从0开始python学习-35.allure报告企业定制

目录

1. 搭建allure环境

2. 生成报告

3. logo定制

4. 企业级报告内容或层级定制

5. allure局域网查看

1. 搭建allure环境

1.1 JDK，使用PyCharm

  1. 找到pycharm安装目录
  2. 找到java.exe
  3. 记下jbr目录的完整路径，eg: C:\Program Files\JetBrains\PyCharm Community Edition 2022.3\jbr\bin
  4. 将地址添加进入环境变量
  5. 重启

1.2 allure程序

  1. 下载地址：https://github.com/allure-framework/allure2/releases
  2. 解压到指定路径。eg: D:\study\allure-2.25.0\allure-2.25.0\bin
  3. 执行allure
  4. Path 追加allure安装路径
  5. 验证是否安装成功：在dos窗口和Pycharm（需要重启加载环境变量）中都需要验证：allure --version

2. 生成报告

2.1 生成临时的json格式的报告

addopts = -vs --alluredir=./temps --clean-alluredir
; --clean-alluredir生成临时报告并清除

2.2 生成HTML的allure报告

if __name__ == "__main__":
    pytest.main(['./test_study/test_fixture.py'])
    os.system("allure generate ./temps -o ./reports --clean") 
    # -o 指定输出测试报告路径
    # --clean 清空历史数据
    # ./temps 表示用来生成html的JSON临时文件目录
    # ./reports 表示html文件生成目录

3. logo定制

3.1 在D:\study\allure-2.25.0\allure-2.25.0\config目录下的allure.yml中配置自定义的logo插件【- custom-logo-plugin】

3.2 重新运行并生成allue报告

3.3 增加一个自己的logo文件并修改D:\study\allure-2.25.0\allure-2.25.0\plugins\custom-logo-plugin\static路径下的styles.css文件里面的样式（最好将需要修改的logo也放在custom-logo-plugin目录下）

.side-nav__brand {
  background: url('1.png') no-repeat left center !important; //将你需要的logo图片地址放在这里
  margin-left: 22px; //调整方位
  height: 90px; //调整大小
  background-size: contain !important;
}
//去掉图片后边 allure 文本
.side-nav__brand-text{
   display: none; 
}
//配置logo 后面的字体样式与字体大小
.side-nav__brand:after {
  content: "测试测试";
  margin-left: 18px;
  height: 20px;
  font-family: Arial;
  font-size: 13px;
}

 注：logo图片和文字可以同时存在，也可以只要一个

4. 企业级报告内容或层级定制

左边：

1. 项目名称（史诗）：@allure.epic("测试报告")

2. 模块名称（特性）：@allure.feature("测试模块")

3. 接口名称（分组）：@allure.story("测试接口")

@allure.epic('测试报告')
@allure.feature('测试模块')
class TestA:
    @allure.story('测试1')
    def test_1(self):
        print('11111')

    @allure.story('测试2')
    def test_2(slef):
        print('22222')

 将多个用例写到一个组：

@allure.story('测试1')
@allure.title('用例1')
def test_1(self):
    print('11111')

@allure.story('测试1')
def test_2(slef):
    allure.dynamic.title('用例2')
    print('22222')

4. 用例标题：@allure.title("用例1") or allure.dynamic.title('用例2') 两种方法都可以实现

@allure.title('用例1') //方法1
def test_1(self):
    print('11111')

@allure.story('测试2')
def test_2(slef):
    allure.dynamic.title('用例2') //方法2
    print('22222')

 右边：

1. 测试用例严重级别：@allure.severity(allure.severity_level.BLOCKER) //BLOCKER(致命)，CRITICAL（严重）,NORMAL(一般)，MINOR（提示），TRIVIAL（轻微），一般默认为NORMAL

@allure.severity(allure.severity_level.TRIVIAL)
@allure.story('测试3')
def test_3(slef):
    print('33333')

 2. 测试用例的描述：@allure.description("测试用例的描述")

@allure.description("测试用例的描述方法1")
@allure.title('测试4')
def test_4(slef):
    print('44444')

@allure.title('测试5')
def test_5(slef):
    allure.dynamic.description("测试用例的描述方法2")
    print('55555')

3. 接口访问链接：@allure.link("接口链接")

4. BUG链接：@allure.issue("bug链接")

5. 测试用例链接：@allure.testcase("用例链接")

@allure.story('测试6')
@allure.link('https://www.baidu.com/0',name='接口链接')
@allure.issue('https://www.baidu.com/',name='bug链接')
@allure.testcase('https://www.baidu.com/',name='用例链接')
def test_6(slef):
    print('66666')

6. 测试用例的操作步骤：allure.step("第"+str(i)+"步"):

@allure.story('测试1')
def test_7(self):
    for i in range(0,10):
        with allure.step("第"+str(i)+"步"):
            pass

7. 测试附件：allure.attach(body=content,name="错误截图",attachment_type=allure.attachment_type.PNG) //一般用于错误截图（常用于web自动化测试）

@allure.story('测试1')
def test_8(self):
    # 附件上传需要使用二进制，可以是图片，可以是文本，可以是其它文件
    with open(r'D:\study\allure-2.25.0\allure-2.25.0\plugins\custom-logo-plugin\static\1.png',mode='rb') as f:
        content = f.read()
        allure.attach(body=content,name='错误截图',attachment_type=allure.attachment_type.PNG)

8. 文本内容的定制：一般应用于接口自动化

@allure.story('测试1')
def test_9(self):
    # 请求
    allure.attach('https://www.baidu.com/0',name='接口地址',attachment_type=allure.attachment_type.TEXT)
    allure.attach('接口参数，一般从yaml中获取',name='接口参数',attachment_type=allure.attachment_type.TEXT)
    allure.attach('请求方式：get/post',name='请求方式',attachment_type=allure.attachment_type.TEXT)
    allure.attach('请求头，一般从yaml中获取',name='请求头',attachment_type=allure.attachment_type.TEXT)

    # 响应
    allure.attach('响应文本，一般从yaml中获取', name='响应文本', attachment_type=allure.attachment_type.TEXT)
    allure.attach('执行结果：成功/失败', name='执行结果', attachment_type=allure.attachment_type.TEXT)

9. 数据驱动：

@allure.story('测试1')
@pytest.mark.parametrize('x', ['这是第1个测试值', "这是第2个测试值"])
def test_a(self,x):
    print(f'test_a中的X值为{x}')

 由于使用数据驱动，用例标题会展示参数数据化驱动中的所有参数，若不想要显示则需要修改allure配置

# 修改前
test_result.parameters.extend(
    [Parameter(name=name, value=represent(value)) for name, value in params.items()
     if name not in current_param_names])
     
# 修改后 （将列表内容去除即可）     
test_result.parameters.extend([])

5. allure局域网查看

局域网（内网）：allure open ./reports

if __name__ == "__main__":
    pytest.main(['./test_study/test_allure.py'])
    os.system("allure generate ./temps -o ./reports --clean")
    os.system("allure open ./reports")

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/268283.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

有关List的线程安全、高效读取：不变模式下的CopyOnWriteArrayList类、数据共享通道:BlockingQueue

有关List的线程安全、高效读取：不变模式下的CopyOnWriteArrayList类、数据共享通道:BlockingQueue

有关List的线程安全 队列、链表之类的数据结构也是极常用的，几乎所有的应用程序都会与之相关。在java中， ArrayList和Vector都使用数组作为其内部实现。两者最大的不同在与Vector是线程安全的。 而ArrayList不是。此外LinkedList使用链表的数据结构实现…
阅读更多...
C/C++图形化编程（2）

C/C++图形化编程（2）

归纳编程学习的感悟， 记录奋斗路上的点滴， 希望能帮到一样刻苦的你！ 如有不足欢迎指正！ 共同学习交流！ 🌎欢迎各位→点赞 👍 收藏⭐ 留言​📝 站在巨人的肩上是为了超过巨人&#x…
阅读更多...
040、全卷积

040、全卷积

之——FCN 目录 之——FCN 杂谈 正文 1.FCN 2.实现 杂谈 FCN（Fully Convolutional Network）是一种深度学习网络架构，专门设计用于语义分割任务。传统的深度学习网络如卷积神经网络（CNN）在处理图像时通常用于分类…
阅读更多...
Spring Boot学习随笔- 第一个Thymeleaf应用（基础语法th:，request、session作用域取值）

Spring Boot学习随笔- 第一个Thymeleaf应用（基础语法th:，request、session作用域取值）

学习视频：【编程不良人】2021年SpringBoot最新最全教程 第十五章、Thymeleaf Thymeleaf是一种现代化的服务器端Java模板引擎，专门用于Web和独立环境。Thymeleaf在有网络和无网络的环境下皆可运行，即可以让美工在浏览器查看页面的静态效果&am…
阅读更多...
2023年12月16日~12月22日（自适应反馈机制下基于卷积神经网络的高清晰反射波反演算法：CNN-RWI）

2023年12月16日~12月22日（自适应反馈机制下基于卷积神经网络的高清晰反射波反演算法：CNN-RWI）

标题：Adaptive Feedback Convolutional-Neural-Network-Based High-Resolution Reflection-Waveform Inversion 全波形反演（FWI）是一种非线性拟合观测地震记录从而获得高清晰速度模型的最优化算法。FWI能够通过拟合浅层初至波和反射波获得较准…
阅读更多...
1.数字反转

1.数字反转

题目 AC import java.util.Scanner;public class Main {public static void main(String[] args) {Scanner sc new Scanner(System.in);int n sc.nextInt();if(n>0) {StringBuilder str new StringBuilder();str.append(n);StringBuilder str1 str.reverse();String st…
阅读更多...
视频号小店无货源怎么做？难不难？一篇文章告诉你答案！

视频号小店无货源怎么做？难不难？一篇文章告诉你答案！

大家好，我是电商糖果 视频号从去年开始做电商，就有朋友问过糖果可以做无货源模式吗？ 糖果做无货源电商已经七年了，做过天猫，京东，闲鱼，抖音小店。 根据糖果这些年做电商总结出来的经验&#…
阅读更多...
机密计算容器前沿探索与 AI 场景应用

机密计算容器前沿探索与 AI 场景应用

作者：壮怀、朱江云 企业与个人对数据隐私保护日益关切，从数据，网络的可信基础设施扩展到闭环可信的计算基础设施，可信的计算，存储， 网络基础设施必定成为云计算的标配。 机密计算技术应运而生，…
阅读更多...
EFCore8分析类图映射到代码和数据库的示例

EFCore8分析类图映射到代码和数据库的示例

借用微软EFCore8官方的示例，我画了张类图： blog（博客）与Post（文章）是1对多的关系，显式表达出两者间是双向导航：双方都可见。 Post（文章）与Tag（标…
阅读更多...
python（上半部分）

python（上半部分）

第一部分 1、input()语句默认结果是字符串 2、type()可以判断变量的类型 3、input()输出语句 （默认为字符串类型） 4、命名规则：中文、英文、数字、_，数字不可开头，大小写敏感。 5、 %s：将内容转换成…
阅读更多...
Java期末复习题之选择题理论综合

Java期末复习题之选择题理论综合

点击返回标题->23年Java期末复习-CSDN博客 选择题考察内容为—— 构造函数的描述，在文件中写入字符而不是字节选用什么类，java源文件import, class定义以及package的顺序，静态成员变量作用域，非抽象子类的接口实现，…
阅读更多...
实现打印一个数字金字塔。例如：输入5，图形如下图所示

实现打印一个数字金字塔。例如：输入5，图形如下图所示

1*12**123***1234**** 12345*****#include<stdio.h> void main() {int i,j,l,n,k;scanf("%d",&n);/**********Program**********//********** End **********/ } 当我们拿到这个题目的时候可以看见题目给了我们五个变量&#xff0c;其中n是我们输入的数…
阅读更多...
Elasticsearch 写入优化探索：是什么影响了refresh 耗时？

Elasticsearch 写入优化探索：是什么影响了refresh 耗时？

1、问题背景&#xff1a; 数据写入后&#xff0c;refresh耗时过长&#xff0c;能达到1s-5s。 想通过测试&#xff0c;探索确认影响refresh的因素&#xff0c;比如&#xff1a;写入操作是新增还是更新&#xff0c;deleted文档占比是否有影响&#xff0c;是否有其他索引配置&…
阅读更多...
一、网络ensp安装

一、网络ensp安装

一、网络ensp安装https://blog.csdn.net/G_GUi/article/details/135176493 文章目录 一、下载4个软件安装二、工具栏常用图标 一、下载4个软件安装 前面3个软件必须要安装&#xff0c;不然用不了ensp https://pan.baidu.com/s/1kV7cL–BEbgANwSrZJ5t1Q?pwdqqqq 二、工具栏常…
阅读更多...
【XML】TinyXML 详解（一）：介绍

【XML】TinyXML 详解（一）：介绍

【C】郭老二博文之&#xff1a;C目录 1、简介 优点&#xff1a; TinyXML 是一个简单、小型的 C XML 解析器&#xff0c;可以轻松集成到项目中。 TinyXML 解析 XML 文档&#xff0c;并根据该文档构建可读取、修改和保存的文档对象模型 (DOM) TinyXML 是在 ZLib 许可下发布的&a…
阅读更多...
AI一键注释代码、阅读整个项目、转换编程语言。已开源！

AI一键注释代码、阅读整个项目、转换编程语言。已开源！

获取github源码地址和国内url、key方式&#xff1a;在文章底部 大家好今天给大家介绍一款开源项目&#xff0c;这个项目是由渡码维护的&#xff0c;这个项目支持自己的大模型和使用openai两种方式&#xff0c;本文章介绍使用openai的方式&#xff01; 使用过程中发现两个问题…
阅读更多...
Java 第16章 坦克大战1-2 思路整理

Java 第16章 坦克大战1-2 思路整理

文章目录 1 绘制坦克坦克画板Panel画框Frame 2 让坦克动起来画板Panel 3 本章作业 1 绘制坦克 坦克 不同坦克有共同属性&#xff0c;可以先提取共同特征&#xff08;坐标位置&#xff09;作为父类&#xff0c;然后其他坦克类继承它。 画板Panel 有坦克在画板上显示&#xf…
阅读更多...
四. 基于环视Camera的BEV感知算法-PETR

四. 基于环视Camera的BEV感知算法-PETR

目录 前言0. 简述1. 算法动机&开创性思路2. 主体结构3. 损失函数4. 性能对比5. PETRv2总结下载链接参考 前言 自动驾驶之心推出的《国内首个BVE感知全栈系列学习教程》&#xff0c;链接。记录下个人学习笔记&#xff0c;仅供自己参考 本次课程我们来学习下课程第四章——基…
阅读更多...
[MySQL binlog实战] 增量同步与数据搜索～从入门到精通

[MySQL binlog实战] 增量同步与数据搜索～从入门到精通

学习基础知识&#xff0c;并落实到实际场景&#xff08;增量同步数据搜索&#xff09; 对基础知识不感兴趣的&#xff0c;可以直接跳到应用场景 文章目录 binlog是什么简介产生方式文件格式statementrowmixed 怎么办开启 binlog查看 binlog其他查看相关命令运维查看 binlog设置…
阅读更多...
mysql8.x版本_select语句源码跟踪

mysql8.x版本_select语句源码跟踪

总结 源码基于8.0.34版本分析&#xff0c;函数执行流程含义大致如下&#xff1a; do_command 方法从连接中读取命令并执行&#xff0c;调用 dispatch_command 对命令进行分发。dispatch_command 调用 mysql_parse 对命令进行解析&#xff0c;如果遇到一条语句用 ; 分隔多条命…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站