本文基于 customtkinter 开发的桌面端测试用例生成工具，核心目标是实现「功能清单配置→知识库匹配→智能生成测试用例→批量导出」的全流程自动化。
下面从整体设计思路和核心技术原理两方面拆解，让你清晰理解代码的架构和底层逻辑。
功能清单页面设计核心思路：通过输入系统名称、模块名称，基于基础模板和完成模板两种方式，生成功能清单。
基础模版包括简单的新增、修改、删除、查询功能，完整的模版包括基础+其他功能（和公司密切相关的业务）。
同时，生成功能清单后可以进行修改，进而保存。
生成测试用例页面：通过导入用例知识库，结合导入的功能清单，基于功能清单的功能找到用例知识库。
如新增功能，匹配新增功能的测试用例，直到清单上所有功能匹配完成，生成excel 版本的测试用例。
整个设计逻辑按照模块名称对应sheet 名，页面名称对应页面名称，操作项对应功能项名称。
一、整体设计思路
工具采用「分层模块化+双Tab业务拆分」的设计模式，核心遵循「用户交互→数据处理→结果输出」的流程，同时兼顾易用性和扩展性。
1. 核心设计原则
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. 业务流程设计（核心链路）
3. 数据结构设计
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
二、核心技术原理
1. 界面开发：CustomTkinter + Tkinter 组合
- 底层框架
基于 tkinter（Python内置GUI库），用 customtkinter 封装美化（支持现代UI、主题切换、圆角控件）。 - 核心组件
-
CTkTabview：实现「功能清单」「测试用例」双Tab切换； -
CTkScrollableFrame：支持模块输入框的滚动展示； -
ttk.Treeview：测试用例/功能清单的可视化预览（支持双击编辑单元格）； -
scrolledtext.ScrolledText：操作日志和对话记录的展示。 - 动态组件
ModuleFrame 类封装模块输入框，支持「添加/删除/编辑」，通过回调函数更新组件索引，实现动态布局。
2. 文档处理：python-docx + pandas
（1）Word（docx）处理（功能清单导入/导出）
-
导入：解析docx中的表格，过滤空行/表头行（修复最后一行识别问题），提取「模块/页面/功能项/备注」； -
导出：创建结构化Word表格，支持单元格合并、背景色设置、文字居中/加粗，生成标准化功能清单文档。
Docx 常见操作：
（2）Excel（xlsx）处理（知识库/用例导入/导出）
-
导入：pandas.read_excel 读取多sheet文件，按「功能项」分组构建知识库； -
导出：pandas.ExcelWriter 按模块拆分sheet，限制sheet名长度（Excel最大31字符），保证字段顺序与模板一致； -
关键优化：导出时自动为步骤/期望结果插入换行符（ ），解决Excel双击换行问题。
Pandas 常见操作：pandas 是python 中用于操作excel 文件的类库，包括读取文件、写入文件，写入前同时伴随数据清洗、数据查询、数据分组与聚合等操作。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
df = pd.concat([pd.read_excel(xls, sheet) for sheet in xls.sheet_names]) |
|
|
|
|
|
|
|
|
|
|
|
for module, df_module in df.groupby("模块名称"): df_module.to_excel(writer, sheet_name=module, index=False) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
df[col] = df[col].str.strip() |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
module_fail = df[df["测试结果"]=="fail"].groupby("模块名称")["用例编号"].count() module_fail_rate = (module_fail/module_total*100).fillna(0) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
df_result.to_excel(writer, sheet_name="模块失败率", index=False) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
for enc in encodings: try: df = pd.read_csv("文件.csv", encoding=enc) break except: continue |
|
|
|
df["bug编号"] = "" |
3. 智能生成：OpenAI API + 规则匹配
（1）知识库匹配逻辑
-
核心：按「功能项」精准匹配知识库中的用例模板，无匹配时触发「规则式自动生成」； -
规则生成：根据功能项关键词（新增/修改/删除/查询等），预设步骤/期望结果模板，覆盖80%通用场景。
（2）对话式批量修改
-
流程：用户输入自然语言指令 → 构造Prompt → 调用OpenAI API → 解析返回结果 → 更新用例数据； -
Prompt设计要点：限定字段范围、明确修改规则、要求保持数据结构一致； -
模型选择：gpt-4o-mini（兼顾成本和效果），temperature=0.2（保证输出稳定）。
4. 数据处理：正则表达式 + 日期计算
（1）文本处理（解决换行/格式问题）
作用：将「1、点击2、保存」拆分为「1 点击 2 保存」，实现Excel自动换行。
（2）日期处理（工作日计算）
作用：为测试用例分配合理的创建日期，跳过周末，符合实际测试流程。
5. 异常处理与日志
-
全局异常捕获：所有IO操作（文件读写、API调用）都包裹 try-except，避免程序崩溃； -
日志系统：分「功能清单日志」「测试用例日志」，记录操作时间+内容，支持滚动查看； -
用户反馈：通过 messagebox 提示操作结果，日志同步记录关键信息（如导入模块数、生成用例数）。
6. 知识库持久化
-
存储格式：JSON文件（knowledge_base.json），将 defaultdict(list) 转换为普通字典保存； -
加载逻辑：程序启动时自动加载，导入/追加模板后自动保存，避免重复配置。
三、关键技术亮点
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
总结
这份代码的核心设计逻辑是「可视化交互+结构化数据处理+智能生成」，技术上融合了：
- GUI开发：CustomTkinter实现现代界面，动态组件适配复杂输入；
- 文档解析：python-docx/pandas处理Word/Excel，保证数据导入导出的准确性；
- 智能生成：规则匹配+LLM API，实现测试用例的自动化和灵活修改；
- 工程化优化：异常处理、日志记录、数据持久化，保证工具的稳定性和易用性。
工具的核心价值是将测试用例编写从「手动逐条写」转变为「配置化+智能化生成」，大幅提升测试用例的编写效率，同时保证格式标准化。
针对于功能项操作很多系统都适配，将功能项进行模版化，从大到小进行拆分，再根据小的功能项进行组合进而形成页面用例、模块用例的组合。
——END——
声明：本文为51Testing软件测试网 M&T. 用户投稿内容，该用户投稿时已经承诺独立承担涉及知识产权的相关法律责任，并且已经向51Testing承诺此文并无抄袭内容。发布本文的用途仅仅为学习交流，不做任何商用，未经授权请勿转载，否则作者和51Testing有权追究责任。如果您发现本公众号中有涉嫌抄袭的内容，欢迎发送邮件至:editor@51testing.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
