如何使用python实现高通工具自动化？两个工具QXDM&QCAT教会你！

高通工具简介

针对高通无线通信终端(如手机、上网卡等)产品，有两大故障分析工具QXDM和QCAT。当产品出现问题时，例如：手机无法上网、手机下载速率低、手机信号差等等，需要抓取故障日志进行定位排查，此时就需要用到QXDM工具。加我VX：atstudy-js 回复“测试”，进入 自动化测试学习交流群~~​

QXDM主要用来抓故障日志、修改终端配置、升级终端软件等。

QCAT主要用来解析日志log，这个工具可以将QXDM抓取的log解析成结构化的数据，便于开发进行快速定位故障。

自动化优势

常见的通信信令流程分析，使用QXDM和QCAT UI界面手工操作即可以做到，比如手机无法上网。

但是，比如手机下载速率低、手机信号差等问题，需要进行性能指标分析，可能包含多种数据的分析，比如物理层Throughput、应用层Throughput，还需要分开分析上行（UL）、下行（DL），LTE、5G，信号强度（RSRP、RSRQ）、信噪比（SINR）、误码率（BLER）等等。

由此可见，纯手工进行分析明显会影响分析效率和准确率，而借助工具自动化的实现，就可以解决这个问题，并且自动化除了分析快、准之外，还有两个优势，就是无人值守和批量执行。

自动化实现

总体思路

那么，如何实现高通工具自动化，从而实现性能指标分析自动化呢？

QXDM和QCAT提供了com接口，支持多种语言调用，例如VBScript、Jscript、Perl、Python。

本文将介绍如何借助python语言，结合QCAT、QXDM、EXCEL等工具，实现QXDM日志的自动截取、分析、筛选、导出，以及输出关键解析参数数据。

具体分为以下几个步骤：

1.截取有效业务时间

2.按照需求筛选数据

3.导出有效数据

4.数据提取和计算

细细说来

下面依次来介绍各个步骤的实现思路和自动化接口。

第一步：截取有效业务时间

由于log中可能存在一些无效时间段，需要将有效时段从log中识别出来。虽然，不同的情况下，有效时间段的规则可能有所不同，但是，从工具的角度，都是从开始时间点到结束时间点，即一个时间窗。

此处，我们需要调用QCAT工具接口。而不管是QCAT还是QXDM，都是通过调用wind32com接口来实现工具功能模块的自动化应用的。相关Python脚本如下：

from win32com.client import Dispatch

导入了Dispatch模块之后，就可以调用QCAT和QXDM了。调用方法：

Dispatch("QCAT6.Application")

Dispatch("QXDM.QXDM5AutoApplication")

另外，还有一个前提是，注册表中有QCAT和QXDM的应用。注册表路径如下：

HKEY_LOCAL_MACHINE\SOFTWARE\Classes\QCAT6.Application

HKEY_LOCAL_MACHINE\SOFTWARE\Classes\QXDM.QXDM5AutoApplication

使用QCAT中的SetTimeWindowAbsolute方法，即可根据需要切割log，只需要指定开始时间戳和结束时间戳。脚本示例如下：

#脚本示意，并非源码

#打开一个QCAT6实例

qcat_test=Dispatch("QCAT6.Application")

#打开一个log

qcat_test.Openlog(logpath)

#设置时间窗

qcat_test.SetTimeWindowAbsolute(starttime,endtime)

#重新保存一个log到指定路径

qcat_test.SaveAsIsf(log_save_path)

starttime和endtime需要为如下格式：yyyy/mm/dd hh:mm:ss.ddd,例如2023/01/04 15:07:26.456。

上述自动化操作相当于手工在QCAT UI界面做如下设置：

第二步：按照需求筛选数据

这一步的主要目的是，保留所需的数据类型，提高脚本执行和数据分析的效率。我们需要使用QCAT中的PacketFilter方法来设置一个过滤器。脚本示例如下：

#脚本示意，并非源码

#打开一个QCAT6实例

qcat_test=Dispatch("QCAT6.Application")

#打开一个log

qcat_test.Openlog(logpath)

#创建一个过滤器对象

filter=qcat_test.PacketFilter

#设置过滤器的值

filter.SetAll(False)

filter.Set(message_type,True)

filter.Commit()

上述自动化操作相当于手工在QCAT UI界面做如下设置：

第三步：导出有效数据

这一步导出的数据由两部分组合，一部分是由QCAT导出的xlsm格式的数据，另一部分是由QXDM熬出的txt格式的数据。这两部分数据将作为后续数据分析的主要数据来源。

首先是，用QCAT导出xlsm数据：

#脚本示意，并非源码

qcat_test=Dispatch("QCAT6.Application")

qcat_test.Openlog(logpath)

qcat_test.LoadWorkspace

qcat_test.workspace.SelectOutput(";",False)

qcat_test.workspace.SelectOutput(workspace_path,True)

qcat_test.workspace.ExportToExcel(export_file_path,0)

上例中的workspace_path是指QCAT工作空间的路径，例如，下图中的工作空间路径就是：";LTE;Time Grids;Physical Grid;LTE L1 CQI RI and MCS vs.Time"，各级路径之间用分号”;”隔开。

接下来是，用QXDM导出txt数据，QXDM导出数据要稍微复杂一些。

首先，创建一个logsession，然后在这个session中创建一个DataView，然后将每一条message的内容读出来，最后将这些内容依次存储到txt中：

#脚本示意，并非源码

log_session.createDataView

data_items=log_session.getDataViewItems

file_object=open(file,"a")

file_object.write(data_items)

上述自动化操作相当于手工在QXDM UI界面做如下设置：

第四步：数据提取和计算

这一步主要是使用pandas.DataFrame进行数据处理，再结合min，max，mean等进行最小值、最大值、平均值的计算：

#脚本示意，并非源码

df=pd.DataFrame({'A':dataA,"B":dataB,'C':dataC})

df[[“A”,”B”,”C”]].mean()

df[[“A”,”B”,”C”]].min()

df[[“A”,”B”,”C”]].max()

是否好用？

那么，自动化与手工操作的效率对比效果如何呢？自动化的提升效果并不固定，但是，它会随着处理的数据量的增大，效果越加明显。

举个例子，我在实际使用过程中，一个1Gb左右的log，手工操作大概需要30分钟，自动化大概7-8分钟即可。

另外，基于以上处理逻辑，还可以将数据计算结果形成统一格式的测试报告。当然，还可以通过循环控制、多线程管理来实现多个log的连续处理和并发执行。

添加微信：atstudy-js  或者扫描下方二维码，备注“博客”邀请你进入Python自动化测试学习交流群~