关于数据驱动自动化

今天开始着手去思考一下如何把每次release上来的书用自动化实现一下sanity，尽量覆盖大部分的checklist，以便给项目组节省更多的资源。

    由于每次要release的书类型都不一样，所以其中有很多功能不同，也有一些压根连空间都没有，比如navigation box等，或者每本书要进行全文检索的值都不一样，这个时候如何通过更精简的代码去解决这类棘手的问题呢？方法很多吧，比如读取Excel、CSV等，由于不喜欢棒子的jxl，我这里推荐一个用的比较少但真的很好用的一个方法---datapool.

    我们可以通过install software在eclipse中安装关于TPTP的相关组件，galileo版本很方便（indigo暂时没有找到相关下载）

    好啦，这个时候我们就可以create一个datapool，这个类似于excel表格的文件，我们可以把很多我们感兴趣的东西都设置为column，例如刚刚说的navigation box. 比如volume A 会有navigation box 而 volume B没有。

这个时候在代码里就可以去判断 assertTrue(page.isElementExisted("nav").equalsIgnoreCase(dpIter.dpString("Nav")))

这里的Nav是我们在*.datapool中的column name.

    这个时候大家可能开始好奇这个dpIter是做甚的，well让我解释一下，dpIter是一个IDatapoolIterator 的对象，所以要哥们们要想调到这个datapool，必须要有tptp-models.jar以及tptp-models-hierachy.jar，还有一些必不可少的jar包用来进行运行期的操作，例如org.eclipse.equinox.common_3.5.1.R35x_v20090807-1100.jar等。

    使用datapool可以让case的复杂程度降到最低，同时又可以让case可以handle变化不定的数据，这样当有新书需要release的时候，完全可以通过维护datapool文件来实现对checklist的自动化。

    如何操作datapool以及如何让datapool发挥出色，这里不再赘述，当然初始化与迭代是必要的，设计思想就说道这里，代码部分大家自己去考虑去写。

    解决问题的方式有很多，在碰到问题时候不应该去盲目的去实现一个看似可行的方法，要考虑到风险、灵活性等，对每一个解决方案的设计都是需要进行足够的思考，找到对自己team最有帮助的方法去解决实际问题才是正经事