WedX - журнал о программировании и компьютерных науках

Как прикрепить снимки экрана в Pytest JUNIT xml, чтобы они отображались в Azure DevOps?

Как я могу автоматически добавлять скриншоты в JUNIT xml с помощью Pytest? Я хочу, чтобы к отчету были приложены скриншоты, сделанные во время выполнения тестов, но документация Pytest по этой части не очень ясна.

Кроме того, В документации по Azure DevOps говорится, что он может автоматически выгружать все сгенерированные файлы в виде вложений. Заменяет ли это необходимость прикреплять файлы вручную? Как он прикрепляет файл A к тесту X?

Заранее спасибо!


Ответы:


1

Я хочу, чтобы к отчету были приложены скриншоты, сделанные во время выполнения тестов.

Вы можете попробовать вызвать Создать приложение с результатами теста rest api для прикрепления снимков экрана к вкладке тестового приложения.

Пример сценария в задаче PowerShell:

$file= [IO.File]::ReadAllBytes("filepath\$Name.png")
$Base64file= [Convert]::ToBase64String($file)
echo $Base64file

$token = "PAT"

$url="https://dev.azure.com/{org}/{proj}/_apis/test/Runs/$(runId)/results/$($TestResultID)/attachments?api-version=6.0-preview.1"

$token = [System.Convert]::ToBase64String([System.Text.Encoding]::ASCII.GetBytes(":$($token)"))

$JSON = "
    {
       `"stream`": `"$Base64file`",
       `"fileName`": `"$Name.png`",
       `"comment`": `"Test attachment upload`",
       `"attachmentType`": `"GeneralAttachment`"
    }"
$response = Invoke-RestMethod -Uri $url -Headers @{Authorization = "Basic $token"} -Method Post -Body $JSON -ContentType application/json

Этот тикет содержит подробные инструкции, вы можете обратиться к это для деталей.

Кроме того, вы можете напрямую попробовать использовать задачу Publish screenshots for test failure из расширения Опубликовать снимок экрана с результатами теста.

Это расширение предоставляет задачу сборки для интеграции в конвейер непрерывной интеграции. Эта задача будет загружать снимки экрана в отчеты о результатах тестирования из источников, отличных от Visual Studio Test (TRX), например, из jUnit.

02.03.2021
Новые материалы

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..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]