30、综合实战项目：从零搭建一个 ADB 自动化测试工具（需求分析、脚本编写、结果汇总）

终于到了最后一章。说实话，前面学了那么多 ADB 命令和脚本技巧，如果不把它们串起来做个真家伙，总觉得少了点什么。

这一章，我们就从零开始，搭建一个完整的 ADB 自动化测试工具。我会带着你走一遍完整的流程：先想清楚要做什么，再动手写脚本，最后把结果整理得漂漂亮亮。

需求分析：先想清楚再动手

我见过太多人上来就写代码，写到一半发现方向错了。我自己也吃过这个亏——有一次花了两天写了个自动化脚本，结果发现连最基本的设备连接检查都没做，跑起来全是报错。

所以，我们先花点时间做需求分析。这个工具要解决什么问题？说白了，就是帮我们自动完成重复性的测试工作，比如：

  • 批量安装/卸载应用
  • 自动执行 Monkey 压力测试
  • 抓取日志并分析关键信息
  • 生成测试报告

嗯，需求明确了。那工具应该长什么样？我个人习惯用 Python 写，因为它的 subprocess 模块调用 ADB 非常方便。你想想看，Python 加 ADB，简直就是自动化测试的黄金搭档。

核心需求清单：

  • 支持多设备并行测试
  • 可配置测试参数（如 Monkey 事件数、包名等）
  • 自动检测设备连接状态
  • 测试结果汇总为 HTML 报告
  • 错误日志自动截取保存

整体架构设计

先画个图，让你对整个工具的结构有个直观认识。这个图我改了好几版，最终定下来三层架构：

ADB 自动化测试工具架构图 用户交互层 config.yaml 配置文件 + 命令行参数 核心逻辑层 设备管理器 adb devices 检测 测试执行器 Monkey/安装/日志 结果收集器 logcat 抓取分析 ADB 驱动层 subprocess 调用 adb 命令

脚本编写：核心代码实现

架构清楚了，接下来就是动手写代码。我会把核心模块拆开来讲，每个模块都配上完整的代码示例。

1. 设备检测模块

这个模块负责检测连接的设备。我曾经遇到过一个问题：脚本跑了一半，设备突然断开了，结果后面的测试全白费了。所以，我习惯在每次执行测试前都做一次设备状态检查。

import subprocess
import re

def get_devices():
    """获取已连接的设备列表"""
    result = subprocess.run(['adb', 'devices'], capture_output=True, text=True)
    lines = result.stdout.strip().split('\n')[1:]
    devices = []
    for line in lines:
        if line.strip() and 'device' in line:
            device_id = line.split('\t')[0]
            devices.append(device_id)
    return devices

def check_device_online(device_id):
    """检查指定设备是否在线"""
    result = subprocess.run(
        ['adb', '-s', device_id, 'get-state'],
        capture_output=True, text=True
    )
    return result.stdout.strip() == 'device'

小技巧：用 adb -s <设备ID> 指定设备，可以避免多设备时的混乱。我一般会在脚本启动时打印出所有设备列表，让用户选择要测试的设备。

2. Monkey 测试执行模块

Monkey 测试是 Android 压力测试的标配。但直接跑默认参数很容易出问题——我记得有一次忘了设置包名，结果 Monkey 把系统应用也测了，手机直接卡死重启。

def run_monkey_test(device_id, package_name, event_count=5000):
    """在指定设备上运行 Monkey 测试"""
    cmd = [
        'adb', '-s', device_id, 'shell',
        'monkey', '-p', package_name,
        '--throttle', '200',
        '--ignore-crashes',
        '--ignore-timeouts',
        '-v', '-v', str(event_count)
    ]
    result = subprocess.run(cmd, capture_output=True, text=True, timeout=300)
    return result.stdout, result.stderr

注意：Monkey 测试默认会发送大量随机事件，建议加上 --throttle 200 参数，让每次操作间隔 200 毫秒。不然事件太快，设备反应不过来，容易产生假阳性崩溃。

3. 日志抓取与分析模块

测试跑完了，日志怎么处理？我见过有人直接扔给开发一个几百 MB 的 logcat 文件，开发看了直摇头。正确的做法是：自动过滤出关键信息，比如崩溃堆栈、ANR 日志等。

def capture_logcat(device_id, output_file, filter_keyword='FATAL|ANR|CRASH'):
    """抓取日志并过滤关键信息"""
    cmd = ['adb', '-s', device_id, 'logcat', '-d']
    result = subprocess.run(cmd, capture_output=True, text=True)
    
    with open(output_file, 'w', encoding='utf-8') as f:
        for line in result.stdout.split('\n'):
            if re.search(filter_keyword, line, re.IGNORECASE):
                f.write(line + '\n')
    
    return output_file

结果汇总：生成漂亮的测试报告

测试结果汇总，说白了就是要把数据变成人能看懂的东西。我个人习惯生成 HTML 报告，因为可以直接在浏览器里打开，还能加一些样式和交互。

下面是一个简单的报告生成函数：

def generate_report(device_id, test_results, output_path='report.html'):
    """生成测试报告"""
    html_content = f"""
    <!DOCTYPE html>
    <html>
    <head>
        <title>ADB 自动化测试报告</title>
        <style>
            body {{ font-family: Arial, sans-serif; margin: 20px; }}
            .pass {{ color: green; }}
            .fail {{ color: red; }}
            table {{ border-collapse: collapse; width: 100%; }}
            th, td {{ border: 1px solid #ddd; padding: 8px; text-align: left; }}
            th {{ background-color: #4CAF50; color: white; }}
        </style>
    </head>
    <body>
        <h1>测试报告 - {device_id}</h1>
        <table>
            <tr><th>测试项</th><th>结果</th><th>详情</th></tr>
    """
    
    for item in test_results:
        status_class = 'pass' if item['status'] == '通过' else 'fail'
        html_content += f"""
            <tr>
                <td>{item['name']}</td>
                <td class="{status_class}">{item['status']}</td>
                <td>{item['detail']}</td>
            </tr>
        """
    
    html_content += """
        </table>
    </body>
    </html>
    """
    
    with open(output_path, 'w', encoding='utf-8') as f:
        f.write(html_content)
    
    return output_path

完整脚本整合

把上面的模块拼起来，就是一个完整的自动化测试工具了。下面是一个简单的入口函数：

def main():
    # 1. 检测设备
    devices = get_devices()
    if not devices:
        print("没有检测到设备，请检查连接")
        return
    
    print(f"检测到 {len(devices)} 台设备：{devices}")
    
    # 2. 选择设备（这里简单起见，用第一台）
    device_id = devices[0]
    
    # 3. 执行测试
    print(f"开始在 {device_id} 上执行测试...")
    stdout, stderr = run_monkey_test(device_id, 'com.example.app', 10000)
    
    # 4. 抓取日志
    log_file = capture_logcat(device_id, 'crash_log.txt')
    
    # 5. 生成报告
    test_results = [
        {'name': 'Monkey 测试', 'status': '通过' if 'Monkey finished' in stdout else '失败', 'detail': stdout[:200]}
    ]
    report_path = generate_report(device_id, test_results)
    
    print(f"测试完成，报告已生成：{report_path}")

if __name__ == '__main__':
    main()

避坑指南：我曾经在生成报告时忘记处理编码问题，结果中文全变成了乱码。记得在打开文件时加上 encoding='utf-8'，不然 Windows 系统上很容易翻车。

测试结果示例

跑完一次测试后，生成的报告大概长这样：

测试项 结果 详情
设备连接检测 通过 设备 emulator-5554 在线
Monkey 压力测试 通过 执行 10000 事件，0 次崩溃
日志抓取 通过 抓取到 3 条警告日志
应用安装测试 失败 INSTALL_FAILED_UPDATE_INCOMPATIBLE

嗯，看到这个表格，你就能一目了然地知道哪些测试通过了，哪些出了问题。这就是自动化测试的意义——把重复劳动交给机器，把分析决策留给人。

说实话，这个工具虽然简单，但已经能覆盖日常工作中 80% 的自动化测试需求了。你完全可以基于这个框架，加上自己的业务逻辑，比如自动截图、性能数据采集等。记住，工具是死的，思路是活的。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →