A. python怎样做性能测试
利用profile分析相关的独立模块,python内置了丰富的性能分析工具，profile，cProfile与hotshot等。其中Profiler是python自带的一组程序，能够描述程序运行时候的性能，并提供各种统计帮助用户定位程序的性能瓶颈。Python标准模块提供三profilers:cProfile，profile以及hotshot。profile是python的标准库。可以统计程序里每一个函数的运行时间，并且提供了多样化的报表。使用profile来分析一个程序很简单，profile可以直接用python解释器调用profile模块来剖分py程序，如在命令行界面输入如下命令：
B. 基于python的自动化测试框架有哪些
好象python的浏览器测试框架，原来只有一个，还是仿ruby的框架做的。似乎在IE上可以比较好的应用。很老的框架。对JS支持不好。
不过python写个测试框架真是非常容易的事情，随手就来。 基于浏览器测试也容易做。因为你可以使用pyqt，这个库里有一个基于webkit的浏览器。基本上，想做什么都可以了。
最近听说有几个新的BDD的框架正在做。也不知道怎么样。
其实对于python这种语言来说，框架的成本太低。所以最好不要做框架。它有一个基本的编程原则则DRY。do not repeat yourself。不要再造轮子的意思。
直接使用现有的python的testsuite结合进程，线程模型，还有QT轻松就组装出一个测试模块。
C. 当前PYTHON常用的测试框架有哪些
从GitHub中整理出的15个最受欢迎的Python开源框架。这些框架包括事件I/O，OLAP，Web开发，高性能网络通信，测试，爬虫等。 Django: Python Web应用开发框架 Django 应该是最出名的Python框架，GAE甚至Erlang都有框架受它影响。
D. python已经自动化了，大家一般用什么测试框架
首先我们需要明白自动化测试框架更倾向于一种设计思想 ，这种思想指导工具的使用或者自研开发，并且不是只能使用仅仅一种框架，结合被测系统本身特性一般是选择多种测试框架的组合，来满足测试和设计需求(开发、维护角度)。
录制回放测试框架
录制回放测试框架所采用的原理是通过录制应用程序产生的线性脚本进行回放从而达到自动化测试的目的。
优点：对测试人员测试开发能力要求最低，通过录制就可以得到所需脚本。
缺点：一般不具有逻辑判断的能力 ，可维护性差 ，效率低。
适应场景：不推荐，传统的UI自动化测试逐步弱化。关于U自动化，一定要清楚 被测系统是否满足开展自动化的条件，在被测系统变动频繁的项目中，开展UI自动化无疑是挖了一个很大的坑，其后期维护工作足以让大心疲惫，被迫放弃自动化测试。
测试库构架框架(The Test Library Architecture Framework )
测试库构架框架的核心思想可以概括为系统功能操作和业务逻辑的解耦。将所有的针对测试系统支持的功能操作封装在测试库中，测试脚本调用测试库的同时传递外部的测试数据，测试库的编写由自动化测试发工程编写(可以不懂业务)，负责控件的变更和维护， 测试脚本的编写可由对业务比较掌握的自动化测试开发工程编写，负责业务逻辑、测试数据的变更和维护。
优点：被测试系统无论是哪层发生变化(代码层或业务层等)，只需要相应的人员进行变更维护即可。
缺点：变更引起的维护工作同时附加在自动化测试开发工程师与业务测试人员身上，维护代码建级大。
适应场景：基于各种自动化开展方式(基于工具如Jemet或不基于工具的自研研发+持续集成)一般都会应用该框架。
数据驱动的自动化测试框架( The Data-Driven Testing Framework )
数据驱动的核心思想可以概括为数据(测试数据、配置数据)与代码解耦。该种框架的原理是采用了数据驱动脚本进行测试，数据驱动脚本是将数据输入存储在独立的数据文件中，脚本只存代码，运行时脚本的输入直接从文件中读取，如此相同的脚本(代码模版)可以运行于不同的测试用例中，实现了代码与数据的分离。
优点：对于业务人员由面向代码的开发转换为面向配置的设计(参数组合设计)， 降低了开发难度与开发成本，同时提高了测试用例的易扩展性，可以快速扩展相似测试，实现了自动化代码不随用例的增长而增
缺点：测试脚本的维护由自动化测试开发工程师负责，要求懂自动化编程和业务逻辑，初始测试脚本设计成本较大，具有一定局限性 (针对相同的测试内容并具有相同的测试逻辑).
适用场景：更适应于测试内容测试逻相重复度高，被测对象对测试用例易扩展性、可复用性要求较高的场景。
关键字或表驱动的自动化测试框架(The Keyword-Driven or Table-Driven Testing Framework )
关键字驱动是对数据驱动的逻相扩展，它的核心思想可以概括为数据代码流程(逻辑)解耦，同时完成了代码与测试描述(针对被测对象的测试描述)的映射。该框架的原理是基于数据驱动的基础上，完成了对被测对象的拆分、抽象、 封装使之映射成个个“关键词” (测试描述)，编写测试用例时，仅需要对关键词进行组合 ，即可完成不同场景的测试用例开发。
优点:对于业务手工测试人员，由面向代码或配置的开发转化为面向自然语言(测试描述)的开发，最大程度的降低了开发难度与维护成本，同时提高了测试用例的易扩展性、易组织性，实现了自动化代码不随用例的增长而增多。
缺点:对测试人员的测试开发能力以及业务了解程度要求很高。
适用场景:被测对象包含复杂业务流程(逻辑)，当然复杂的能做简单的更ok。
了解 更多可以看着这篇文章，希望对你有所帮助，欢迎关注、点赞支持。
https://www.toutiao.com/i6616242076721873416/
E. Python BDD自动化测试框架有哪些
Python自动化测试框架比较有名的就是python+selenium，还有单元测试框架PyUnit，还有一个叫做Robot Framework的自动化测试框架，大大小小的有很多
BDD顾名思义Behavior Driven Development，译作"行为驱动开发"，是基于TDD(Test Driven Development 测试驱动开发)的软件开发过程和方法。BDD可以让项目成员（甚至是不懂编程的）使用自然语言来描述系统功能和场景，从而根据这些描述步骤进行系统自动化的测试。
BDD的自动化测试框架的话，目前应用最好的是Ruby下的Cucumber，Python下有类似的Behave、Lettuce及Freshen等，这三个都差不多，个人推荐Behave
可以网络这篇文章（我写的）：Python BDD自动化测试框架初探
F. 如何搭建python自动化测试框架
Auty文件夹结构介绍
1. actions文件夹：包含了和业务相关的包含可复用方法的脚本文件，根据业务的不同可以在actions文件夹下创建不同的业务文件夹；
2. constants文件夹：包含了常量初始化的python脚本文件，根据业务划分可以再创建子文件夹或多个常量文件；
3. data文件夹：包含了测试用的数据；
4. lib文件夹：包含了支持框架运行的python文件；
5. log文件夹：包含了运行测试过程中生成的日志文件；
6. results文件夹：包含了测试结果文件；
7. scripts文件夹：包含了scripts文件夹和selections文件夹；
1）scripts文件夹下包含了测试脚本（可根据业务划分成多个子目录）；
2）selections文件夹下包含了suite文件（包含了需要执行的脚本路径集合）；
8. utils文件夹：包含了和业务逻辑无关的包含可复用方法的脚本文件；
Auty文件结构介绍
1. Auty文件夹下：
1）__init__.py文件：包结构所必需文件（以下所有涉及可调用脚本的文件夹下均需有此文件）；
2）config.txt文件：Auty框架配置说明文件；
3）recovery.py文件：垃圾代码回收文件（用来回收执行测试过程中因故障未能自动删除的自动生成的代码）；
4）requirements文件：包含了框架所需要安装的python库信息；
5）setup.py文件：执行脚本以安装requirements文件中所包含的python库；
6）start.py文件：执行脚本以启动接口自动化测试；
2. lib文件夹下：
1）exe_deco.py文件：包含修饰脚本运行时方法的文件；
2）execute_selection.py文件：包含运行suite集合下脚本方法的文件；
3）generate_html.py文件：包含根据生成的csv格式测试结果文件生成html类型测试结果文件方法的文件；
4）generate_result.py文件：包含生成csv格式测试结果方法的文件；
5）read_selection.py文件：包含读取可执行的脚本列表方法的文件；
6）recovery_code.py文件：包含垃圾代码回收方法的文件；
7）write_log.py文件：包含生成日志文件方法的文件；
3. scripts文件夹下：
1）create_selection.py文件：包含创建suite文件（all_scripts_selection.txt）方法的文件；
Auty使用步骤
1. 运行Auty/setup.py文件；
2. 编写接口测试python脚本并放到Auty/scripts/scripts目录（或子目录）下；
3. 运行Auty/scripts/create_selection.py文件生成Auty/scripts/all_scripts_selection.txt文件；
4. 修改Auty/scripts/all_scripts_selection.txt文件自定义test_selection.txt文件（名字随意起）并放到Auty/scripts/selections文件夹下；
5. 运行Auty/start.py文件开始接口自动化测试；
6. 在Auty/results文件夹下生成的测试结果文件中查看测试结果。
Auty编写过程
这个框架里scripts、utils、actions、contants四个文件夹中的内容是根据实际工作内容可以随意替换的，其他为Auty接口自动化测试框架必需的组成部分
G. python里面哪些框架有
Django: Py Web应用开发框架
Diesel：基于Greenlet的事件I/O框架
Flask：一个用Py编写的轻量级Web应用框架
Cubes：轻量级Py OLAP框架
Kartograph.py：创造矢量地图的轻量级Py框架
Pulsar：Py的事件驱动并发框架
Web2py：全栈式Web框架
Falcon：构建云API和网络应用后端的高性能Py框架
Dpark：Py版的Spark
Buildbot：基于Py的持续集成测试框架
Zerorpc：基于ZeroMQ的高性能分布式RPC框架
Bottle: 微型Py Web框架
Tornado：异步非阻塞IO的Py Web框架
webpy: 轻量级的Py Web框架
Scrapy：Py的爬虫框架
H. python能够做软件的自动化测试吗
可以，Python是可以做自动化测试的。
目前，Python自动化测试开始逐渐替代传统的软件测试，吸取了功能、性能、接口、自动化等专项测试领域的优势，以后将在多个领域渐渐成为国内大部分质量控制、质量管理的首选，而且已经有很多公司使用Python自动化测试框架。
I. python什么框架比较好
从GitHub中整理出的15个最受欢迎的Python开源框架。这些框架包括事件I/O，OLAP，Web开发，高性能网络通信，测试，爬虫等。Django:PythonWeb应用开发框架Django应该是最出名的Python框架，GAE甚至Erlang都有框架受它影响。Django是走大而全的方向，它最出名的是其全自动化的管理后台：只需要使用起ORM，做简单的对象定义，它就能自动生成数据库结构、以及全功能的管理后台。Diesel：基于Greenlet的事件I/O框架Diesel提供一个整洁的API来编写网络客户端和服务器。支持TCP和UDP。Flask：一个用Python编写的轻量级Web应用框架Flask是一个使用Python编写的轻量级Web应用框架。基于WerkzeugWSGI工具箱和Jinja2模板引擎。Flask也被称为“microframework”，因为它使用简单的核心，用extension增加其他功能。Flask没有默认使用的数据库、窗体验证工具。Cubes：轻量级PythonOLAP框架Cubes是一个轻量级Python框架，包含OLAP、多维数据分析和浏览聚合数据（aggregateddata）等工具。Kartograph.py：创造矢量地图的轻量级Python框架Kartograph是一个Python库，用来为ESRI生成SVG地图。Kartograph.py目前仍处于beta阶段，你可以在virtualenv环境下来测试。Pulsar：Python的事件驱动并发框架Pulsar是一个事件驱动的并发框架，有了pulsar，你可以写出在不同进程或线程中运行一个或多个活动的异步服务器。Web2py：全栈式Web框架Web2py是一个为Python语言提供的全功能Web应用框架，旨在敏捷快速的开发Web应用，具有快速、安全以及可移植的数据库驱动的应用，兼容GoogleAppEngine。Falcon：构建云API和网络应用后端的高性能Python框架Falcon是一个构建云API的高性能Python框架，它鼓励使用REST架构风格，尽可能以最少的力气做最多的事情。Dpark：Python版的SparkDPark是Spark的Python克隆，是一个Python实现的分布式计算框架，可以非常方便地实现大规模数据处理和迭代计算。DPark由豆瓣实现，目前豆瓣内部的绝大多数数据分析都使用DPark完成，正日趋完善。Buildbot：基于Python的持续集成测试框架Buildbot是一个开源框架，可以自动化软件构建、测试和发布等过程。每当代码有改变，服务器要求不同平台上的客户端立即进行代码构建和测试，收集并报告不同平台的构建和测试结果。Zerorpc：基于ZeroMQ的高性能分布式RPC框架Zerorpc是一个基于ZeroMQ和MessagePack开发的远程过程调用协议（RPC）实现。和Zerorpc一起使用的ServiceAPI被称为zeroservice。Zerorpc可以通过编程或命令行方式调用。Bottle:微型PythonWeb框架Bottle是一个简单高效的遵循WSGI的微型pythonWeb框架。说微型，是因为它只有一个文件，除Python标准库外，它不依赖于任何第三方模块。Tornado：异步非阻塞IO的PythonWeb框架Tornado的全称是ToradoWebServer，从名字上看就可知道它可以用作Web服务器，但同时它也是一个PythonWeb的开发框架。最初是在FriendFeed公司的网站上使用，FaceBook收购了之后便开源了出来。webpy:轻量级的PythonWeb框架webpy的设计理念力求精简（Keepitsimpleandpowerful），源码很简短，只提供一个框架所必须的东西，不依赖大量的第三方模块，它没有URL路由、没有模板也没有数据库的访问。Scrapy：Python的爬虫框架Scrapy是一个使用Python编写的，轻量级的，简单轻巧，并且使用起来非常的方便。
J. Python几种主流框架比较
Django：Python界最全能的Web开发框架，各种功能完备，可维护性和开发速度都非常强大。常有人说Django慢，其实主要慢在Django
ORM与数据库的交互上，所以是否选择使用Django，取决于项目对数据库交互性的要求以及各种优化。
而对于Django的同步特性导致吞吐量小的问题，其实可以通过Celery等解决，不算是什么根本问题。Django代表的项目有：Instagram、guardian等。
Flask：属于微框架的典范，也是Python代码写的最好的项目之一。Flask框架的灵活性很高，但也是一把双刃剑，能用好Flask的，可以做成Pinterest，用不好就没有什么太大的作用了。Flask虽然属于微框架，但也可以做成规模化的Flask，加上flask可以自由选择自己的数据库交互组件，再加上celery+redis等异步特性以后，flask框架的性能非常不错，之所以很多团队选择flask框架，主要原因就是对灵活性的要求。
Tornado：天生异步，性能强悍，这是它的代名词。对比Django而言，Tornado属于较为原始的框架，诸多内容需要自己去处理。不过，随着项目的不断壮大，框架能够提供的功能占比越来越小，更多的内容需要团队自己去实现，而大项目往往需要性能的保证，这时候Tornado就是非常不错的选择。代表项目：知乎等。