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)
相关文章:
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…...
论文浅尝 | 面向多步推理任务专业化较小语言模型
笔记整理:张沈昱,东南大学硕士,研究方向为自然语言处理 链接:https://github.com/FranxYao/FlanT5-CoT-Specialization 动机 本文的动机是探索如何在多步推理任务中通过大型语言模型提升较小的语言模型的性能。作者认为࿰…...
基于Java的新闻全文搜索引擎的设计与实现
中文摘要 本文以学术研究为目的,针对新闻行业迫切需求和全文搜索引擎技术的优越性,设计并实现了一个针对新闻领域的全文搜索引擎。该搜索引擎通过Scrapy网络爬虫工具获取新闻页面,将新闻内容存储在分布式存储系统HBase中,并利用倒…...
golang 自定义exporter - 端口连接数 portConnCount_exporter
需求: 1、计算当前6379 、3306 服务的连接数 2、可prometheus 语法查询 下面代码可直接使用: 注: 1、windows 与linux的区分 第38行代码 localAddr : fields[1] //windows为fields[1] , linux为fields[3] 2、如需求 增加/修改/删除…...
MoveTowards详解
MoveTowards详解(Unity中的方法) 介绍 MoveTowards是Unity引擎中的一个方法,用于在两个点之间进行平滑移动。它可以使游戏对象从当前位置移动到目标位置,通过在每一帧更新位置,实现平滑的移动效果。 方法 MoveTowa…...
Redis学习笔记Day01-Redis入门
声明:本博客部分内容是从终极SpringBoot讲义摘抄的,文字是OCR识别出来的,有可能存在识别错误的可能,如有错误,请大胆指正,我马上修改! 目录 0.官方参考手册API1.连接命令2.key相关命令3.String命…...
C++ Lambda表达式的完整介绍
一、Lambda表达式概述 c在c11标准中引入了lambda表达式,一般用于定义匿名函数,lambda表达式(也称为lambda函数)是在调用或作为函数参数传递的位置处定义匿名函数对象的便捷方法。通常,lambda用于封装传递给算法或异步…...
【等保测评】云计算Linux服务器(一)
【等保测评】云计算&Linux服务器(一) 前言1、身份鉴别实例1实例2实例3实例4 2、访问控制实例1实例2实例3实例4实例5实例6实例7 前言 Linux是指UNIX克隆或类UNIX风格的操作系统,在源代码级别兼容绝大部分UNIX标准(IEEE POSIX, System V, …...
[vue-element-admin]下载与安装
一、环境搭建 1 nodejs 源码地址 sudo apt install build-essential # 内含gcc g make等全家桶git clone git://github.com/nodejs/node.git # 下载源码 cd node sudo ./config sudo make && make install # 编译 node -v # 查看是否编译成功二、遇见的问题 问题…...
OPENCV C++(九)鼠标响应+dft+idft
鼠标响应回调函数(固定格式) void on_mouse(int EVENT, int x, int y, int flags, void* userdata) {Mat hh;hh *(Mat*)userdata;Point p(x, y);switch (EVENT){case EVENT_LBUTTONDOWN:{points.x x;points.y y;mousePoints.push_back(points);circle…...
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
这里写自定义目录标题 练习 :提示用户输入两个正整数,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。”代码打印效果 练习 :提示用户输入两个正整数,编程求出介于这两个数之间的所有质数并打印输出。显示…...
基于Selenium模块实现无界面模式 执行JS脚本
此篇文章主要介绍如何使用 Selenium 模块实现 无界面模式 & 执行JS脚本(把滚动条拉到底部),并以具体的示例进行展示。 1、Selenium 设置无界面模式 创建浏览器对象之前,创建 options 功能对象 :options webdriver.ChromeOptions() 添加…...
【LangChain学习】基于PDF文档构建问答知识库(二)创建项目
这里我们使用到 fastapi 作为项目的web框架,它是一个快速(高性能)的 web 框架,上手简单。 一.创建 FastAPI 项目 我们在IDE中,左侧选择 FastAPI ,右侧选择创建一个新的虚拟环境。 创建成功,会有…...
【Kubernetes】Kubernetes之kubectl详解
kubectl 一、陈述式资源管理1. 陈述式资源管理方法2. 基本信息查看3. 项目周期管理3.1 创建 kubectl create 命令3.2 发布 kubectl expose命令3.3 更新 kubectl set3.4 回滚 kubectl rollout3.5 删除 kubectl delete 4. kubectl 的发布策略4.1 蓝绿发布4.2 红黑发布4.3 灰度发布…...
【torch.nn.PixelShuffle】和 【torch.nn.UnpixelShuffle】
文章目录 torch.nn.PixelShuffle直观解释官方文档 torch.nn.PixelUnshuffle直观解释官方文档 torch.nn.PixelShuffle 直观解释 PixelShuffle是一种上采样方法,它将形状为 ( ∗ , C r 2 , H , W ) (∗, C\times r^2, H, W) (∗,Cr2,H,W)的张量重新排列转换为形状为…...
Rocky9 KVM网桥的配置
KVM的默认网络模式为NAT,借助宿主机模式上网,现在我们来改成桥接模式,这样外界就可以直接和宿主机里的虚拟机通讯了。 Bridge方式即虚拟网桥的网络连接方式,是客户机和子网里面的机器能够互相通信。可以使虚拟机成为网络中具有独立IP的主机。 桥接网络(也叫物理设备共享…...
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
然后再来看函数,可以避免重复代码 可以看到定义函数以及调用函数...
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)
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) 随着近几年WPS软件的不断完善和丰富,在某些方面取得了具有特色的优势。在平时编辑.doc文档时候也常常用到wps软件,不过WPS文献也存在…...
如何搭建个人的GPT网页服务
写在前面 在创建个人的 GPT网页之前,我登录了 Git 并尝试了一些开源项目,但是没有找到满足我个性化需求的设计。虽然许多收费的 GPT网页提供了一些免费额度,足够我使用,但是公司的安全策略会屏蔽这些网页。因此,我决定…...
[QCM6125][Android13] 默认关闭SELinux权限
文章目录 开发平台基本信息问题描述解决方法 开发平台基本信息 芯片: QCM6125 版本: Android 13 kernel: msm-4.14 问题描述 正常智能硬件设备源码开发,到手的第一件事就是默认关闭SELinux权限,这样能够更加方便于调试功能。 解决方法 --- a/QSSI.1…...
建议大家都去油管学ai agent真的能打破信息差
① Jeff su 视频节奏快、内容直给,特别适合普通人想用AI做点实际事儿的,比较入门和实用;比如他用8分钟说清楚怎么写好prompt、怎么用AI agent,讲得清楚又好跟,新手照做就能上手。 ② Andrej Karpathy 大神本神&…...
golang如何实现备忘录模式_golang备忘录模式实现方案
Go中备忘录模式需用非导出结构体封装快照、接口作类型标记,发起者控制Save/Restore;只备份业务字段,避免指针/map共享;限制栈长度并置空引用助GC;测试用reflect.DeepEqual验证隔离性。备忘录模式在 Go 里没有语言原生支…...
ViT图像分类-中文-日常物品实战教程:中文标签本地化翻译与多语言扩展方法
ViT图像分类-中文-日常物品实战教程:中文标签本地化翻译与多语言扩展方法 想用AI模型识别你手机里的照片,却苦于模型只认识英文标签?比如,你拍了一张“包子”的照片,模型却告诉你这是“steamed stuffed bun”。今天&a…...
Chandra OCR完整教程:从单图测试到企业级应用,全流程实战解析
Chandra OCR完整教程:从单图测试到企业级应用,全流程实战解析 1. Chandra OCR核心能力解析 Chandra OCR是Datalab.to在2025年开源的一款革命性文档识别工具,与传统OCR相比具有三大突破性优势: 布局感知:不仅能识别文…...
napari六种图层类型完全解析:从Image到Surface的完整教程
napari六种图层类型完全解析:从Image到Surface的完整教程 【免费下载链接】napari napari: a fast, interactive, multi-dimensional image viewer for python 项目地址: https://gitcode.com/gh_mirrors/na/napari napari是一款快速、交互式的多维图像查看器…...
Pothos GraphQL与Next.js集成:构建全栈TypeScript应用的完整教程
Pothos GraphQL与Next.js集成:构建全栈TypeScript应用的完整教程 【免费下载链接】pothos Pothos GraphQL is library for creating GraphQL schemas in typescript using a strongly typed code first approach 项目地址: https://gitcode.com/gh_mirrors/po/pot…...
SDMatte效果展示:细碎边缘无断裂+透明区域灰度渐变真实
SDMatte效果展示:细碎边缘无断裂透明区域灰度渐变真实 1. 专业级抠图效果展示 SDMatte 作为一款专注于高质量图像抠图的AI模型,在处理复杂边缘和透明物体方面展现出惊人的专业级效果。让我们通过几个典型案例,看看它在实际应用中的表现。 …...
Pixel Epic惊艳效果展示:16-bit像素风AI贤者生成的10份高质量研报作品集
Pixel Epic惊艳效果展示:16-bit像素风AI贤者生成的10份高质量研报作品集 1. 像素史诗:当AI研究遇上复古游戏美学 在数字内容创作领域,我们见证了一个令人耳目一新的创新——Pixel Epic将严肃的学术研究与复古游戏美学完美融合。这款工具彻底…...
【现代通信技术】SDH技术:从PDH到SDH的演进与核心优势解析
1. 从电缆时代到光纤革命:PDH与SDH的技术分野 记得刚入行那会儿,师傅带着我维护老式通信设备,成捆的电缆像蜘蛛网般盘踞在机房。那时候的准同步数字体系(PDH)就像用不同方言交流的邻居——北美用E1(1.544Mb…...
AI原生微服务可观测性如何突破“黑盒困局”?SITS2026首发Trace-LLM双轨追踪框架(已落地支撑日均2.4亿次AI调用)
第一章:SITS2026分享:AI原生微服务架构设计 2026奇点智能技术大会(https://ml-summit.org) 核心设计范式演进 AI原生微服务架构不再将模型作为后端API的被动调用对象,而是将其建模为具备生命周期、可观测性、弹性扩缩与上下文感知能力的一等…...
