Chat met GPT en Testdata Creation

Chat met GPT

en Testdatacreation 1

Hoe ik ChatGPT gebruik in Consultancy: een preview van de blogserie

Inleiding: In deze serie zal ik u praktische demonstraties geven van hoe we ChatGPT gebruiken in onze dagelijkse adviesactiviteiten.

De ervaring van vandaag: Vandaag sprak ik met een Tosca-expert (wel een zeer hardwerkende man) en we hadden het over hoe lang het zou duren om een xml-dataset te parseren om een bsn-structuur te genereren voor een bepaalde activiteit voor één project. Ik gaf hem de uitdaging om het totaal anders te doen en hij koos voor python

De grote vraag: De vraag was dus: kan ChatGPT samenwerken om hem te helpen bij het maken van een python-script 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 programmeerkennis heeft. 😃 Er zijn echter bepaalde nuances en complexiteiten in scripting die misschien een diepere duik of wat praktijkervaring vereisen om het volledig onder de knie te krijgen. Maar met de juiste begeleiding is alles mogelijk!

Stapsgewijze handleiding:

Het eerste wat ik hem adviseerde te doen is faker installeren

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

pip installeer Faker

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

Dit kan nepgegevens genereren voor elke taal die kan worden gebruikt in de XML-structuur die moet worden gemaakt. De tweede import die Chatgpt ons gaf en waar ik nog nooit van gehoord heb (de bovenstaande heb ik gedaan) is et.Element. Dit stelt in feite een elementtree-object in voor xml en u kunt vervolgens gegevens invoeren op basis van de tagstructuur.


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()

Als het script is gemaakt en je hebt het script lokaal uitgevoerd, kun je zien dat er een structuur is gemaakt.

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 het beheer van je testgegevens en het succes van testautomatisering aanzienlijk verbeteren.” Kaviaten zijn: je moet nog wat programmeervaardigheden hebben. Het is leuk dat Chatgpt code genereert en suggesties doet, maar je moet nog steeds interpreteren of de code efficiënt is en werkt. Dus voor een niet-technische tester. Duik in de studieboeken en leer!

Er zijn nog meer dingen die gedaan kunnen worden met ChatGPT:

Testcases of cursussen aanmaken:

ChatGPT kan helpen bij het maken van testcases voor uw software. Als je hem vertelt wat een gebruiker op een website doet, kan hij verschillende situaties bedenken om te testen. Wat gebeurt er bijvoorbeeld als het wachtwoord verkeerd is? Of als een gebruiker te vaak probeert in te loggen? Testdocumenten schrijven: Moet je opschrijven hoe je hebt getest? Of de resultaten? ChatGPT kan u helpen bij het schrijven van deze documenten. Software verkennen: ChatGPT kan testers helpen om in de software rond te kijken om fouten te vinden door ermee te praten. Raad eens waar bugs zitten: ChatGPT kan proberen te raden waar de software mogelijk problemen heeft. Dit helpt testers om te weten waar ze eerst moeten zoeken. Ik heb een blogpost gemaakt hoe je dit moet doen [cursus aanmaken in google sheets] (/blog/ai_generated_course_leveraging_on_chat_gpt/)

Teams helpen praten: Soms is het moeilijk voor mensen die veel weten over technologie 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 nog maar het begin. Er is nog veel meer dat we kunnen doen met AI tijdens het testen en ik denk dat het veel potentieel heeft.

Meer informatie over hoe je dit Python-voorbeeldbestand kunt maken, vind je 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.