项目背景介绍：

　　最近在给一个团队做测试用例的重构，重构最主要的原因是由于不同team的测试执行了相同的操作，但是却有不同的检查点。偏偏这些操作又是非常耗时的，所以从整个部门的角度看，这些测试的效率就是不高的。然后我们又在做持续集成，自然对测试的效率有极高的要求，所以就决定做测试用例的重构，PO分配了一些有经验的测试工程师来做这个事情，我帮助他们解决自动化测试上的问题。

　　问题介绍：

　　涉及到的软件模块有一个是大型电信分布式系统的管理模块，主要管理系统的告警，故障恢复，启动时序等功能。模块的功能基本上可以理解为各种各样的policy的制定。（这个模块有点类似政府部门，呵呵）

　　比较有意思的一点软件功能的边界有很多模糊的地方，用通俗的话说就是“水很深”。有点像中国的政策，按原则是一套，但是实际执行的时候考虑到一些系统自身的限制，又做了很多妥协，所以就造成了系统中的诸多灰色地带。

　　对测试人员的影响是碰到问题以后，和开发人员沟通，往往最后的结论是诸如“一般情况下应该是这样的，但是现在出了不一样的情况也是正常”的等等。（作为一个测试人员，你会不会郁闷？呵呵）

　　对于手工测试人员来说，经过“打磨”一段时间后，这样的“弹性”是可能去建立的，但自动化测试却不同，往往是自动化测试的期望结果是简单一刀切，结果失败了并不是软件真的需要改的Bug。限制地松了，则可能任何问题都发现不了。所以测试人员挺郁闷的，都开始反感自动化测试了！

　　问题原因的分析：

　　我们分析认为，以上问题的原因是对于该模块，一条基本的需求可能就会存在多个分支的期望结果，要把这些不同情况下的需求的细微不同描述清楚，纯粹通过Robot原生态提供的关键字，还真有点勉为其难。

　　当然我们可以扩展Robot的语法，但是这会丧失了Robot表格化编程，以类似自然语言写测试用例的精神。我们也做过这方面的尝试，效果不是十分的好。

　　在以前的自动化测试用例中，对于这些灰色地带，其实是检查地没有这么严格的。但这样的风险是，我们对于系统的边界在哪里，其实并没有一个清晰的认知。有一些设计上的概念，可能并没有自动化测试有效的保护，也没有被严格地验证过。对于一个高可靠性的电信软件系统，这是难以接受的！

　　而且 在持续集成中，我们不希望碰到非软件原因引起的测试失败，所以这也是一个必须解决的问题。

　　为了解决这个问题，我们采用了以下的手段：

　　1、在Robot里面只描述非常high level的需求，而细节的需求大量地用python来精确描述不同情况下期望结果的差别，但又是在系统功能的允许范围之内。python的语言特性让我们在处理一些分支情况的时候非常得心应手，又能够保证很好的可读性（其实在实践的时候我们采用了基于模型的测试方法，把测试需求通过模型化的方式来描述，然后动态生成Robot Case，但这个不在这篇文章的讨论要点中）

　　2、内部重新封装了Robot的run_keyword方法，基本上可以控制哪些方法执行了以后作为测试步骤的一部分显示在最终的日志上，哪些则只是一些分支控制语句，在最终的报告上不会生成。最终测试人员看到的报告，只会比他们纯粹的Robot Case的日志更加简洁，更加的具有可读性。

　　3、对于某些复杂的解析函数写UT，由于产品的可测性不是很好，在解析产品输出的时候，不得已做了很多妥协，引进了一些复杂的正则表达式。实践表明，对这种函数写UT还是很有必要的。 不过或许是我们语言功底太差，呵呵。