案，帮助开发者快速构建分布式系统中的一些常见模式（例如配置管理、服务发现、断路器等）。本文将探讨 Spring Cloud 的定义、核心组件、应用场景以及未来的发展趋势。 什么是 Spring Cloud Spring Cloud 是一个基于 Spring
阅读更多...
乐鑫 Matter 技术体验日｜快速落地 Matter 产品，引领智能家居生态新发展

乐鑫 Matter 技术体验日｜快速落地 Matter 产品，引领智能家居生态新发展

随着 Matter 协议的推广和普及，智能家居行业正迎来新的发展机遇，众多厂商纷纷投身于 Matter 产品的研发与验证。然而，开发者普遍面临技术门槛高、认证流程繁琐、生产管理复杂等诸多挑战。  乐鑫信息科技 (688018.SH) 凭借深厚的研发实力与行业洞察力，推出了全面的 Matter 解决方案，包含基于乐鑫 SoC 的 Matter 硬件平台、基于开源 ESP-Matter SDK 的一
阅读更多...
android 带与不带logo的二维码生成

android 带与不带logo的二维码生成

该代码基于ZXing项目，这个网上能下载得到。 定义的控件以及属性： public static final int SCAN_CODE = 1;private ImageView iv;private EditText et;private Button qr_btn,add_logo;private Bitmap logo,bitmap,bmp; //logo图标private st
阅读更多...
移动硬盘盒：便携与交互的完美结合 PD 充电IC

移动硬盘盒：便携与交互的完美结合 PD 充电IC

在数字化时代的浪潮中，数据已成为我们生活中不可或缺的一部分。随着数据的不断增长，人们对于数据存储的需求也在不断增加。传统的存储设备如U盘、光盘等，虽然具有一定的便携性，但在容量和稳定性方面往往难以满足现代人的需求。而移动硬盘，以其大容量、高稳定性和可移动性，成为了数据存储的优选方案。然而，单纯的移动硬盘在携带和使用上仍存在诸多不便，于是，移动硬盘盒应运而生，以其独特的便携性和交互性，成为了数据存储
阅读更多...
Python应用开发——30天学习Streamlit Python包进行APP的构建（9）

Python应用开发——30天学习Streamlit Python包进行APP的构建（9）

st.area_chart 显示区域图。 这是围绕 st.altair_chart 的语法糖。主要区别在于该命令使用数据自身的列和指数来计算图表的 Altair 规格。因此，在许多 "只需绘制此图 "的情况下，该命令更易于使用，但可定制性较差。 如果 st.area_chart 无法正确猜测数据规格，请尝试使用 st.altair_chart 指定所需的图表。 Function signa
阅读更多...
智能客服到个人助理，国内AI大模型如何改变我们的生活？

智能客服到个人助理，国内AI大模型如何改变我们的生活？

引言 随着人工智能（AI）技术的高速发展，AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展，不少独创的技术点和实际应用令人瞩目。 那么，国内的AI大模型有哪些独创的技术点？它们在实际应用中又有哪些出色表现呢？此外，普通人又该如何利用这些大模型提升工作和生活的质量和效率呢？本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多
阅读更多...
基于 Java 实现的智能客服聊天工具模拟场景

基于 Java 实现的智能客服聊天工具模拟场景

服务端代码 import java.io.BufferedReader;import java.io.IOException;import java.io.InputStreamReader;import java.io.PrintWriter;import java.net.ServerSocket;import java.net.Socket;public class Serv
阅读更多...
【杂记-浅谈DHCP动态主机配置协议】

【杂记-浅谈DHCP动态主机配置协议】

DHCP动态主机配置协议 一、DHCP概述1、定义2、作用3、报文类型 二、DHCP的工作原理三、DHCP服务器的配置和管理 一、DHCP概述 1、定义 DHCP，Dynamic Host Configuration Protocol，动态主机配置协议，是一种网络协议，主要用于在IP网络中自动分配和管理IP地址以及其他网络配置参数。 2、作用 DHCP允许计算机和其他设备通
阅读更多...
将一维机械振动信号构造为训练集和测试集（Python）

将一维机械振动信号构造为训练集和测试集（Python）

从如下链接中下载轴承数据集。 https://www.sciencedirect.com/science/article/pii/S2352340918314124 import numpy as npimport scipy.io as sioimport matplotlib.pyplot as pltimport statistics as statsimport pandas
阅读更多...
FastAdmin/bootstrapTable 表格中生成的按钮设置成文字

FastAdmin/bootstrapTable 表格中生成的按钮设置成文字

公司有个系统后台框架用的是FastAdmin，后台表格的操作栏按钮只有图标，想要设置成文字。 查资料后发现其实很简单，主需要新增“text”属性即可，如下 buttons: [{name: 'acceptcompany',title: '复核企业',text:'复核企业',classname: 'btn btn-xs btn-primary btn-dialog',icon: 'fa fa-pe
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2