当前位置：首页 > news >正文

python接口自动化梳理

news 2025/10/1 16:38:09

一、接口自动化流程梳理

1.框架选择

主流框架对比
(1)Requests + Pytest (最常用)
(2)Robot Framework (关键字驱动)
(3)HttpRunner (专为HTTP接口测试)
(4)Unittest + Requests (Python标准库)
推荐：Requests + Pytest组合 - 灵活性强，社区活跃，插件丰富

2.项目结构设计

api_auto_test/
├── config/                 # 配置文件
│   ├── __init__.py
│   ├── config.py          # 基本配置
│   └── endpoints.py       # 接口端点配置
├── common/                # 公共模块
│   ├── __init__.py
│   ├── logger.py          # 日志模块
│   ├── request_client.py  # 请求客户端
│   └── assert_utils.py    # 断言工具
├── test_cases/            # 测试用例
│   ├── __init__.py
│   ├── test_user_api.py   # 用户相关测试
│   └── test_product_api.py # 产品相关测试
├── test_data/             # 测试数据
│   ├── user_data.py
│   └── product_data.py
├── reports/               # 测试报告
├── conftest.py           # Pytest配置
├── requirements.txt      # 依赖包
└── run_tests.py         # 测试执行入口

3.设计一个完整的接口自动化测试框架，需要考虑哪些方面？

框架设计要素：
(1) 架构设计：分层设计（用例层、业务层、数据层）
(2) 配置管理：多环境支持、敏感信息管理
(3) 用例管理：用例组织、标签管理、依赖处理
(4)数据管理：测试数据生成、数据驱动、数据清理
(5)报告体系：测试报告、日志记录、失败截图
(6)异常处理：重试机制、超时控制、错误恢复
(7)持续集成：CI/CD集成、定时执行、质量门禁
framework/
├── core/ # 核心模块
├── utils/ # 工具类
├── testcases/ # 测试用例
├── config/ # 配置管理
├── data/ # 测试数据
├── reports/ # 测试报告
└── ci/ # CI/CD配置

二、pytest总结

1.fixture作用：

(1) 测试前置和后置操作
(2)测试数据准备
(3) 依赖注入
(4) 资源共享（通过scope控制）

import pytest
@pytest.fixture(scope="function")   # 默认：每个测试函数执行一次
def func_scope():return "function_scope"
@pytest.fixture(scope="class")      # 每个测试类执行一次
def class_scope():return "class_scope"
@pytest.fixture(scope="module")     # 每个模块执行一次
def module_scope():return "module_scope"
@pytest.fixture(scope="session")    # 整个测试会话执行一次
def session_scope():return "session_scope"

import pytest
@pytest.fixture(scope="function")
def setup_data():"""前置操作"""data = {"user": "test", "id": 1}yield data  # 测试用例执行# 后置清理操作print("清理测试数据")
def test_example(setup_data):assert setup_data["user"] == "test"

2.如何处理接口依赖？比如B接口需要A接口返回的token

import pytest
class TestDependentAPI:@pytest.fixturedef get_auth_token(self):"""获取认证token"""response = requests.post("/login", json=credentials)return response.json()["token"]def test_dependent_api(self, get_auth_token):"""依赖token的接口测试"""headers = {"Authorization": f"Bearer {get_auth_token}"}response = requests.get("/user/profile", headers=headers)assert response.status_code == 200

3.实现数据驱动-参数化

(1)使用pytest参数化

import pytest
test_data = [("admin", "admin123", 200, "登录成功"),("admin", "wrong_pwd", 401, "密码错误"),("", "admin123", 400, "用户名为空")
]@pytest.mark.parametrize("username,password,expected_code,desc", test_data)
def test_login(username, password, expected_code, desc):data = {"username": username, "password": password}response = requests.post("/login", json=data)assert response.status_code == expected_code

#基本参数化
import pytest
@pytest.mark.parametrize("input,expected", [(1, 2),(2, 4),(3, 6)
])
def test_double(input, expected):assert input * 2 == expected

# 多个参数组合
@pytest.mark.parametrize("x", [1, 2])
@pytest.mark.parametrize("y", [10, 20])
def test_combinations(x, y):assert x + y == x + y  # 会产生4个测试用例

(2)使用外部文件驱动

import json
import csv# JSON数据驱动
def load_json_testdata(file_path):with open(file_path, 'r', encoding='utf-8') as f:return json.load(f)

# 例子1
import json
def load_test_data():with open('test_data.json') as f:return json.load(f)@pytest.mark.parametrize("data", load_test_data())
def test_with_external_data(data):assert data["input"] * 2 == data["expected"]

# CSV数据驱动  
def load_csv_testdata(file_path):test_cases = []with open(file_path, 'r', encoding='utf-8') as f:reader = csv.DictReader(f)for row in reader:test_cases.append(row)return test_cases

4.如何Mock外部依赖接口

import pytest
from unittest.mock import Mock, patchclass TestWithMock:def test_with_mocked_external_api(self, mocker):# Mock外部API响应mock_response = Mock()mock_response.status_code = 200mock_response.json.return_value = {"result": "success"}# 替换requests.get方法mocker.patch('requests.get', return_value=mock_response)# 执行测试result = external_api_call()assert result == "success"# 使用patch装饰器
@patch('module.requests.get')
def test_decorator_mock(mock_get):mock_get.return_value.status_code = 200# 测试逻辑

5.Pytest如何自动发现测试用例

# 默认发现规则：
# 1. 文件名：test_*.py 或 *_test.py
# 2. 类名：Test开头（无__init__方法）
# 3. 方法名：test_开头# 示例：
# test_example.py
class TestCalculator:def test_addition(self):  # 会被发现assert 1 + 1 == 2def addition_test(self):  # 不会被发现assert 2 + 2 == 4

6.Pytest与Unittest的主要区别

特性	   	   Pytest	                 Unittest
语法	   	   简洁，使用assert	         需要self.assertEqual()
夹具	   	   fixture机制更灵活	         setUp/tearDown
参数化	   @pytest.mark.parametrize  需要subTest或第三方库
插件	       丰富的插件生态	             相对较少
发现机制	   自动发现测试文件	         需要继承TestCase

7.Pytest的断言机制有什么特点

# 直接使用Python的assert语句
def test_basic_assert():assert 1 == 1assert Trueassert not False# 复杂断言
def test_complex_assert():# 列表断言assert [1, 2, 3] == [1, 2, 3]# 包含断言assert "hello" in "hello world"# 异常断言with pytest.raises(ValueError):int("invalid")# 类型断言assert isinstance("hello", str)

8.常用插件

(1)pip install pytest-html # HTML报告
(2)pip install pytest-xdist # 分布式测试
(3)pip install pytest-cov # 覆盖率测试
(4)pip install pytest-mock # Mock支持
(5)pip install pytest-timeout # 超时控制
(6)pip install pytest-rerunfailures # 失败重试
(7)pip install allure-pytest # Allure报告

9.高级特性

(1)跳过测试
import pytest
import sys
@pytest.mark.skip(reason="功能尚未实现")
def test_skip():assert False
@pytest.mark.skipif(sys.version_info < (3, 8), reason="需要Python 3.8+")
def test_skipif():assert True(2)预期失败
@pytest.mark.xfail(reason="已知问题，预期失败")
def test_expected_failure():assert False  # 预期失败，不会标记为失败
@pytest.mark.xfail(run=False, reason="不执行此测试")
def test_not_run():assert False  # 不会执行(3)测试失败重试
# 使用pytest-rerunfailures插件
@pytest.mark.flaky(reruns=3, reruns_delay=2)  # 重试3次，间隔2秒
def test_flaky_api():response = unreliable_api_call()assert response.status_code == 200# 命令行方式
# pytest --reruns 3 --reruns-delay 2 test_file.py
# 自定义重试逻辑
def test_with_retry_logic():max_retries = 3for attempt in range(max_retries):try:result = flaky_operation()assert result is Truebreakexcept AssertionError:if attempt == max_retries - 1:raisetime.sleep(1)

10.生成专业的测试报告

# 1. HTML报告
pytest --html=report.html --self-contained-html
# 2. Allure报告
pytest --alluredir=allure-results
allure serve allure-results
# 3. JUnit XML报告（用于CI/CD）
pytest --junitxml=report.xml
# 4. 自定义报告插件
```python
def pytest_terminal_summary(terminalreporter, exitstatus, config):"""终端报告摘要"""if exitstatus == 0:terminalreporter.write_sep("=", "测试通过！", green=True)else:terminalreporter.write_sep("=", "测试失败！", red=True)
# 5. 测试覆盖率报告
#pytest --cov=myproject --cov-report=html

11.常见的Pytest测试模式

# 1. 运行特定标记的测试
pytest -m "smoke"                   # 只运行冒烟测试
pytest -m "not slow"                # 排除慢测试
# 2. 运行特定文件或目录
pytest tests/unit/                  # 运行整个目录
pytest tests/test_api.py::TestLogin # 运行特定类
pytest tests/test_api.py::TestLogin::test_login_success # 运行特定方法
# 3. 失败时进入PDB调试
pytest --pdb                        # 失败时进入调试
pytest --trace                      # 立即进入调试
# 4. 测试执行控制
pytest -x                           # 遇到第一个失败就停止
pytest --maxfail=3                  # 最多失败3个就停止
pytest --stepwise                   # 从上一次失败的地方开始
# 5. 性能分析
pytest --durations=10               # 显示最慢的10个测试