1.使用appium框架
由于appium比較熟悉，想著使用appium框架來統(tǒng)計時長
使用adb來啟動app，啟動后計時，然后循環(huán)查找首頁特定的某個元素蜕提，一旦找到停止計時，然后計算時差來得出app的啟動時長
理想很豐滿靶端，現(xiàn)實很骨感谎势，通過代碼實現(xiàn)來看，查找元素是需要時間的
long start = System.currentTimeMillis();
//啟動后查找首頁元素杨名，找到后計算時間
long end=0;
int i=0;
while (true) {
try {
WebElement ll = driver.findElement(By.xpath("http://android.widget.TextView[@text='立即清理']"));
// if (ll.get(1).getText().equals("立即清理")) {
end = System.currentTimeMillis();
System.out.println(ll.getText()+"::"+i);
// ll.click();
break;
// }
}catch (Exception e) {
System.out.println((System.currentTimeMillis()-start)+":::"+i);
}
i++;
}
代碼執(zhí)行結(jié)果來看脏榆，當在首頁進行findelement的時候，由于首頁控件很多台谍，導(dǎo)致查找變慢找到元素就需要1400ms须喂，而app的熱啟動在幾百毫秒內(nèi)，根本無法滿足需求……
由此看來趁蕊，此方式無法實現(xiàn)坞生，主要原因是查找元素需要耗時，耗時超過了啟動時間介衔，這還統(tǒng)計個球……
2.暫時沒有想到其他方式，好像只能是通過錄屏的方式來實現(xiàn)了
最早接觸的錄屏方式是通過手動錄屏骂因，就是拿個手機或攝像頭炎咖，將app啟動的全程錄下來，然后對視頻進行分幀，找到起始點乘盼，計算總時長升熊。啟動時長又分冷啟動和熱啟動，而且還需要多次的數(shù)據(jù)來求平均绸栅，所以手動錄制和分幀的工作有些麻煩级野。
暫時制定的規(guī)則是冷啟動和熱啟動各5次，來求平均值
將手動改為自動粹胯，是自動化測試的最終目的
新接觸到的采集工具蓖柔，是通過腳本的方式來實現(xiàn)的
1.使用adb start命令來啟動app
2.使用screenrecord命令來開始錄屏
3.將screenrecord錄制時間設(shè)為5s或6s，錄屏結(jié)束后风纠，拷貝到電腦本地
4.使用FFmpeg框架况鸣，來對視頻進行每秒60的分幀(分幀后視頻的幀數(shù)會很大，影響后邊圖片對比的速度竹观，個人覺得沒必要進行分幀）
5.分幀后生成一個新的視頻镐捧，使用stagesepx框架來進行圖片對比，框架基于opencv進行圖片對比臭增，添加了分組算法懂酱，將視頻分為動態(tài)組和靜態(tài)組，app啟動的視頻誊抛，最開始一組肯定是在桌面靜態(tài)的列牺，當app打開時是靜態(tài)的，查找靜態(tài)組的end時間芍锚，即作為啟動app的開始時間昔园，然后查找對比成功的靜態(tài)組，某個組存在該圖片并炮，則說明app進入了首頁并且渲染完畢了（因為是靜態(tài)了）默刚，此為終點
cutter = VideoCutter()
res = cutter.cut(video)#將視頻進行分幀
print('開始判斷狀態(tài):')
stable, unstable = res.get_range()#獲取到靜止和動態(tài)的所有分組
print('simmmmmm:', stable)
for item in stable[:]:#遍歷靜止的所有分組
# print(item.start_time, '-->', item.end_time, flush=True)
print("ssssssss：：：", item)
# 檢查最后一個階段中是否包含圖片 template.png
res = item.contain_image(template)
# print(res, flush=True)
# eg. {'target_point': [550, 915], 'target_sim': 0.9867244362831116, 'ok': True}
print('simmmmmm:', res['target_sim'])
if res['target_sim'] > 0.7:
print('starttime::::', item.start_time, 'endtime:', stable[0].end_time)
return item.start_time - stable[0].end_time #對比成功的靜止分組-第一個靜止分組的end時間（也就是在桌面的時間)
