Selenium2+python自动化62-jenkins持续集成环境搭建

简介: 前言 selenium脚本写完之后,一般是集成到jenkins环境了,方便一键执行。   一、环境准备 小编环境: 1.win10 64位 2.JDK 1.8.0_66 3.tomcat 9.

 前言

selenium脚本写完之后,一般是集成到jenkins环境了,方便一键执行。

 

一、环境准备

小编环境:

1.win10 64位

2.JDK 1.8.0_66

3.tomcat 9.0.0.M4

4.jenkins 2.0

 

二、安装JDK

1.安装JDK教程很多,这里就不讲了,可以参考这个链接的教程:JDK安装配置教程_百度经验

在系统环境变量里添加以下变量:

①JAVA_HOME:jdk的安装路径C:\Sun\Java\jdk

②CLASSPATH:“.;%JAVA_HOME%\lib;”

③Path:“;%JAVA_HOME%\bin”

2.检查环境是否成功(这一步很重要)

>>java -version

>>javac

(输入javac一定要看到中文的这些内容)

 

二、tomcat环境

1.打开百度网页,在百度搜索栏里输入关键子:tomcat,在查询结果里点击tomcat官网进行下载。(下软件一定要在官网下载,别乱下,小心塞木马)

2.安装过程,网上也有现成的:tomcat怎样下载安装如何配置环境变量_百度经验

3.tomcat环境变量

在系统变量中添加以下变量windows 7系统安装与配置Tomcat服务器环境_百度经验

1)新建TOMCAT_HOME变量

变量名TOMCAT_HOME

变量值d:\tomcat

变量值即为我们下载的tomcat解压路径,在这里我的是d:\tomcat

 

2)新建CATALINA_HOME变量

变量名CATALINA_HOME

变量值c:\tomcat

没错,CATALINA_HOME的变量值与TOMCAT_HOME的变量值是一样的。

 

3)修改变量Path

在系统变量中找到Path变量名,双击或点击编辑,在末尾添加如下内容

;%CATALINA_HOME%\bin;%CATALINA_HOME%\lib

这里要注意,各个变量值之间一定要用;分隔。

 

三、启动tomcat

1.启动Tomcat服务器

在cmd命令窗口下输入startup.bat回车,运行如下图所示

(装了环境变量就不用切换到目录了)

2.双击启动运行

3.Tomcat成功启动后,启动浏览器,在浏览器的地址栏里输入:http://localhost:8080/。然后回车。进入如下画面。此时表示Tomcat已经正确安装

 

四、jenins环境

1.Jenkins包分两种:

一种是setup.exe客户端包(这个双击跟装QQ一样,就不说了)

一种是war包

2.war包放到webapps下

 

3.启动jenkins

先重启tomcat:startup.bat,然后在浏览器输入http://localhost:8080/jenkins/

 

五、配置jenkins

1.新建一个job

2.输入项目名称

3.构建触发器

4.配置cmd指令

 

5.选择项目一键执行,启动自动化

(已购买此书的同学,可以在10.1章节,获取对应的jenkins视频教程)

 

学习过程中有遇到疑问的,可以加selenium(python+java) QQ群交流:646645429

也可以关注下我的个人公众号:

selenium+python高级教程》已出书:selenium webdriver基于Python源码案例(购买此书送对应PDF版本)

 

 

 

相关文章
|
23小时前
|
JSON 监控 调度
局域网管理软件的自动化任务调度:Python 中的 APScheduler 库的应用
使用 Python 的 APScheduler 库可简化局域网管理中的自动化任务调度。APScheduler 是一个轻量级定时任务调度库,支持多种触发方式如间隔、时间、日期和 Cron 表达式。示例代码展示了如何创建每 10 秒执行一次的定时任务。在局域网管理场景中,可以利用 APScheduler 定期监控设备状态,当设备离线时自动提交数据到网站,提升管理效率。
6 0
|
5天前
|
存储 安全 数据库
自动化密码填充:使用Python提高日常工作效率
自动化密码填充:使用Python提高日常工作效率
11 0
|
5天前
|
SQL 数据库 数据库管理
python自动生成SQL语句自动化
python自动生成SQL语句自动化
23 1
|
5天前
|
持续交付 Python
使用Python实现自动化Web内容巡检
使用Python实现自动化Web内容巡检
17 1
|
9天前
|
监控 测试技术 持续交付
Python自动化测试代理程序可用性
总之,通过编写测试用例、自动化测试和设置监控系统,您可以确保Python自动化测试代理程序的可用性,并及时发现和解决问题。这有助于提供更可靠和高性能的代理服务。
12 4
|
11天前
|
机器学习/深度学习 传感器 物联网
【Python机器学习专栏】机器学习在物联网(IoT)中的集成
【4月更文挑战第30天】本文探讨了机器学习在物联网(IoT)中的应用,包括数据收集预处理、实时分析决策和模型训练更新。机器学习被用于智能家居、工业自动化和健康监测等领域,例如预测居民行为以优化能源效率和设备维护。Python是支持物联网项目机器学习集成的重要工具,文中给出了一个使用`scikit-learn`预测温度的简单示例。尽管面临数据隐私、安全性和模型解释性等挑战,但物联网与机器学习的结合将持续推动各行业的创新和智能化。
|
11天前
|
机器学习/深度学习 Python
【Python 机器学习专栏】堆叠(Stacking)集成策略详解
【4月更文挑战第30天】堆叠(Stacking)是机器学习中的集成学习策略,通过多层模型组合提升预测性能。该方法包含基础学习器和元学习器两个阶段:基础学习器使用多种模型(如决策树、SVM、神经网络)学习并产生预测;元学习器则利用这些预测结果作为新特征进行学习,生成最终预测。在Python中实现堆叠集成,需划分数据集、训练基础模型、构建新训练集、训练元学习器。堆叠集成的优势在于提高性能和灵活性,但可能增加计算复杂度和过拟合风险。
|
11天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习中的Bagging与Boosting
【4月更文挑战第30天】本文介绍了集成学习中的两种主要策略:Bagging和Boosting。Bagging通过自助采样构建多个基学习器并以投票或平均法集成,降低模型方差,增强稳定性。在Python中可使用`BaggingClassifier`实现。而Boosting是串行学习,不断调整基学习器权重以优化拟合,适合弱学习器。Python中可利用`AdaBoostClassifier`等实现。示例代码展示了如何在实践中运用这两种方法。
|
11天前
|
机器学习/深度学习 算法 前端开发
【Python机器学习专栏】集成学习算法的原理与应用
【4月更文挑战第30天】集成学习通过组合多个基学习器提升预测准确性,广泛应用于分类、回归等问题。主要步骤包括生成基学习器、训练和结合预测结果。算法类型有Bagging(如随机森林)、Boosting(如AdaBoost)和Stacking。Python中可使用scikit-learn实现,如示例代码展示的随机森林分类。集成学习能降低模型方差,缓解过拟合,提高预测性能。
|
11天前
|
机器学习/深度学习 数据采集 算法
【Python机器学习专栏】自动化特征选择与优化的实践
【4月更文挑战第30天】特征选择在机器学习中至关重要,能降低模型复杂度,提高泛化能力和避免过拟合。本文介绍了自动化特征选择的三种方法:过滤法(如SelectKBest)、包装法(如RFE)和嵌入法(如随机森林)。通过结合这些方法,可实现特征优化,包括数据预处理、初步筛选、模型训练与评估、特征优化和结果验证。自动化特征选择能提升模型性能,适应不同数据集和任务需求,为机器学习项目提供坚实基础。