Appium-Desktop功能使用说明

本文详细介绍如何在Mac环境下使用Appium进行iOS应用的自动化测试,包括环境搭建、参数配置、异常处理及基本操作演示,适合iOS开发人员参考。

前言

上面一篇介绍了如何在Mac电脑集成基于Appium的IOS测试环境,如果你的电脑没有集成Appium环境,请参考我之前写的一篇文章:macos平台搭建基于Appium的IOS测试环境。一切准备就绪后方可进行下一步app的调试工作。

调试IOS APP

本文以Chrome为例,进行Appium-Desktop的功能演示,首先在启动appium页面配置如下参数:
在这里插入图片描述
参数配置完成后点击Start Session,需要注意的两个参数bundleIdudid值可以分别通过下面命令行进行获取:

# 获取iphone的udid
idevice_id -l
# 获取应用的bundleId
ideviceinstaller -l

其他更多的Desired Capabilities 请查询文档:官方配置文档说明

启动可能会出现的异常

Could not connect to server 的异常
在这里插入图片描述
解决方法为:选中Automastic Server选项即可。

Failed to install or launch the test runner 的异常
在这里插入图片描述
原因是Appium启动时会自动调用你的Xcode在真机上安装一个WebDriverAgentRunner的应用,我的电脑没有打开这个项目就进行报错。所以解决方法就是打开这个项目如下图所示:
在这里插入图片描述
然后再到你的iphone里面打开 设置=》通用=》设备管理=》信任开发者应用=》验证应用如下图所示:

点击信任即可如下图所示:

操作功能介绍

  • 点击元素

以点击元素功能为例,将页面分为下面四大部分如下图所示:
在这里插入图片描述

  1. 包含点击、输入值、清除等操作,下面简以访问百度网址为例:演示TapSend keys的使用。
    在这里插入图片描述
  2. 选择器定位元素的方式,一般通过下列选择器进行元素的快速定位,而选择器有以下几种方式:
Class Name

Accessibility Id

Link Text

Predicate

Class Chain

XPath

至于如何使用上面几种方式定位元素,这里打算放到后面再说。
3. 显示当前定位的一些属性值,如是否可见、是否可以点击、选择元素的坐标位置、以及高度和宽度等信息。
4. 是当前页面元素解析后的XML信息。

  • 根据坐标滑动
    加粗样式
    在页面上先点击一个起点坐标,然后在点击一个终点坐标。连线的长度以及方向即为滑动的长度和方向。
    在这里插入图片描述
  • 根据坐标点击
    在这里插入图片描述
    选中页面的坐标进行点击操作。
    在这里插入图片描述
  • 返回操作
    在这里插入图片描述
    点击相当于手机操作中的上一步操作。
  • 刷新截图
    在这里插入图片描述
    重新截取手机当前屏幕并刷新页面资源
  • 录制脚本
    在这里插入图片描述
    点击开始录制脚本后,对当前通过Appium操作手机的每一步都进行记录下来,下面将简单演示JAVA版本的脚本录制语言的生成。
    在这里插入图片描述
    当然了脚本语言除了支持java以外,还有下面几种语言如下图所示:
    在这里插入图片描述
  • 查找元素
    在这里插入图片描述
    在这里插入图片描述
    本文简单进行appium-desktop功能这里已经介绍完毕,对于我们开发人员来说更多需要关注的是IOS元素定位的方式,所以这里单独在写一篇关于IOS元素定位的博客,尽情期待。
内容概要:本文介绍了一种基于多目标粒子群算法(MOPSO)的微电网优化调度模型,综合考虑风能、光伏、储能系统、柴油发电机、燃气轮机以及与主电网之间的能量交互等多种分布式能源的协同运行。通过构建以运行成本最小化、碳排放最低化和系统可靠性最优化为目标的多目标优化模型,利用Matlab平台实现MOPSO算法求解,完成对微电网在不同运行场景下的能量管理与调度方案优化。该模型能够有效平衡经济性与环保性之间的关系,适用于含多类型分布式电源的复杂微电网系统,具有较强的工程应用价值和科研参考意义; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及工程技术人员,尤其适合从事微电网、智能电网、综合能源系统、可再生能源集成与优化调度等领域研究的专业人士; 使用场景及目标:①用于多能源耦合微电网系统的协同优化调度研究;②支持多目标智能优化算法在能源系统中的建模与求解实践,帮助用户掌握MOPSO在实际工程问题中的应用方法;③为学术论文复现、毕业设计、科研项目开发提供完整的代码实例与技术支撑; 阅读建议:建议读者结合Matlab代码与理论文档,深入理解目标函数构建、约束条件处理及Pareto最优解集生成机制,重点关注算法参数设置、多目标权衡分析与结果可视化,并可通过调整能源配置或引入新约束进行二次开发与创新研究。
内容概要:本文系统研究了基于模型预测控制(MPC)的滚动优化方法在微电网多时间尺度能量管理调度中的应用。通过构建包含风能、光伏、储能等多种分布式能源的微电网综合系统模型,充分利用MPC的前瞻性预测与滚动优化机制,实现对系统内部能量流的精细化、动态化调控。研究重点解决了新能源出力强不确定性带来的调度挑战,兼顾系统运行的经济性、稳定性与可靠性,在日前、日内及实时等多个时间尺度上实现了优化决策的协同。文中配套提供了完整的Python代码实现,涵盖模型构建、约束处理、目标函数设定与求解全过程,具有较强的可复现性与工程参考价值。; 适合人群:具备一定电力系统、优化理论基础和Python编程能力的研究生、科研人员及从事微电网、综合能源系统、能源互联网等领域研究的工程技术人员。; 使用场景及目标:①深入理解MPC在复杂能源系统调度中的核心原理与技术优势;②学习并复现多时间尺度滚动优化的完整建模与求解流程;③为微电网能量管理系统(EMS)的开发、相关学术研究或工程项目提供直接的算法实现参考与技术支撑; 阅读建议:建议读者结合所提供的Python代码进行逐行研读与调试,亲自动手修改系统参数、负荷曲线或新能源出力数据,以深刻体会MPC算法的动态响应特性与优化效果,进而在此基础上开展二次开发与创新性研究。
智能安防是依托人工智能、大数据、物联网等前沿技术构建的新一代安全防护体系,彻底打破了传统安防“被动监控、事后追溯”的局限。它不再是孤立的摄像头、门禁和报警器的简单组合,而是通过全域感知设备的互联互通,实现对人员、车辆、环境等多维度数据的实时采集与智能分析。从社区出入口的人脸无感通行、异常行为识别,到道路上的违章智能抓拍、重点区域的入侵预警,再到企业园区的消防隐患预判、设备故障自动告警,智能安防能在毫秒级完成风险研判,把安全防线从“事后处置”前移到“事前预防”。如今,它早已渗透到城市治理、居家生活、商业运营等各类场景,成为守护公共安全与私人空间的核心技术支撑。 不同于传统安防依赖人工盯守的高成本模式,智能安防凭借算法的持续迭代,不断拓展安全防护的边界。它可以通过对历史数据的深度挖掘,提前识别人群聚集、消防通道占用等潜在风险,联动公安、物业、应急等多部门快速响应,大幅降低安全事件的发生概率和处置时长。在老旧小区改造中,智能安防设备的加装解决了过去流动人口管理难、高空抛物溯源难等长期痛点;在家庭场景里,智能门锁、可视门铃、燃气泄漏报警器等设备组成的居家安防网络,让用户通过手机就能随时掌握家中安全状态。随着数字城市建设的推进,智能安防正从单一的安全工具,进化为构建智慧城市安全底座的关键组成部分,为人们的日常工作与生活筑牢更高效、更精准的防护屏障。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值