前言

从事测试工作已有4年了，期间通过python编写了很多自动化脚本，接下来的日子和大家分享一下测试工作上常用的python库，适合常年从事黑盒测试的同学了解一些入门级技巧。

UI响应时间评测~前身

就在昨天，服务端给测试提了一个评测需求，从APP点击到皮肤商城首页加载完成的时间，并对比竞品。如果只有前者，我们可以通过埋点的形式获取，但涉及竞品就只能通过视频数帧的形式了。

这个需求如果放在4年前，我的做法是这样的

1、取一款60FPS手机(若粒度精细可使用iPhone的慢动作，最高可达240fps)，使用支架固定，打开开发者指针位置；

2、取测试机放在镜头前，手动点击app，跳转完成后清除数据重复操作；

3、用KMplayer播放视频，按F键一帧一帧的计算图像变化，算出启用加载的总时长。

过程和结果一般会是这样的o(╥﹏╥)o

是的，数着数着就瞌睡了，然后从头再来\(^o^)/~

视频自动拆帧~opencv

如今，python可以完美的解决这种问题，今天给大家介绍可以实现拆帧的一个python库：opencv-python，通过视频拆帧的形式解决所有突发的不复用的评测需求。

以python3为例，首先安装python-opencv库：

pip install opencv-python

(注意：安装时的库名称是opencv-python，而不是python-opencv)

通过调用“adb shell screenrecord”录制一段操作视频(目前华为设备屏蔽了screenrecord接口，只能通过其他途径录制)，然后调用视频进行拆帧，并将图片保存在本地，代码如下：

import cv2# 打开目标视频video = cv2.VideoCapture("D:\\Test\\MyVideo_1.mp4")# 获取视频的帧率fps = video.get(cv2.CAP_PROP_FPS)fps_id = 1 # 记录帧数timeF = 1 # 隔几帧取一张图片image_id = 0 # 图片编号# rval：是否读取成功，frame：图片的内容rval, frame=video.read()while rval:if (fps_id%timeF == 0):image_id +=1print(image_id)# 保存图片到指定目录cv2.imwrite(r"D:\\Test\\img\%d.jpg"%image_id, frame)fps_id = fps_id+1cv2.waitKey(1)video.release()

结果如下：

文件夹设置超大图标，滚动找到起始点和结束点的图片，算得帧差，并乘以每帧的时间，就是我们要的结果了。

如果是复用性强的需求，还可以通过截取图片的特定部位，计算RGB色值/OCR识别文案，来判断起始位置，实现全自动化评测。

结语

opencv拆帧就介绍到这里，还在做黑盒手工评测的同学可以参考这个方法，并可以学习下RGB/OCR识别来辅助进行评测。