Airtest Project 是为编写自动化脚本，达到提升测试效率的一整套解决方案。它可以轻松的扩展到多平台、多引擎上；如基础的 Android和IOS手机应用、App；Windows上的应用等。

学习使用 Airtest Project 很容易，由于 Airtest Project 是基于Python的，只需要会一点基础的 Python 基础知识即可。Airtest Project 需要一个开发环境，推荐使用配套的 AirtestIDE；AirtestIDE针对于 Airtest Project 有一些特殊的功能，使用别的环境可能会让你开发时工作繁琐，效率降低等。

Airtest Project 包含了两个框架，一个是 Airtest 一个是 Poco，这两个框架都是Python 的第三方库。在开发过程中，可以在开发时引入其它库加强你的脚本。

Airtest
是一个跨平台的、基于图像识别的UI自动化测试框架，适用于游戏和App，支持平台有Windows、Android和iOS——引于官方文档

Airtest 可实现“即看见可操作”，但是对文本内容的获取缺无能为力；这一点在官方文档中也有说明。这一点缺点也有解决办法：可通过引入文字识别库进行补缺，如：pytesseract。

使用 Airtest 进行自动化测试时，操作流程一般为：图片截取 → 图片对比 → 相似度与设定值对比 → 找出坐标位置 → 点击。默认情况下 Airtest 对于不同颜色的对比并不敏感，需要开启颜色对比。

在测试对象非原生App或无法取得项目源码时使用 Airtest 进行测试是个很好的选择。

Poco
是一款基于UI控件识别的自动化测试框架，目前支持Unity3D/cocos2dx-*/Android原生app/iOS原生app/微信小程序，也可以在其他引擎中自行接入poco-sdk来使用——引于官方文档

在已有项目源码或测试对象为原生App时使用Poco进行自动化测试，不仅满足可对文本的获取，而且相比 Airtest 更为简洁！本篇只讲解 Airtest 的操作。

AirtestIDE
是一个我们配套推出的跨平台的UI自动化测试编辑器，内置了Airtest和Poco的相关插件功能，能够使用它快速简单地编写脚本——引于官方文档

使用 AirtestIDE 将极大的简便我们的开发过程，对开发者非常友好。提供了截图及截图预览、可连接设备自动读取、高亮的编辑界面、脚本录制、支持设备远程连接并且在嵌入设备对象窗口实时刷新。

安装 AirtestIDE 后，打开 AirtestIDE ，打开模拟器中需要测试的App。
AirtestIDE 的设备窗口默认在可是界面的最右边。

在 AirtestIDE 中，界面元素可以拖拽，布置成你所喜爱的界面风格。假设一些窗口无意中关闭，可在窗口下拉选项中打开窗口。

连接设备只需要在移动设备的窗口下列表点击出现的设备信息中的connect，即可连接。

假设设备列表并未出现设备，点击刷新；

如果是使用真机设备请使用USB线连接手机，并且允许USB调试，之后刷新ADB。
远程连接需要只是IP及端口号，填入字段点击连接即可。
更多链接本文不再赘述。可查看官方文档

我当前使用的设备为模拟器设备，模拟器连接过程直接在出现的设备列中点击connect即可：

在 Airtest 开发中是以“.air”作为文件后缀。
连接设备后，查看代码：

其中 将Airtest的基本API引入，为之后编写做好准备。
查看可视窗口最左侧，有Airtest辅助窗与Poco辅助窗，本篇主要讲解Airtest。

首先尝试第一个操作touch，touch中文译为“触摸”，从命名上得知，这是个可实现“触碰”功能的操作。首先鼠标悬浮在 touch 选项处：

将会提示 touch 功能的相关信息，现在简单的尝试一下 touch 功能。
点击 touch ，把鼠标移动到设备窗，找到你想要实现点击的按钮，点下左键不放，进行拖拽选中，随后放手。

这时，代码编辑区将会出现 ，点击运行脚本，尝试使用：

运行效果如下：

从效果中可以看到 touch 将会找到与我们所选中的图形相似的图案，进行计算匹配，达到匹配的要求后，进行点击操作。

现在查看一下 touch 函数的实现，从中得到更多的信息，帮助我们进行脚本的开发；点击文件名，然后选择“打开当前文件项目目录”：

找到当前文件目录后，找到与文件名相同的 .air 文件，使用编辑器进行打开。
以下为编辑器打开该该文件后的代码：

在不经过 AirtestIDE 处理的代码中，图片的表现形式为路径，以及使用了 Template 作为处理，此处，Template 函数接收3个函数，分别为：图片路径 ecord_pos以及resolution。

在 Airtest api 文档中查询 Template 方法。

查看文档的值，刚刚使用的Template将会直接使用参数初始化一个类。

其中参数查看文档得知：

• filename：文件路径
• threshold：图像识别阈值，是用来判定一张图片识别是否成功的阈值，例如一张图片识别到的匹配度是0.65，而我们设置的threshold为0.7的话，Airtest会认为匹配失败，从而进行下一次匹配。
• target_pos：图像点击位置，当识别出一张图像后，Airtest将会默认去点击图像的正中心位置，有时我们希望它识别出图片后点击其他位置，可以通过修改target_pos属性来实现。
• rgb：切换彩色与灰度识别，在识别图像时，Airtest会先将图像转为灰度图再进行识别。因此假如有两个按钮，形状内容相同，只有颜色不同的情况下，Airtest将认为它们都是相同内容。
  通过勾选rgb选项，或在代码中加入rgb=True，可以强制指定使用彩色图像进行识别。
  其中参数，还差 record_pos 与 resolution；以下为Template类，查看文档得知：
• resolution：录制时的屏幕分辨率
• record_pos：录制时屏幕上的坐标

通过以上分析的值，在代码：

其中 resolution 为当前设备的分辨率为：540, 960；可是这和我设置的分辨率不一样，查看文档得知：“在使用不同分辨率的设备进行图像识别时，可能会导致识别成功率不佳，因此Airtest提供了默认的分辨率适配规则”。从中也得到了些许信息，如“使用缩放后是否不精确？”，当然，文档也给出了解决方案：“想要提高2d游戏的识别精度，最好的办法就是明确指定你的游戏的分辨率适配规则；下面的代码指定了一个自定义的缩放规则：直接return原来的值，不管屏幕分辨率，所有UI都不进行缩放。”，
代码如下：

这里的RESIZE_METHOD，即我们定义的custom_resize_method使用的输入参数为：

• w, h # 录制下来的UI图片的宽高
• sch_resolution # 录制时的屏幕分辨率
• src_resolution # 回放时的屏幕分辨率

以上分析得知，通过Template示例后一个对象，作为参数传给touch方法，那么touch方法应该进行剩下的图片查找及触摸操作；继续分析touch方法。

以下在文档中找到touch方法：

文档中说明，touch方法为在设备屏幕上执行触摸操作。参数有：

• 一个目标，这个目标可以是 Template 的实例或者是一个坐标；
• 执行多少次点击
• 按照平台的不同所需的不同参数
• 最终返回位点击的坐标
• 适用平台为 Android, 、Windows 、iOS

点击源代码查看实现：

经过之前的分析，得知 touch 将会执行查找图片和点击的操作；从实现中得知：
传入参数后，首先判断传入的对象 v 是否属于 Template对象，是这个对象，执行 loop_find方法，传入对象，设置超时为 ST.FIND_TIMEOUT，然后把查找得到的坐标给予 pos 变量。

之后使用循环实现点击，循环1次点击1次，循环2次点击2次，以此类推，调用G.DEVICE.touch 方法，传入 pos 及 kwargs 进行点击。
查看 G 类具体实现，G在helper中，查看helper：

其实在这里，已经注册过了设备，默认的编辑窗口已经隐藏了这个过程，我们点击新建文件可以看到 auto_steup()，该方法实现在 airtest.core.api 中，其中auto_steup()方法定义如下：

其中所需的 import_device_cls 方法在 airtest.core.helper中：

很清楚的看到，在 auto_setup 中有层级的调用了connect_device进行设备连接初始化，在connect_device中调用import_device_cls添加设备，随后使新设备在G类中赋值给G.DEVICE，最后传给G.DEVICE_LIST。

在这里出现了 DEVICE_LIST 给对多设备操作的方式有了可能性，当然 Airtest Project 本就是这么一个解决方案。在文档中就有多机协作的介绍。以下文字引于文档。

在我们的脚本中，支持通过 set_current
接口来切换当前连接的手机，因此我们一个脚本中，是能够调用多台手机，编写出一些复杂的多机交互脚本的。

在命令行运行脚本时，只需要将手机依次使用 --device Android:/// 添加到命令行中即可，例如:

当然多设备并行的方案现在也有很多之后补充。

最终，调用 airtest.core.android.android 中 touch 完成点击：

实现如下：

以上就是简单的一个 touch 完成的所实现的过程。

我们现在就来尝试开启颜色识别以及阀值设置：
增加 if 判断，判断是否存在图片，存在则点击，并且提高阀值以及开启颜色识别：

双击图片进行更改值：

去代码查看是否改动

最后优化一下，根据流程编写了如下脚本：

其中程序代码为：

运行结果如下：

以上脚本使用了 exists 断言，判断图片是否存在，存在返回 pos 坐标点，不存在返回False：

使用 exist 判断可以当做为脚本逻辑的一个分支，存在，则执行之后的操作，不存在。在使用 exist 时使用if，在同级下，多个if可以有效的让所有情况出现不交叉的分支，使脚本代码结构清晰是个不错的选择！

以上脚本还存在一个小尾巴，那就是在结尾处点击训练后，自动返回主目录。修改如下：

为了时脚本保持健壮性，我在点击训练意外情况找不到时，用了else语句，使其返回。
为了更好的深入理解脚本，我们查看一下 exists 的实现；exists 的实现在 airtest.core.api 中：

exists 将会在屏幕中查找目标，如果找到将会返回坐标值。
在这里我们已经是第二次看见 loop_find 方法，此方法是 Airtest 的核心方法。loop_find 方法实现于 airtest.core.cv :

文档 对于 loop_find 有些接口介绍：

query：截图对象
timeout：超时
threshold：阀值，也就是对比后的相似度的值，越大越难匹配，要求精度越高
interval：匹配相距时间
intervalfunc：失败后的响应

在执行 loop_find 时首先给个计时器计时，获取屏幕后验证屏幕是否为None，为None可能没连接上；屏幕获取无异常则，使用截图对象调用 match_in 方法，成功进行匹配返回坐标值，否则返回False。

其中主要方法为 match_in ，match_in 也在 airtest.core.cv : 中，定义如下：

_cv_match 如下：

其中在 match_in 中调用了 _cv_match，_cv_match 首先对图片 _imread() 进行CV2 处理，然后后面对图片进行压缩，应该是通过文档中所说的通过COSCOS的规则。然后根据一个策略遍历里面的算法进行计算，最后得到 ret 返回计算结果。（在深度就不会了，毕竟我不是搞测试的，点到为止）

Airtest 的核心浅显流程搞清楚了，我们得知，在进行 touch 及 exists 时都会进行 loop_find 合理的调整查询阀值和RGB开启可以有效的节省匹配时间。优化脚本，合理的把部分图片的RGB关闭以及部分图片阀值减小以提升脚本运行效率。
修改后脚本如下：（修改了2个按钮，降低了阀值及关闭了RGB）

运行结果（没有加倍数，确实快了很多）：

使用循环让程序一直挂机吧！
修改程序如下：

结果发现在程序正常运行后，逻辑出现错误，运行结果如下：

这时需要修改程序，把头盔的判断增加else分支，改为：

结果再次运行发现训练过后，第二次训练时间变成等待时间：

改为先判断后点击，头盔也是：

这次就很完美了：

那我再按照游戏左下角提示操作去完成另外的逻辑，一共2个分支在运行判断：

运行如下：
可能某些情况需要拖拽屏幕，这个使用需要使用：

使用 swipe 推荐对于坐标系不熟的使用录制脚本功能编写，通过这个功能，可以快速的写好脚本：

点击后，进入录制脚本状态，这个时候直接在屏幕上进行拖拽即可，记得幅度不要过大，不然在运行时导致滑动过多。