当前位置: 首页 > news >正文

用python实现xmind用例转换为excel/csv用例

from xmindparser import xmind_to_dict
from openpyxl import Workbook# 解析XMind文件
xmind_file = 'path/to/xmind/file.xmind'
xmind_data = xmind_to_dict(xmind_file)# 创建Excel文件
excel_file = 'path/to/excel/file.xlsx'
wb = Workbook()
ws = wb.active# 定义用例表格的列名
ws['A1'] = 'Title'
ws['B1'] = 'Description'
ws['C1'] = 'Priority'
ws['D1'] = 'Steps'
ws['E1'] = 'Expected Result'# 获取用例数据
case_data = xmind_data['topics'][0]  # 假设用例数据在第一个主题下# 将用例数据写入Excel文件
row = 2  # 从第二行开始写入数据def process_topic(topic):global rowtitle = topic['title']description = topic['topics'][0]['title']priority = topic['topics'][0]['topics'][0]['title']steps = topic['topics'][0]['topics'][0]['topics']for step in steps:step_title = step['title']step_description = step['topics'][0]['title']# 将用例数据写入Excel文件的相应单元格ws[f'A{row}'] = titlews[f'B{row}'] = descriptionws[f'C{row}'] = priorityws[f'D{row}'] = step_titlews[f'E{row}'] = step_descriptionrow += 1process_topic(case_data)# 保存Excel文件
wb.save(excel_file)

xmind转换成csv

import csv
from xmindparser import xmind_to_dict# 解析XMind文件
xmind_file = 'path/to/xmind/file.xmind'
xmind_data = xmind_to_dict(xmind_file)# 创建CSV文件
csv_file = 'path/to/csv/file.csv'
csv_columns = ['Title', 'Description', 'Priority', 'Steps', 'Expected Result']
csv_data = []# 获取用例数据
case_data = xmind_data['topics'][0]  # 假设用例数据在第一个主题下def process_topic(topic):title = topic['title']description = topic['topics'][0]['title']priority = topic['topics'][0]['topics'][0]['title']steps = topic['topics'][0]['topics'][0]['topics']for step in steps:step_title = step['title']step_description = step['topics'][0]['title']# 将用例数据添加到CSV数据列表中csv_data.append({'Title': title,'Description': description,'Priority': priority,'Steps': step_title,'Expected Result': step_description})process_topic(case_data)# 将CSV数据写入CSV文件
with open(csv_file, 'w', newline='') as file:writer = csv.DictWriter(file, fieldnames=csv_columns)writer.writeheader()for data in csv_data:writer.writerow(data)

http://www.lryc.cn/news/116588.html

相关文章:

  • 论文浅尝 | 面向多步推理任务专业化较小语言模型
  • 基于Java的新闻全文搜索引擎的设计与实现
  • golang 自定义exporter - 端口连接数 portConnCount_exporter
  • MoveTowards详解
  • Redis学习笔记Day01-Redis入门
  • C++ Lambda表达式的完整介绍
  • 【等保测评】云计算Linux服务器(一)
  • [vue-element-admin]下载与安装
  • OPENCV C++(九)鼠标响应+dft+idft
  • python编程求出介于这两个数 之间的所有质数并打印输出。显示格式为“*数是质数
  • 基于Selenium模块实现无界面模式 执行JS脚本
  • 【LangChain学习】基于PDF文档构建问答知识库(二)创建项目
  • 【Kubernetes】Kubernetes之kubectl详解
  • 【torch.nn.PixelShuffle】和 【torch.nn.UnpixelShuffle】
  • Rocky9 KVM网桥的配置
  • 爬虫013_函数的定义_调用_参数_返回值_局部变量_全局变量---python工作笔记032
  • 将.doc文档的默认打开方式从WPS修改为word office打开方式的具体方法(以win 10 操作系统为例)
  • 如何搭建个人的GPT网页服务
  • [QCM6125][Android13] 默认关闭SELinux权限
  • 【jvm】jvm发展历程
  • Dubbo3.0 Demo
  • 源码分析——ConcurrentHashMap源码+底层数据结构分析
  • R语言中的函数25:paste,paste0
  • (八)穿越多媒体奇境:探索Streamlit的图像、音频与视频魔法
  • CAD练习——绘制房子平面图
  • spring 面试题
  • Springboot项目集成Durid数据源和P6Spy以及dbType not support问题
  • 安卓如何卸载应用
  • 【云原生|Kubernetes】14-DaemonSet资源控制器详解
  • 基于 Guava Retry 在Spring封装一个重试功能