当前位置：首页 > news >正文

接口自动化测试设计思路--设计实战

news 来源：原创 2025/5/13 6:04:55

课程：B站大学
记录python学习，直到学会基本的爬虫，使用python搭建接口自动化测试就算学会了，在进阶webui自动化，app自动化

接口自动化测试设计思路

- 如何进行接口自动化测试设计思路？
- 1. 背景
- 2. 设计目标
- 3. 框架设计
- - 3.1 基类设计
  - 3.2 工具类设计
  - 4. 测试用例实现
  - 5. 测试数据管理
  - 6. 优势分析
  - 7. 总结
  - 目前写调用测试用例的流程：
实践是检验真理的唯一标准

如何进行接口自动化测试设计思路？

目前收集到的设计方案思路如下：
基类 + 工具类：解决通用逻辑的复用问题。
参数化测试：适合简单场景的大量数据驱动。
集中管理测试数据：提升测试数据维护效率。
数据驱动框架：复杂场景和大规模用例时使用。
数据库动态生成：需要强耦合数据库或验证复杂业务逻辑时使用。
基于基类和工具类的测试框架设计思路

1. 背景

在接口自动化测试中，为了提高代码的复用性、可维护性和扩展性，通常需要设计一个高效的测试框架。本文提出了一种基于基类 + 工具类的设计方案，旨在解决以下问题：

测试用例中重复逻辑过多，代码冗余。
测试数据难以管理，维护成本高。
接口测试的校验逻辑分散，不易复用。

2. 设计目标

复用性：

通用功能集中封装，避免重复代码。
测试数据与测试逻辑分离，提高数据复用率。

可维护性：

测试代码结构清晰，便于维护和扩展。
测试日志与错误信息明确，易于定位问题。

扩展性：

能快速适配新增的测试场景。
支持复杂业务逻辑的验证需求。

3. 框架设计

3.1 基类设计

核心功能：

提供测试前后的通用操作（如环境初始化）。
提供常用的辅助方法（如加载测试数据、通用校验等）。
测试用例类通过继承基类复用其功能。
示例代码

import pytest
import json
class BaseTest:@pytest.fixture(scope="class", autouse=True)def setup(self):"""测试初始化，执行每个测试类前的准备工作"""self.api = APIClient()  # 初始化 API 客户端实例def load_test_data(self, file_path):"""从指定文件加载 JSON 测试数据"""try:with open(file_path, 'r', encoding='utf-8') as file:return json.load(file)except FileNotFoundError:raise FileNotFoundError(f"Test data file not found: {file_path}")except json.JSONDecodeError:raise ValueError(f"Invalid JSON format in file: {file_path}")def validate_response(self, response, expected_data):"""验证接口响应字段是否匹配"""for key, value in expected_data.items():assert response.data[key] == value, f"Mismatch for {key}: expected {value}, got {response.data[key]}"

3.2 工具类设计

核心功能：

封装通用工具方法（如数据校验、日志记录）。
提供独立于测试逻辑的功能支持，供多个模块调用。
示例代码

class TestUtils:@staticmethoddef compare_dicts(expected, actual):"""比较两个字典的值"""for key, value in expected.items():assert actual[key] == value, f"Key '{key}' mismatch: expected {value}, got {actual}"@staticmethoddef log_request_response(request, response):"""记录请求和响应日志"""print(f"Request: {request}")print(f"Response: {response}")@staticmethoddef generate_unique_id():"""生成唯一标识符（示例方法）"""import uuidreturn str(uuid.uuid4())

4. 测试用例实现

核心思路：

测试用例类继承 BaseTest，复用初始化和通用方法。
根据具体场景调用工具类中的方法，简化测试逻辑。
示例代码

import pytest
from test_utils import TestUtils
class TestCategory(BaseTest):@pytest.fixture(scope="class", autouse=True)def setup(self):"""继承基类 setup 并扩展初始化逻辑"""super().setup()self.create_data_file = "create_data.json"self.update_data_file = "update_data.json"def test_create_category(self):"""测试新增商品分类"""data = self.load_test_data(self.create_data_file)  # 加载测试数据response = self.api.createCategory(data)          # 调用接口assert response.code == 0                         # 验证接口响应assert response.data is not None                  # 验证是否返回数据def test_update_category(self):"""测试修改商品分类"""data = self.load_test_data(self.update_data_file)  # 加载测试数据response = self.api.updateCategory(data)          # 调用接口assert response.code == 0                         # 验证接口响应assert response.data is True                      # 验证是否返回正确结果def test_validate_category(self):"""验证修改后的分类是否正确"""expected_data = self.load_test_data(self.update_data_file)category_id = expected_data["categoryId"]response = self.api.getCategory(category_id)assert response.code == 0self.validate_response(response, expected_data)   # 使用基类方法验证字段

5. 测试数据管理

集中化管理：
- 将测试数据保存在 JSON 文件中，按模块或场景划分。
- 文件命名建议：create_data.json、update_data.json。
动态加载：
- 使用基类中的方法动态加载测试数据，减少硬编码。
  示例测试数据

create_data.json
{"categoryId": 1,"shopId": 1,"categoryName": "创建商品分类","memberDiscountInfo": [],"isShopDisplay": 1,"isDeleted": 0,"sort": 1,"createBy": "tester","createTime": "2023-10-01T00:00:00","updateBy": "tester","updateTime": "2023-10-01T00:00:00"
}

6. 优势分析

代码复用性：

通用功能封装到基类和工具类中，减少重复代码。

可维护性：

测试数据集中存储，便于管理和更新。
测试逻辑清晰，便于团队协作。

扩展性：

基类和工具类支持新增功能的快速扩展。
新增测试场景时，仅需编写少量代码。

小技巧：这里我们可以对每个测试用例的逻辑进行封装，解决在实际业务场景中需要不断的调用不同的接口完成测试，也可以对每个函数打标记@pytest.mark.update_category（目前没感觉到用处）
比如：存在一个写了对于模块所有调用接口的测试用例文件test_case_helpers.py，新建一个test_category.py文件用来模拟实际的业务场景。但是也有个问题，如果一个场景就是一个py文件，岂不是需要新建很多的py文件？？（貌似可以一个py文件中定义不同的类，不同的类对应不同的业务场景，py文件看上去少）
示例：

# test_product.py
import pytest
from test_case_helpers import test_create_product, test_update_product, test_get_productclass TestCreateProduct:def test_create_product(self, api_client):"""新增商品的测试"""test_create_product(api_client, "create_product_data.json")def test_validate_create(self, api_client):"""新增商品后验证商品信息"""test_get_product(api_client, "create_product_data.json")class TestUpdateProduct:def test_update_product(self, api_client):"""修改商品的测试"""test_update_product(api_client, "update_product_data.json")def test_validate_update(self, api_client):"""修改商品后验证商品信息"""test_get_product(api_client, "update_product_data.json")class TestCreateAndValidateProduct:def test_create_and_validate(self, api_client):"""新增商品并查看新增是否正确"""test_create_product(api_client, "create_product_data.json")test_get_product(api_client, "create_product_data.json")class TestUpdateAndValidateProduct:def test_update_and_validate(self, api_client):"""修改商品并查看修改是否正确"""test_update_product(api_client, "update_product_data.json")test_get_product(api_client, "update_product_data.json")

7. 总结

1、通过基类与工具类的设计，可以有效提升接口自动化测试的开发效率与代码质量。
2、就目前而言，我发现可以用下面的方式写：
1.1：通过单独的casehelp.py文件封装该模块下能调用的所有接口方法为不同的def函数(每个函数里面进行具体的断言以及覆盖率等)，
1.2：在外部新建一个actl_case.py文件进行直接调用def函数进行测试，使用@pytest.mark.run(order=xxx)执行函数的运行顺序（这里在想可以写个py脚本把casehelp.py文件中的def函数名都读取出来写入到actl_case.py文件中并在每个def函数头一行前加入@pytest.mark.run(order=xxx)装饰器），然后只需要更改order就可以完成不同业务场景的测试了。
1.3：actl.case文件一个业务场景新建一个类，一个类就对应一个业务场景，然后给这个类打上标记@pytest.mark.xxx，运行的时候过滤筛选标记执行。

目前写调用测试用例的流程：

1、新建test_xxx_xxx测试用例文件
2、查看api指定的请求数据模型，生成对应的json测试数据
3、区分不同的请求接口：
POST:有json的创建json测试数据、有dict的传字典、params的用例参数化
GET:参数少的用例参数化，参数多的用json
适合快速实现接口间依赖的场景方式如下：
独立封装接口函数，手动传递依赖数据：