فلش‌کارت‌های آموزشی تست فنی خودکار برای Test Automation Reporting

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تست فنی خودکار برای Test Automation Reporting

موضوع کلی: برنامه نویسی

موضوع میانی: تست نرم‌افزار**

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تست نرم‌افزار و اهمیت آن
• 2. چرا تست خودکار مهم است؟
• 3. تفاوت تست دستی و خودکار
• 4. اصول هفت‌گانه تست نرم‌افزار
• 5. هرم تست (Unit, Integration, E2E)
• 6. چرخه حیات توسعه نرم‌افزار (SDLC) و جایگاه تست
• 7. نقش تستر خودکار در تیم‌های Agile و Scrum
• 8. مقدمه‌ای بر تست فنی و تفاوت آن با تست عملکردی
• 9. مفهوم گزارش‌گیری (Reporting) در تست خودکار
• 10. آماده‌سازی محیط توسعه (IDE, Git, Python/Java)
• 11. مبانی برنامه‌نویسی پایتون برای تسترها
• 12. متغیرها، انواع داده و عملگرها
• 13. ساختارهای کنترلی: شرط‌ها و حلقه‌ها
• 14. توابع و ماژول‌ها
• 15. مفاهیم شیءگرایی (کلاس، شیء، وراثت)
• 16. مدیریت خطاها و استثناها (Exception Handling)
• 17. کار با فایل‌ها (خواندن و نوشتن JSON, CSV)
• 18. ساختارهای داده (لیست، دیکشنری، تاپل)
• 19. مدیریت وابستگی‌ها و محیط‌های مجازی (Pip, venv)
• 20. مقدمه‌ای بر Selenium WebDriver
• 21. نصب و راه‌اندازی درایورهای مرورگر (ChromeDriver, GeckoDriver)
• 22. مکان‌یابی عناصر وب (Locators)
• 23. آشنایی با انواع Locator ها (ID, Name, XPath, CSS Selector)
• 24. نکات پیشرفته در نوشتن CSS Selector و XPath
• 25. تعامل با عناصر وب (Click, SendKeys, Clear)
• 26. دریافت اطلاعات از عناصر (Text, Attributes)
• 27. کار با فرم‌ها، Checkbox و Radio Button
• 28. مدیریت لیست‌های کشویی (Dropdowns)
• 29. مفهوم Wait و انواع آن (Implicit, Explicit, Fluent)
• 30. مدیریت پنجره‌ها، تب‌ها و iFrame ها
• 31. کار با هشدارهای جاوا اسکریپت (Alerts)
• 32. انجام عملیات پیشرفته موس (Mouse Hover, Drag and Drop)
• 33. اجرای اسکریپت جاوا اسکریپت با JavaScriptExecutor
• 34. معرفی فریمورک تست Pytest
• 35. نوشتن و اجرای اولین تست با Pytest
• 36. ساختار یک تست‌کیس استاندارد (Arrange, Act, Assert)
• 37. استفاده از Assertions برای اعتبارسنجی نتایج
• 38. آشنایی با Fixtures در Pytest برای مدیریت وضعیت تست
• 39. الگوی طراحی Page Object Model (POM) و مزایای آن
• 40. پیاده‌سازی اولین Page Object
• 41. جداسازی تست‌ها از داده‌ها: تست داده‌محور (Data-Driven Testing)
• 42. خواندن داده‌های تست از فایل‌های خارجی
• 43. مدیریت تنظیمات و پیکربندی پروژه (Configuration Files)
• 44. ایجاد کلاس‌های کمکی و ابزارهای کاربردی (Utilities)
• 45. ساختار پوشه استاندارد برای یک پروژه تست خودکار
• 46. گروه‌بندی و اجرای تست‌ها با Markers در Pytest
• 47. پارامتری کردن تست‌ها (Parameterization)
• 48. مبانی لاگینگ (Logging) و اهمیت آن در دیباگ کردن
• 49. پیکربندی سطوح مختلف لاگ (INFO, DEBUG, ERROR)
• 50. گزارش‌های پیش‌فرض مبتنی بر کنسول
• 51. تولید گزارش‌های HTML ساده با پلاگین‌های Pytest
• 52. معرفی ابزار گزارش‌گیری Allure Report
• 53. نصب و یکپارچه‌سازی Allure با Pytest
• 54. افزودن توضیحات و مراحل (Steps) به تست‌ها در Allure
• 55. دسته‌بندی تست‌ها بر اساس قابلیت (Features) و داستان کاربری (Stories)
• 56. تعیین شدت و اهمیت تست‌ها (Severity Levels)
• 57. ضمیمه کردن فایل‌ها (Attachments) به گزارش
• 58. گرفتن اسکرین‌شات در زمان شکست تست (Screenshot on Failure)
• 59. ضمیمه کردن خودکار اسکرین‌شات به گزارش Allure
• 60. ضبط ویدئوی اجرای تست و افزودن آن به گزارش
• 61. نمایش لاگ‌های کنسول و سرور در گزارش تست
• 62. سفارشی‌سازی ظاهر و لوگوی گزارش Allure
• 63. تحلیل تاریخچه و روند اجرای تست‌ها (Trends)
• 64. شناسایی تست‌های ناپایدار (Flaky Tests) از طریق گزارش‌ها
• 65. یکپارچه‌سازی Allure با سیستم‌های مدیریت تسک (مانند Jira)
• 66. مقدمه‌ای بر تست API و چرایی اهمیت آن
• 67. استفاده از کتابخانه Requests برای ارسال درخواست‌های HTTP
• 68. ارسال درخواست‌های GET, POST, PUT, DELETE
• 69. اعتبارسنجی کدهای وضعیت (Status Codes) و هدرها
• 70. اعتبارسنجی بدنه پاسخ (Response Body) با استفاده از JSON Schema
• 71. ادغام تست‌های UI و API در یک فریمورک
• 72. تست موازی (Parallel Execution) برای کاهش زمان اجرا
• 73. اجرای تست‌ها بر روی مرورگرهای مختلف (Cross-Browser Testing)
• 74. اجرای تست‌ها در حالت Headless
• 75. مقدمه‌ای بر Continuous Integration (CI) و Continuous Delivery (CD)
• 76. معرفی ابزارهای CI/CD مانند GitHub Actions و Jenkins
• 77. ساخت یک Pipeline ساده برای اجرای خودکار تست‌ها
• 78. پیکربندی Pipeline برای اجرای تست‌ها پس از هر Push
• 79. اجرای زمان‌بندی شده تست‌ها (Scheduled/Nightly Builds)
• 80. استفاده از Docker برای ساخت محیط تست ایزوله و پایدار
• 81. انتشار (Publish) گزارش‌های Allure در Jenkins یا GitHub Pages
• 82. متریک‌های کلیدی در گزارش‌گیری تست (KPIs for Test Automation)
• 83. چگونه یک گزارش تست خوب و قابل فهم بنویسیم؟
• 84. تحلیل علل ریشه‌ای شکست‌ها (Root Cause Analysis) با استفاده از گزارش‌ها
• 85. ایجاد داشبوردهای تحلیلی برای تیم و مدیران
• 86. ارسال خودکار خلاصه گزارش از طریق ایمیل یا Slack
• 87. بهترین شیوه‌ها در نوشتن تست‌های خوانا و قابل نگهداری
• 88. کد تمیز (Clean Code) در تست خودکار
• 89. بازآرایی (Refactoring) کدهای تست
• 90. مدیریت داده‌های تست (Test Data Management)
• 91. استراتژی‌های مدیریت محیط‌های مختلف (Staging, Production)
• 92. کنترل نسخه (Version Control) با Git برای پروژه‌های تست
• 93. مرور کد (Code Review) برای اسکریپت‌های تست
• 94. پروژه نهایی: ساخت فریمورک کامل از صفر تا صد
• 95. جمع‌بندی دوره و ترسیم مسیر یادگیری آینده
• 96. **انتخاب ابزار گزارش‌گیری تست خودکار (Allure, TestNG, JUnit, ExtentReports) و مقایسه آن‌ها**
• 97. **طراحی گزارش‌های تست: معیارها، شاخص‌ها (KPIs)، و تجسم داده‌ها (Data Visualization)**
• 98. **پیاده‌سازی و پیکربندی ابزارهای گزارش‌گیری در پروژه‌های تست خودکار مختلف**
• 99. **تحلیل و تفسیر گزارش‌های تست: شناسایی گلوگاه‌ها، روندها و مشکلات کیفیتی**
• 100. **اتوماتیک کردن تولید و توزیع گزارش‌های تست (CI/CD Integration)**