news 2026/2/17 4:14:36

揭秘appium滑动屏幕技巧—实现用户仿真动作的多重方式

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
揭秘appium滑动屏幕技巧—实现用户仿真动作的多重方式

🍅点击文末小卡片,免费获取软件测试全套资料,资料在手,涨薪更快

在移动端应用中,基于简便的原因,用户通常会倾向于使用滑动操作来达到与应用程序中的控件进行交互的,这使得滑动成为自动化测试中频繁使用的关键动作。在Appium中提供了多种方式来实现模拟用户的滑动屏幕动作。

滑动操作的场景

移动端应用中的滑动场景,大致有如下几种类型:

  1. 触摸事件模拟:滑动操作的基本原理是模拟用户触摸屏幕的行为。通过发送一系列的触摸事件,模拟用户按住、滑动和释放的动作,可以实现在屏幕上滑动的效果。

  2. 坐标计算:滑动操作通常涉及到起始点和终点的坐标计算,起始点表示滑动的起始位置,终点表示滑动的结束位置。这些坐标可以是相对于屏幕或特定元素的坐标。

  3. 惯性滑动:有些滑动操作在用户释放手指后还会继续滑动一段距离,模拟惯性滑动的效果,这通常需要在滑动过程中模拟逐渐减速的过程。

滑动的方式

swipe 方法

从一个点滑动到另一个点,可选择持续时间,具有滑动的惯性。需要的参数如下:

  • start_x:开始坐标 x。

  • start_y:开始坐标 y。

  • end_x:结束坐标 x。

  • end_y:结束坐标 y。

  • duration(可选):滑动持续的时间,默认为 0。

Python 实现

def test_swipe_views(self): # 从一个点滑动到另一个点,可选择持续时间 ''' start_x: 开始坐标 x start_y: 开始坐标 y end_x: 结束坐标 x end_y: 结束坐标 y duration: 持续时间 ''' # 点击进入 Views 界面 self.driver.find_element(AppiumBy.ACCESSIBILITY_ID, 'Views').click() # 获取窗口的宽和高 height = self.driver.get_window_size().get('height') weight = self.driver.get_window_size().get('width') # 执行滑动操作 self.driver.swipe(start_x=weight * 0.5, start_y=height * 0.8, end_x=weight * 0.5, end_y=height * 0.2, duration=2000) ele = self.driver.find_element(AppiumBy.ACCESSIBILITY_ID, 'Picker') # 断言滑动成功 找到元素 assert ele.text == 'Picker'
scroll 方法

从一个元素滑动到另一个元素,具有滑动的惯性。需要的参数如下:

  • origin_el:滑动的起始元素。

  • destination_el:滑动的结束元素。

Python 实现

def test_scroll_ele(self): ''' 从一个元素滑动到另一个元素 :return: ''' # 点击进入 Views 界面 self.driver.find_element(AppiumBy.ACCESSIBILITY_ID, 'Views').click() # 滑动起始元素 image_btn = self.driver.find_element(AppiumBy.ACCESSIBILITY_ID, 'ImageButton') # 滑动结束元素 button = self.driver.find_element(AppiumBy.ACCESSIBILITY_ID, 'Buttons') # 执行滑动操作 self.driver.scroll(image_btn, button, duration=2000) list_ele = self.driver.find_element(AppiumBy.ACCESSIBILITY_ID, 'Picker') assert list_ele.text == 'Picker'

总结

  • 滑动操作的场景

  • 使用 swip 方法滑动

  • 使用 scroll 方法滑动

最后感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

这些资料,对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!凡事要趁早,特别是技术行业,一定要提升技术功底。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/2/14 6:52:46

从此告别拖延,AI论文写作软件千笔·专业论文写作工具 VS 万方智搜AI

随着人工智能技术的迅猛发展,AI辅助写作工具已逐渐成为高校学生完成毕业论文的重要帮手。越来越多的专科生开始借助这些智能工具来提升写作效率、优化论文结构,甚至在文献检索与格式规范方面也获得专业支持。然而,面对市场上种类繁多、功能各…

作者头像 李华
网站建设 2026/2/12 1:59:45

MAC物理地址和IP网络地址有什么区别?

目录 一、什么是MAC地址二、什么是IP地址三、如何隐藏真实的MAC地址四、如何隐藏真实的IP地址 一、什么是MAC地址 MAC地址,全称为媒体访问控制地址(Media Access Control Address),是一种用于网络通信的唯一标识符。它是由IEEE 8…

作者头像 李华
网站建设 2026/2/12 3:41:38

Embedding模型深度解析:从词向量到语义空间的完整指南

本文深入剖析Embedding(嵌入)模型的核心原理,从最基础的词向量概念出发,详细讲解向量空间中的语义关系、相似度计算、训练方法,以及在搜索、推荐、RAG等场景中的实际应用。 一、什么是Embedding? 1.1 从One-Hot到Embedding 问题:计算机如何理解"猫"和"…

作者头像 李华
网站建设 2026/2/14 22:42:18

Substance P (2-11) (Deca-Substance P) ;PKPQPFFGLM-NH₂

一、基础信息 英文名称:Substance P (2-11) (Deca-Substance P)三字母序列:Pro-Lys-Pro-Gln-Gln-Phe-Phe-Gly-Leu-Met-NH₂单字母序列:PKPQPFFGLM-NH₂精确分子量:1191.46 Da等电点(pI):6.0~6.…

作者头像 李华
网站建设 2026/2/15 12:31:08

48 多源动态最优潮流分布式鲁棒优化:应对风光不确定性

48多源动态最优潮流分布式鲁棒优化 关键词:分布式鲁棒优化 风光不确定性 最优潮流 Wasserstein距离 仿真软件:matlabyalmipcplex 参考文档:《多源动态最优潮流的分布鲁棒优化方法》 主要内容:针对大规模清洁能源接入电网引起的系统…

作者头像 李华
网站建设 2026/2/12 12:59:48

空指针之痛:除了 if!=null,你还有更优雅的办法吗?

一、 序言:那个价值十亿美元的错误 在 Java 世界里,java.lang.NullPointerException(NPE)是每个开发者的宿命。它的发明者 Tony Hoare 曾公开道歉,称其为“十亿美元的错误”。 在生产环境中,NPE 往往意味着…

作者头像 李华