马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有账号？立即注册
×
课程：B站大学
记录python学习，直到学会基本的爬虫，使用python搭建接口主动化测试就算学会了，在进阶webui主动化，app主动化
怎样进行接口主动化测试设计思绪？
目前网络到的设计方案思绪如下：
基类 + 工具类：解决通用逻辑的复用问题。
参数化测试：得当简单场景的大量数据驱动。
会合管理测试数据：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。
数据库动态天生：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绪
1. 背景
在接口主动化测试中，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
- 通用功能会合封装，避免重复代码。
- 测试数据与测试逻辑分离，提高数据复用率。
- 测试代码结构清晰，便于维护和扩展。
- 测试日记与错误信息明确，易于定位问题。
- 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（如情况初始化）。
- 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]}"
核心功能：
- 封装通用工具方法（如数据校验、日记记录）。
- 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:
- @staticmethod
- def 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}"
- @staticmethod
- def log_request_response(request, response):
- """记录请求和响应日志
 """ - print(f"Request: {request}")
- print(f"Response: {response}")
- @staticmethod
- def generate_unique_id():
- """生成唯一标识符（示例方法）"""
- import uuid
- return str(uuid.uuid4())
4. 测试用例实现
核心思绪：
- 测试用例类继承 BaseTest，复用初始化和通用方法。
- 根据详细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 == 0
- self.validate_response(response, expected_data) # 使用基类方法验证字段
5. 测试数据管理
- 会合化管理：
- 将测试数据保存在 JSON 文件中，按模块或场景划分。
- 文件命名发起：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
- 测试数据会合存储，便于管理和更新。
- 测试逻辑清晰，便于团队协作。
- 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绝的调用不同的接口完成测试，也可以对每个函数打标志@pytest.mark.update_category（目前没感觉到用处）
比如：存在一个写了对于模块全部调用接口的测试用例文件test_case_helpers.py，新建一个test_category.py文件用来模仿实际的业务场景。但是也有个问题，假如一个场景就是一个py文件，岂不是需要新建很多的py文件？？（貌似可以一个py文件中界说不同的类，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_product
- class 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")
1、通过基类与工具类的设计，可以有效提升接口主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全部接口方法为不同的def函数(每个函数里面进行详细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)实验函数的运行次序（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志@pytest.mark.xxx，运行的时候过滤筛选标志实验。
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、检察api指定的请求数据模子，天生对应的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
得当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：
实践是检验真理的唯一标准
|
发表于 2025-9-8 06:20:29