接口测试框架对比

公司计划系统的开展接口自动化测试，需要我这边调研一下主流的接口测试框架给后端测试（主要测试接口）的同事介绍一下每个框架的特定和使用方式。后端同事根据他们接口的特点提出一下需求，看哪个框架更适合我们。

需求

1、接口编写方便。

2、方便调试接口。

3、支持数据初始化。

4、生成测试报告。

5、支持参数化。

robot framework

优点

关键字驱动，自定义用户关键字。
支持测试日志和报告生成。
支持系统关键字开发，可扩展性好。
支持数据库操作。

缺点

接口测试用例写起来不简洁。
需要掌握特定语法。

*** Settings ***
Library RequestsLibrary
Library Collections

*** Test Cases ***
test_get_event_list # 查询发布会（GET请求）
${payload}= Create Dictionary eid=1 Create Session event http://127.0.0.1:8000/api$ {r}= Get Request event /get_event_list/ params= ${payload} Should Be Equal As Strings$ {r.status_code} 200
log ${r.json()}$ {dict} Set variable ${r.json()} #断言结果$ {msg} Get From Dictionary ${dict} message Should Be Equal$ {msg} success
${sta} Get From Dictionary$ {dict} status
${status} Evaluate int(200) Should Be Equal$ {sta} ${status}

结果：不考虑，没人愿意这么写接口用例。

###JMeter

优点

支持参数化
不需要写代码

缺点

创建接口用例效率不高。
不能生成查看每一个接口执行情况的测试报告。

总结：不考虑，接口编写不方便，最主要是不能生成测试报告，如果做接口性能的话可以考虑。

###HttpRunner

优点:

基于YAML/JSON格式，专注于接口本身的编写。
接口编写简单
生成测试报告
接口录制功能。

缺点:

没有编辑器插件对语法校验，容易出错。
官方文档没有详细的说明。
扩展不方便。

[
{
"config": {
"name": "testcase description",
"variables": [],
"request": {
"base_url": "http://127.0.0.1:5000",
"headers": {
"User-Agent": "python-requests/2.18.4"
}
}
}
},
{
"test": {
"name": "test case name",
"request": {
"url": "/api/get-token",
"headers": {
"device_sn": "FwgRiO7CNA50DSU",
"user_agent": "iOS/10.3",
"os_platform": "ios",
"app_version": "2.8.6",
"Content-Type": "application/json"
},
"method": "POST",
"date": {"sign": "958a05393efef0ac7c0fb80a7eac45e24fd40c27"}
},
"validate": [
{"eq": ["status_code", 200]},
{"eq": ["headers.Content-Type", "application/json"]},
{"eq": ["content.success", true]},
{"eq": ["content.token", "baNLX1zhFYP11Seb"]}
]
}
}]

总结：可以考虑，至于接口数据的初始化可能需要单独处理。

doc: https://cn.httprunner.org/quickstart/

###gauge

BDD行为驱动测试框架。

优点:

行为文件与脚本文件分离，本质上实现了数据驱动。
功能强大灵活，本质上还用Python写接口用例。
自动生成测试报告。
VS Code有支持插件

缺点:

门槛略高，需要了解BDD的用法。
需要会markdworn语法

行为描述文件：

复制代码

## test post request

* post "http://httpbin.org/post" interface     
     |key  | status_code|     
     |------|-----------|     
     |value1|200        |     
     |value2|200        |     
     |value3|200        |

测试脚本：

复制代码

......

@step("post <url> interface <table>")
def test_get_request(url, table):
    values = []
    status_codes = []
    for word in table.get_column_values_with_name("key"):
        values.append(word)
    for word in table.get_column_values_with_name("status_code"):
        status_codes.append(word)
    for i in range(len(values)):
        r = requests.post(url, data={"key": values[i]})
        result = r.json()
        assert r.status_code == int(status_codes[i])

总结：推荐使用，BDD有一定门槛，看测试人员的学些能力和接受速度。

doc: https://docs.gauge.org/latest/writing-specifications.html#special-parameter-csv

###Unittest+Request+HTMLRunner

利用现有的框架和库自己定制。

优点:

足够灵活强大: 分层测试、数据驱动、测试报告，集成CI...

缺点:

有一定的学习成本

数据文件：

复制代码

{
    "test_case1": {
        "key": "value1",
        "status_code": 200
    },
    "test_case2": {
        "key": "value2",
        "status_code": 200
    },
    "test_case3": {
        "key": "value3",
        "status_code": 200
    },
    "test_case4": {
        "key": "value4",
        "status_code": 200
    }}

测试用例：

复制代码

import requests
import unittest
from ddt import ddt, file_data


@ddtclass InterfaceTest(unittest.TestCase):

    def setUp(self):
        self.url = "http://httpbin.org/post"

    def tearDown(self):
        print(self.result)

    @file_data("./data/test_data_dict.json")
    def test_post_request(self, key, status_code):
        r = requests.post(self.url, data={"key": key})
        self.result = r.json()
        self.assertEqual(r.status_code, status_code)

总结：推荐使用，代码相对简单，功能足够灵活。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！