本系列文章主要介绍天猫团队开源的Tangram框架的使用心得和原理，由于Tangram底层基于vlayout，所以也会简单讲解，该系列将按以下大纲进行介绍：
在讲解 Tangram模型 前，我们先来搞懂一个问题：为什么要使用 Tangram模型
哥那么叼的人怎么会被他吓到，于是乎花了零零碎碎加起来大约2天半搞定，在此鄙视一下土福
本文介绍由美国哈佛-麻省理工Broad研究所的Aviv Regev教授团队发表在 Nature Methods 的研究成果：本文作者提出了Tangram，一种将sc/snRNA-seq数据与从同一区域收集的各种形式的空间数据对齐的方法。Tangram可以处理来自多个形式的空间数据，包括MERFISH、STARmap、smFISH、空间转录组学(Visium)和组织学图像。Tangram可以映射任何类型的sc/snRNA-seq数据，包括多模态数据，例如来自SHARE-seq的数据。作者通过在视觉和躯体运动区的单细胞分辨率上重构全基因组解剖整合空间图，在健康小鼠脑组织上展示了Tangram。
tangram是一种映射单细胞表达量数据到空间转录组数据的方法，它可以将单细胞中的表达量数据映射到空间转录组的每一个cell中。这对于一些gene panel数量较少的空间转录组技术如Xenium、CosMx等可以起到扩充基因数量的作用，因为tangram基因映射后的客观结果是使得每一个Xenium/CosMx数据集的细胞中的基因panel数量将和使用的单细胞数据集的panel数量保持一致，而单细胞数据集panel数量是可以轻松到2万+的。
selenium操作很简单，这里不做详解讲解，以后我们开爬虫基础系列文章的时候会讲到。
将一些必须必要条件准备好 1,安装chorme浏览器 1,安装依赖 sudo apt-get install libxss1 libappindicator1 libindicator7 2,下载google安装包 wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb 3,安装 sudo dpkg -i google-chrome*.deb sudo apt-get install -f 2,安装chor
有些页面元素的生命周期如同流星一闪，昙花一现。我们也不知道这个元素在没在页面中出现过，为了捕获这一美好瞬间，让其成为永恒。我们就来判断元素是否显示出现过。
2 自己通过切图,再结合图片识别的库，去识别验证码... 简单的验证码识别率还可以,但是复杂的验证码需要训练(机器学习), 难度大
经过前五篇系列文章，对Tangram和vlayout也有了初步认识，这篇文章开始将结合业务场景使用，探索框架能力能对业务带来的支持，因为调研本身是一个需要不断踩坑的过程，所以大纲也做了微调，后续会根据实际使用过程发现的问题和解决方案进行更新。
Page Object是一种程序设计模式，将面向过程转变为面向对象(页面对象)，将测试对象及单个的测试步骤封装在每个Page对象中，以page为单位进行管理。可以使代码复用，降低维护成本，提高程序可读性和编写效率。
上一篇介绍了POM的基础理论知识和非POM方式写脚本，这篇介绍利用页面工厂类（page factory）去实现POM，通过查看PageFactory类，我们可以知道它是一个初始化一个页面实例的功能，在实例化该页面对象时候，也会一起实例化该页面的元素定位。
在实际工作中，我们需要对处理的元素进行高亮显示，或者有时候为了看清楚操作过程和步骤我们需要跟踪鼠标点击了哪些元素需要标记出来。虽然很少遇到，但是为了以后大家可以参考或者提供一种思路，今天宏哥就在这里把这种测试场景playwright是如何处理的讲解和分享一下。
今天这一篇宏哥主要是结合实际工作中将遇到的测试场景和前边两篇学习的知识结合起来给大家讲解和分享一下，希望以后大家在以后遇到其他的测试场景也可以将自己的所学的知识应用到测试场景中。
空转&scRNA-seq整合分析工具排雷篇 Hello，我还是那个👉 时不时分享、汇总、比较空转工具的小编~今天给大家“投喂”的这篇文献来自Nature子刊《Nature Methods》，研究人员对空间转录组和单细胞转录组整合分析工具进行比较，以衡量其性能。 📷 空转&scRNA-seq整合分析工具性能测试 空间转录组学方法允许我们在空间中检测RNA转录物，这些方法已被用于研究各种组织和器官中基因表达的空间分布，包括大脑、心脏、胰腺和皮肤。一方面，基于原位杂交和荧光显微镜（基于图像）的空间转录组学方法（
先来看下未使用 PO(PageObject) 设计模式下的代码，以网页版百度登录为例来说明。
之前介绍了在python中怎么对sqlite3数据库进行操作，今天再详细的介绍，怎么把自动化中使用到的数据存储在sqlite3数据库的文件中，然后在自动化中引用。下面详细的介绍，把页面的元素，输入的数据，以及系统返回的错误信息存储在数据库，然后从数据库中读取，来引入到实际的自动化项目中，就已百度登录为实例，创建表element.db，字段见如下的截图：
通过上文的例子，我们对Selenium的用法有了一个简单的印象。接下去我们还是基于这个组件进行模拟百度贴吧签到的功能。
webdriver有三种判断元素状态的方法，分别是isEnabled，isSelected 和 isDisplayed，其中isSelected在前面的内容中已经简单的介绍了，isSelected表示查看元素是否被选中，一般用在勾选框中（多选或者单选），isDisplayed表示查看什么呢？
内容整理自 robyoung (Rob Young) 的文章：First steps with Embedded Rust: Selecting a board
在UI自动化中，会有点击一个页面，出现一个新页面的情况，这时候我们需要获取浏览器上下文产生的新页面
ddt是python的第三库，全名称为：Data-Driven/Decorated Tests。ddt模块提供了创建数据驱动的测试，关于该模块，建议到官方查看详细的说明，安装方法分别为命令行安装或者下载文件进行安装，分别进行说明，二种安装的方式具体见如下：
python的程序由package,module,function组成，分别是包，模块，函数。模块是函数和类的集合，包，模块，函数之间的关系如下：
在年初做盘点季的时候小编已经为大家总结了👉 空转去卷积常用工具合辑，这些工具的性能如何？做分析的时候要怎么选择？近日，《Briefings in Bioinformatics》发表了综述文章，回顾了ST去卷积的最新方法，并综合评估了10种方法的性能。📷为ST数据的细胞类型去卷积开发的计算方法📷近年来，提出了多种ST去卷积方法。ST数据的现有去卷积方法大致可分为三类：概率方法、基于非负矩阵分解（NMF）和非负最小二乘（NNLS）的方法以及其他方法：1）概率方法，包括Adroit、cell2location、D
官方教程： http://selenium-python.readthedocs.org/
由于HTTP协议是无状态协议，所以服务器与客户端通过http协议通讯时，服务器不能记录客户端的信息。
今天我们继续前边的练习，学习和练习一下：如何使用webdriver方法获取操作复选框-CheckBox、测试不同的分辨率、如何断言title、如何获取某一个元素的text属性值等等，这些小练习，来巩固基础。
我想要从百度云网盘上下载一些有特定标题的PDF文件，用来做数据分析。但是百度云网盘的下载速度很慢，而且有些文件需要付费才能下载。所以我决定用Python和Selenium来写一个爬虫程序，自动化地搜索和下载我想要的文件。为了防止被百度云网盘检测到，我还使用了代理IP来隐藏我的真实IP地址。这样，我就可以快速地获取我需要的数据，代码如下：
Squidpy: a scalable framework for spatial omics analysis 论文摘要：
在实际工作中，我们需要对处理的元素进行高亮显示，或者有时候为了看清楚做跟踪鼠标点击了哪些元素需要标记出来。今天宏哥就在这里把这种测试场景讲解和分享一下。
本来写了一份更详细的总结的，但是涉及到了一些技术细节和公司业务，所以改了一份简版的出来，毕竟之前立过“每Q一次总结”的flag。
进过两天的研究终于实现了cookie的免密登录，其实就是session。特别开心，因为在Python爬虫群里问那些大佬，可是他们的回答令我寒心，自己琢磨！！！
通过selenium库，python可以调用chrome打开指定网页并获取网页内容或者模拟登陆获取网页内容，如何实现呢？随ytkah一起来看看
一般性的，数据存储在excel中，也是一种选择，但是必须安装对应的库，要不python是无法操作excel文件的，安装的第三方库为为xlrd，安装命令为：
何为Virtualview，简单来说，就是通过xml来描述视图，然后压缩成二进制格式，客户端通过解析并渲染成原生view或交由Canvas绘制的过程。
在自动化的测试中，对象元素的定位和操作是自动化的核心部分，但是对象是定位是自动化的基础，在对象的基础上，才可以形成对对象的操作。
上一篇宏哥用PageFactory实现了POM，宏哥再介绍一下如果不用PageFactory如何实现POM。
Xml是可扩展标记语言，关于xml的技术本人这里不在介绍，感兴趣的同学可以去w3c看看详细的资料，这里，我仅仅介绍的是如何获取xml文档结构中的数据，并且应用到自动化测试中，仅此而已，因为本文档的核心是学习自动化，本节是学习测试驱动方式。已百度登录为实例，xml的数据如下：
目前，机器人平台主要使用的程序设计语言为 C++。而 Tangram Vision 团队则认为，机器人平台应当选择更好和更合适的程序设计语言，Rust。
web自动化的测试最大的挑战之一也许就是随着项目的进展，项目在不停的变化，测试这边也得跟着项目变化来保障项目的顺利进展，在现实的软件项目中，变化是一个常数，而我们只有适应变化，才可以把握变化，但是自动化这边必须要考虑的一个现实问题就是，如何可以更加高效的提高代码的维护量，如何更加完美的来重构编写的代码？另外需要考虑的是，在一个现实的项目中，不管需求是多么的变化，编写的自动化的case以及这些case的代码量多么多，在一个敏捷的项目中，需要在一个版本提交测试后，测试这边务必在有限的时间内给出测试报告，这期间，就包含了自动化的执行，自动化的测试报告以及自动化执行后，对错误的分析(可能是代码错误？可能是功能错误？)，和某些需求变化后，对自动化代码的重构，很显然，使用以前的方式很难解决这样的一个现实问题。
封面由ARKie智能设计助手生成 Ant Design 最近发布了 antd.sketchapp ： 使用 skpm 构建工具，基于 React Sketch.app 及 Ant Design ，实现了 antd.sketchapp ，可以很方便的把 Ant Design 的前端代码转化为 sketch 文件。类似的基于 Material Design 我们也可以实现一个 MD.sketchapp 。antd.sketchapp 更大的意义在于其是一套设计系统更新的工具，可以快速对 Sketch 已
大体思路:以前的滑动验证码多为有原图的验证码，可以通过Image模块截取两张不同的图，通过对比像素得出移动的距离，无原图验证码也是基于这个原理，只是多了一步找出原图，该操作可以通过driver.execute_script（）添加JS代码，改变display显示获得原图，然后就变成了有原图的滑动验证码的操作流程。
新的 Javascript 库层出不穷，从而Web 社区愈发活跃、多样、在多方面快速发展。详细去描述每一种主流的 Javascript框架和库近乎不可能，所以在这篇文章中主要介绍一些对前端发展最具影响力的前端框架。接下来让我们来共同研究一些主流前端框架、库和工具，并讨论它们的适用场景。 1.angular.Js 地址：http://www.runoob.com/angularjs/angularjs-tutorial.html 代码托管地址:https://github.com/angular/angul
为了解决以上问题，就需要App侧具备一定的动态化能力。目前增强App端的动态性方式，通常来说有下面几类：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
