Chat GPT

en Testdatacreatie 1

Hoe ik ChatGPT gebruik in Consultancy: Een vooruitblik op de Blogserie

Introductie: In deze serie zal ik je door hands-on demonstraties leiden van hoe we ChatGPT inzetten in onze dagelijkse consultancy activiteiten.

Ervaring van vandaag: Vandaag sprak ik met een Tosca-expert (een zeer hardwerkende kerel overigens) en we hadden het over hoe lang het zou duren om een xml-dataset te parsen om een bsn-structuur te genereren voor een bepaalde activiteit voor een van de projecten. Ik daagde hem uit om het totaal anders te doen en hij koos voor python.

De grote vraag: Dus de vraag was: Kan ChatGPT samenwerken om hem te helpen een python-script te maken door een tester die geen programmeervaardigheden heeft? 😅 Het antwoord is… ja ;-), maar 🚀 👩‍💻 👨‍💻

Ja, ChatGPT kan inderdaad helpen bij het maken van een Python-script, zelfs voor een tester die geen programmeerexpertise heeft. 😃 Er zijn echter bepaalde nuances en complexiteiten in scripting die misschien een diepere duik of wat hands-on oefening vereisen om er volledig grip op te krijgen. Maar met de juiste begeleiding is alles mogelijk!

Stap-voor-stap gids:

Het eerste wat ik hem adviseerde te doen is Faker te installeren.

Instellen: Begin met het installeren van Faker, een bibliotheek die nepgegevens kan genereren in verschillende talen. Dit zal handig zijn voor het vullen van onze XML-structuur.

pip install Faker

Het script maken: Om de XML te structureren, gebruik je ET.Element:

Dit kan nepgegevens genereren voor elke taal die kan worden gebruikt in de te maken xml-structuur. De tweede import die Chatgpt ons gaf en waar ik nog nooit van had gehoord (de bovenstaande wel) is ET.Element. Dit zet eigenlijk een elementtree object op voor xml en dan kun je gegevens invoeren op basis van de tagstructuur.```javascript

from faker import Faker

import xml.etree.ElementTree as ET

fake = Faker(’nl_NL’) # Dutch locale

def generate_dutch_citizen_data():

citizen = ET.Element(“citizen”)

First name and last name

name = ET.SubElement(citizen, “name”)

name.text = fake.name()

BSN

bsn = ET.SubElement(citizen, “bsn”) bsn.text = fake.ssn() # In the Dutch locale, ssn() generates a BSN.

return citizen

def main():

root = ET.Element(“citizens”)

Generate data for 10 citizens

for _ in range(10):

   citizen = generate_dutch_citizen_data()

   root.append(citizen)

Convert the XML data to a string and save

tree = ET.ElementTree(root)

tree.write(“dutch_citizens_data.xml”)

if name == “main”:

main()

### Conclusie

Het is ongelooflijk snel, en zowel Python als JavaScript blinken uit in het genereren van deze gegevens. Door het te integreren met tools zoals Tosca en Katalon, of open-source opties zoals Robot Framework, WDIO en Cypress, kun je je testdatamanagement en testautomatiseringssucces aanzienlijk verbeteren. De kanttekeningen zijn: je moet nog steeds enige programmeervaardigheden hebben. Het is leuk dat Chatgpt code genereert en suggesties doet, maar je moet nog steeds interpreteren of de code efficiënt en werkend is. Dus voor een niet-technische tester. Duik in de studieboeken en leer!

Meer dingen die gedaan kunnen worden met ChatGPT zijn:

### Het creëren van testcases of cursussen:
ChatGPT kan helpen bij het maken van testcases voor je software. Als je het vertelt wat een gebruiker doet op een website, kan het verschillende situaties bedenken om te testen. Zoals, wat gebeurt er als het wachtwoord verkeerd is? Of als een gebruiker te vaak probeert in te loggen? Testdocumenten schrijven: Moet je opschrijven hoe je getest hebt? Of de resultaten? ChatGPT kan je helpen deze documenten te schrijven. Software verkennen: ChatGPT kan testers helpen rond te kijken in de software om fouten te vinden door ernaar te praten. Raden waar bugs zijn: ChatGPT kan proberen te raden waar de software problemen zou kunnen hebben. Dit helpt testers om te weten waar ze eerst moeten kijken. Ik heb een blogpost gemaakt over hoe je dit kunt doen [cursus maken in Google Sheets](/blog/ai_generated_course_leveraging_on_chat_gpt/)

Teams helpen praten: Soms is het moeilijk voor mensen die veel van technologie weten om te praten met mensen die dat niet doen. ChatGPT kan hen helpen elkaar te begrijpen door wat ze zeggen om te zetten in teststappen.

Dit is slechts het begin. Er is nog veel meer dat we kunnen doen met AI in testen en ik geloof dat het veel potentieel heeft.

Meer informatie over hoe je dit voorbeeld Python-bestand kunt maken, is te vinden in mijn repo https://gitlab.com/learnautomatedtesting/createtestdatapythonbsn

Volg me op LinkedIn: www.linkedin.com/comm/mynetwork/discovery-see-all?usecase=PEOPLE_FOLLOWS&followMember=ralphvanderhorst als je vragen hebt.