WedX - журнал о программировании и компьютерных науках

Как получить значение из контейнера закусочной с помощью сценария транспортира

введите здесь описание изображенияКак получить значение из контейнера Snack bar (используется в приложении angular ) из сценария транспортира. Существует страница входа в систему, когда в коде используются неверные учетные данные, всплывающее окно с использованием контейнера Snack bar, отображающее сообщение "Invalid credentials" и кнопку «ОК». Я хочу зафиксировать сообщение о недопустимых учетных данных. Как это сделать с помощью скрипта транспортира

protractor
14.02.2019

  • пожалуйста, предоставьте HTML закусочной 14.02.2019

Ответы:


1

Попробуй это:

const EC = protractor.ExpectedConditions;   
 const snackBar = element(by.tagName('simple-snack-bar'));
    browser.wait(EC.visibilityOf(snackBar), 30000);
    element(by.tagName('simple-snack-bar')).getText().then(function (val) {
          expect(val).toEqual('Invalid credentials');
        });
14.02.2019
  • во 2-й строке к чему относится ЕС? может вопрос глупый, помогите плиз 14.02.2019
  • EC относится к ожидаемому состоянию. protractortest.org/#/api?view=ProtractorExpectedConditions 14.02.2019
  • Большое спасибо............ все получилось........ gr8 помогите ребята.............. 14.02.2019
  • привет, пожалуйста, дайте мне знать, как отметить ваш ответ как принятый, подробные комментарии, затем, пожалуйста, считайте эти комментарии ПРИНЯТЫМИ 14.02.2019
  • Чтобы пометить ответ как принятый, нажмите на галочку рядом с ответом, чтобы переключить его с серого на заполненный. 14.02.2019
    • Новые материалы
    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    Для любых предложений по сайту: [email protected]