百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

Python「第二节」-制作RF框架的pip安装包

ccwgpt 2024-10-24 09:12 21 浏览 0 评论

之前已经分享过30篇RF框架相关的内容,其中一篇就是自定义的library,当时讲的相当于是离线版,今天呢,给大家分享一个在线版本。

所谓的在线版本,就是把本地的代码打成包,上传到pypi官网上,通过pip的方式安装到python环境,然后在编写case中就可以直接引用,而不用考虑路径的问题了。

或许会有人说,《Python「第一节」-制作自己的pip安装包》不是讲过了吗?但这个是不能直接在RF框架中用的,只能在python程序中使用;要在RF框架中使用,python编写的库就必须遵循RF的规则。

说实话我并没有去看RF编写Library时要遵循的规则,就是找了几个robot framework下的几个library去参考了下,依葫芦画瓢,目录结构差不多就行了;所以呢,风格最好跟人家保持统一,才会减少掉坑的几率。

本次编写代码的目录结构如下:

上图圈中的是重点,其他的一些文件可以忽略,下面就简单说明下

1.auto1031 是项目名称,与setup.py里面 的name字段一致即可

2.dist是项目的打包文件存放路径,auto1031目录下执行 python setup.py sdist时,自动生成的,里面的压缩包上传到pypi要用的

D:\RED_0.9.0\yckj\workspace\auto1031>python setup.py sdist

3.src一般是放源文件的,下面有个LgpDemo子文件夹

4.LgpDemo下面就是放具体的源代码了,比如里面有 __init__.py、rfdemo.py两个文件(LgpDemo.egg-info是自动生成的,可以先不用关心)

5.setup.py 第2步中生成的压缩包,要执行的就是这个文件


下面就把每个文件使用到的代码放出来,大家参考:


rfdemo.py

import os
import base64
class RfDemo(object):
# ROBOT_LIBRARY_VERSION = 1.0
 def __init__(self):
 pass
 def Base_64(self,PATH,IMGNAME):
 file_path = os.path.join(PATH,IMGNAME) #获取base_dir+'/image'文件夹内的文件
 f=open(file_path,'rb') #二进制方式打开图文件
 lsReadImage_f=base64.b64encode(f.read())#读取文件内容,转换为base64编码
 f.close()#关闭文件
 return lsReadImage_f

__init__.py

from LgpDemo.rfdemo import RfDemo
 
class LgpDemo(RfDemo):
 ROBOT_LIBRARY_SCOPE = 'GLOBAL'
 
 

setup.py

#!/usr/bin/env python
from setuptools import setup, find_packages
setup(
 name = 'auto1031',
 version = '0.0.4',
 description = 'library for Robot Framework',
 long_description = 'library for Robot Framework',
 author = 'ligaopan',
 author_email = 'ligaopan1984@163.com',
 url = 'https://github.com/ligaopan/lgp-library',
 license = 'MIT Licence',
 keywords = 'robotframework testing testautomation',
 platforms = 'any',
 python_requires = '>=3.7.*',
 install_requires = [],
 package_dir = {'': 'src'},
 packages = ['LgpDemo']
 )

下面展示下打包和上传包的示例



编写个RFcase脚本,测试下


testdemo1031.robot

*** Settings ***
Library LgpDemo 
*** Test Cases ***
test
 ${a} Base 64 C:\\Users\\xxxx\\Desktop\\ 9272.jpg 

运行一下,结果示例


相关推荐

详解DNFSB2毒王的各种改动以及大概的加点框架

首先附上改动部分,然后逐项分析第一个,毒攻掌握技能意思是力量智力差距超过15%的话差距会被强行缩小到15%,差距不到15%则无效。举例:2000力量,1650智力,2000*0.85=1700,则智力...

通篇干货!纵观 PolarDB-X 并行计算框架

作者:玄弟七锋PolarDB-X面向HTAP的混合执行器一文详细说明了PolarDB-X执行器设计的初衷,其初衷一直是致力于为PolarDB-X注入并行计算的能力,兼顾TP和AP场景,逐渐...

字节新推理模型逆袭DeepSeek,200B参数战胜671B,豆包史诗级加强

梦晨发自凹非寺量子位|公众号QbitAI字节最新深度思考模型,在数学、代码等多项推理任务中超过DeepSeek-R1了?而且参数规模更小。同样是MoE架构,字节新模型Seed-Thinkin...

阿里智能化研发起飞!RTP-LLM 实现 Cursor AI 1000 token/s 推理技术揭秘

作者|赵骁勇阿里巴巴智能引擎事业部审校|刘侃,KittyRTP-LLM是阿里巴巴大模型预测团队开发的高性能LLM推理加速引擎。它在阿里巴巴集团内广泛应用,支撑着淘宝、天猫、高德、饿...

多功能高校校园小程序/校园生活娱乐社交管理小程序/校园系统源码

校园系统通常是为学校、学生和教职工提供便捷的数字化管理工具。综合性社交大学校园小程序源码:同城校园小程序-大学校园圈子创业分享,校园趣事,同校跑腿交友综合性论坛。小程序系统基于TP6+Uni-app...

婚恋交友系统nuiAPP前端解决上传视频模糊的问题

婚恋交友系统-打造您的专属婚恋交友平台系统基于TP6+Uni-app框架开发;客户移动端采用uni-app开发,管理后台TH6开发支持微信公众号端、微信小程序端、H5端、PC端多端账号同步,可快速打包...

已节省数百万GPU小时!字节再砍MoE训练成本,核心代码全开源

COMET团队投稿量子位|公众号QbitAI字节对MoE模型训练成本再砍一刀,成本可节省40%!刚刚,豆包大模型团队在GitHub上开源了叫做COMET的MoE优化技术。COMET已应用于字节...

通用电气完成XA102发动机详细设计审查 将为第六代战斗机提供动力

2025年2月19日,美国通用电气航空航天公司(隶属于通用电气公司)宣布,已经完成了“下一代自适应推进系统”(NGAP)计划下提供的XA102自适应变循环发动机的详细设计审查阶段。XA102是通用电气...

tpxm-19双相钢材质(双相钢f60材质)

TPXM-19双相钢是一种特殊的钢材,其独特的化学成分、机械性能以及广泛的应用场景使其在各行业中占有独特的地位。以下是对TPXM-19双相钢的详细介绍。**化学成分**TPXM-19双相钢的主要化学成...

thinkphp6里怎么给layui数据表格输送数据接口

layui官网已经下架了,但是产品还是可以使用。今天一个朋友问我怎么给layui数据表格发送数据接口,当然他是学前端的,后端不怎么懂,自学了tp框架问我怎么调用。其实官方文档上就有相应的数据格式,js...

完美可用的全媒体广告精准营销服务平台PHP源码

今天测试了一套php开发的企业网站展示平台,还是非常不错的,下面来给大家说一下这套系统。1、系统架构这是一套基于ThinkPHP框架开发的HTML5响应式全媒体广告精准营销服务平台PHP源码。现在基于...

一对一源码开发,九大方面完善基础架构

以往的直播大多数都是一对多进行直播社交,弊端在于不能满足到每个用户的需求,会降低软件的体验感。伴随着用户需求量的增加,一对一直播源码开始出现。一个完整的一对一直播流程即主播发起直播→观看进入房间观看→...

Int J Biol Macromol .|交联酶聚集体在分级共价有机骨架上的固定化:用于卤代醇不对称合成的高稳定酶纳米反应器

大家好,今天推送的文章发表在InternationalJournalofBiologicalMacromolecules上的“Immobilizationofcross-linkeden...

【推荐】一款开源免费的 ChatGPT 聊天管理系统,支持PC、H5等多端

如果您对源码&技术感兴趣,请点赞+收藏+转发+关注,大家的支持是我分享最大的动力!!!项目介绍GPTCMS是一款开源且免费(基于GPL-3.0协议开源)的ChatGPT聊天管理系统,它基于先进的GPT...

高性能计算(HPC)分布式训练:训练框架、混合精度、计算图优化

在深度学习模型愈发庞大的今天,分布式训练、高效计算和资源优化已成为AI开发者的必修课。本文将从数据并行vs模型并行、主流训练框架(如PyTorchDDP、DeepSpeed)、混合精度训练(...

取消回复欢迎 发表评论: