Python语言+pytest框架+allure报告+log日志+yaml文件+mysql断言实现接口自动化框架

本框架主要是基于 Python + pytest + allure + log + yaml + mysql + redis + 钉钉通知 + Jenkins 实现的接口自动化框架。

项目参与者: 卓然

技术支持联系:mashang-zz备注111

个人博客地址: [https://blog.csdn.net/ZangKang1)

如果对您有帮助,请个一个一键三连

2025年全网最牛最全面的pytest接口自动化测试框架入门到精通!

前言

框架主要使用 python 语言编写,结合 pytest 进行二次开发,用户仅需要在 yaml 文件中编写测试用例, 编写成功之后,会自动生成 pytest 的代码,零基础代码小白,也可以操作。

本框架支持多业务接口依赖,多进程执行,mysql 数据库断言和 接口响应断言,并且用例直接在yaml文件中维护,无需编写业务代码, 接口pytest框架生成allure报告,并且发送 企业微信通知/ 钉钉通知/ 邮箱通知/ 飞书通知,灵活配置。

实现功能

测试数据隔离, 实现数据驱动

支持多接口数据依赖: 如A接口需要同时依赖B、C接口的响应数据作为参数

数据库断言: 直接在测试用例中写入查询的sql即可断言,无需编写代码

动态多断言: 如接口需要同时校验响应数据和sql校验,支持多场景断言

自动生成用例代码: 测试人员在yaml文件中填写好测试用例, 程序可以直接生成用例代码,纯小白也能使用

代理录制: 支持代理录制,生成yaml格式的测试用例

统计接口的运行时长: 拓展功能,订制开关,可以决定是否需要使用

日志模块: 打印每个接口的日志信息,同样订制了开关,可以决定是否需要打印日志

钉钉、企业微信通知: 支持多种通知场景,执行成功之后,可选择发送钉钉、或者企业微信、邮箱通知

自定义拓展字段: 如用例中需要生成的随机数据,可直接调用

多线程执行

目录结构

├── Cache // 存放缓存文件

├── common // 配置

│ ├── conf.yaml // 公共配置

│ ├── setting.py // 环境路径存放区域

├── data // 测试用例数据

├── Enums // 枚举层,用于存放项目中所需的枚举

├── File // 上传文件接口所需的文件存放区域

├── log // 日志层

├── report // 测试报告层

├── test_case // 测试用例代码

├── utils // 工具类

│ └── assertUtils // 断言

│ └── assertUtils.py

│ └── cacheUtils // 缓存处理模块

│ └── cacheControl.py

│ └── redisControl.py

│ └── logUtils // 日志处理模块

│ └── logControl.py

│ └── logDecoratrol.py // 日志装饰器

│ └── runTimeDecoratrol.py // 统计用例执行时长装饰器

│ └── mysqlUtils // 数据库模块

│ └── get_sql_data.py

│ └── mysqlControl.py

│ └── noticUtils // 通知模块

│ └── dingtalkControl.py // 钉钉通知

│ └── feishuControl.py // 飞书通知

│ └── sendmailControl.py // 邮箱通知

│ └── weChatSendControl.py // 企业微信通知

│ └── otherUtils // 其他工具类

│ └── allureDate // allure封装

│ └── allure_report_data.py // allure报告数据清洗

│ └── allure_tools.py // allure 方法封装

│ └── error_case_excel.py // 收集allure异常用例,生成excel测试报告

│ └── localIpControl.py // 获取本地IP

│ └── threadControl.py // 定时器类

│ └── readFilesUtils // 文件操作

│ └── caseAutomaticControl.py // 自动生成测试代码

│ └── clean_files.py // 清理文件

│ └── excelControl.py // 读写excel

│ └── get_all_files_path.py // 获取所有文件路径

│ └── get_yaml_data_analysis.py // yaml用例数据清洗

│ └── regularControl.py // 正则

│ └── yamlControl.py // yaml文件读写

│ └── recordingUtils // 代理录制

│ └── mitmproxyContorl.py

│ └── requestsUtils

│ └── dependentCase.py // 数据依赖处理

│ └── requestControl.py // 请求封装

│ └── timeUtils

├── Readme.md // help

├── pytest.ini

├── run.py // 运行入口

AI生成项目

依赖库

allure-pytest==2.9.45

allure-python-commons==2.9.45

atomicwrites==1.4.0

attrs==21.2.0

certifi==2021.10.8

cffi==1.15.0

charset-normalizer==2.0.7

colorama==0.4.4

colorlog==6.6.0

cryptography==36.0.0

DingtalkChatbot==1.5.3

execnet==1.9.0

Faker==9.8.3

idna==3.3

iniconfig==1.1.1

jsonpath==0.82

packaging==21.3

pluggy==1.0.0

py==1.11.0

pycparser==2.21

PyMySQL==1.0.2

pyOpenSSL==21.0.0

pyparsing==3.0.6

pytest==6.2.5

pytest-forked==1.3.0

pytest-xdist==2.4.0

python-dateutil==2.8.2

PyYAML==6.0

requests==2.26.0

six==1.16.0

text-unidecode==1.3

toml==0.10.2

urllib3==1.26.7

xlrd==2.0.1

xlutils==2.0.0

xlwt==1.3.0

AI生成项目

安装教程

首先,执行本框架之后,需要搭建好 python、jdk、 allure环境

搭建python教程:[https://www.runoob.com/python3/python3-install.html)

搭建jdk环境:[https://blog.csdn.net/R_Y_Fren/article/details/120438636)

安装allure:[https://blog.csdn.net/ZangKang1/article/details/122345472)

如上环境如都搭建好,则安装本框架的所有第三方库依赖,执行如下命令

pip3 install -r requirements.txt

AI生成项目

如果在安装过程中出现如下 Could not find a version 类似的异常, 不用担心,可能是因为你安装的python环境 版本和我不一致导致的,直接 pip install 库名称,不指定版本安装就可以了。

如上方截图说没有找到 asgiref==3.5.1,报错的意思是,没有找到3.5.1这个版本,那么直接控制台输入 pip3 install asgiref 进行安装即可

接口文档

这里非常感谢一位安卓的朋友,给我推荐了开源的接口文件,框架中会针对开源接口中的登录、个人信息、收藏(新增、查看、修改、删除)等功能,编写结果自动化案例 下方是接口文档地址,大家可以自行查看(因为开源的接口,里面有些逻辑性的功能,如修改被删除的网址接口并没有过多的做判断, 因此用例中只写了一些基础的场景,仅供大家参考。) https://wanandroid.com/blog/show/2

如何创建用例

创建用例步骤

1、在data文件夹下方创建相关的yaml用例

2、写完之后,需要执行 utils\readFilesUtils\caseAutomaticControl.py 这个文件,生成自动化代码

3、执行caseAutomaticControl.py文件之后,会发现,在test_case层新增该条用例的对应代码,可直接执行该用例调试

4、当所有接口都编写好之后,可以直接运行run.py主程序,执行所有自动化接口

下面我们来看一下,如何创建用例

用例中相关字段的介绍

上方截图,就是一个用例中需要维护的相关字段,下面我会对每个字段的作用,做出解释。

如何发送get请求

上方了解了用例的数据结构之后,下面我们开始编写第一个get请求方式的接口。 首先,开始编写项目之后,我们在 conf.yaml 中配置项目的域名

域名配置好之后,我们来编写测试用例,在 data 文件下面,创建一个名称为 collect_tool_list.yaml 的用例文件,请求/lg/collect/usertools/json这个收藏网址列表接口,所有接口的详细信息,可以在接口文档中查看,下方不在做赘述

接口文档:https://wanandroid.com/blog/show/2

公共参数

case_common:

allureEpic: 开发平台接口

allureFeature: 收藏模块

allureStory: 收藏网址列表接口

collect_tool_list_01:

host: ${{host()}}

url: /lg/collect/usertools/json

method: GET

detail: 查看收藏网址列表接口

headers:

Content-Type: multipart/form-data;

这里cookie的值,写的是存入缓存的名称

cookie: login_cookie

请求的数据,是 params 还是 json、或者file、data

requestType: data

是否执行,空或者 true 都会执行

is_run:

data:

pageNum: 1

pageSize: 10

是否有依赖业务,为空或者false则表示没有

dependence_case: False

依赖的数据

dependence_case_data:

assert:

断言接口状态码

errorCode:

jsonpath: $.errorCode

type: ==

value: 0

AssertType:

sql:

AI生成项目

get请求我们 requestType 写的是 params ,这样发送请求时,我们会将请求参数拼接中url中,最终像服务端发送请求的地址格式会为:

如: ${{host()}}/lg/collect/usertools/json?pageNum=1&pageSize=10

AI生成项目

如何发送post请求

公共参数

case_common:

allureEpic: 开发平台接口

allureFeature: 收藏模块

allureStory: 收藏网址接口

collect_addtool_01:

host: ${{host()}}

url: /lg/collect/addtool/json

method: POST

detail: 新增收藏网址接口

headers:

Content-Type: multipart/form-data;

这里cookie的值,写的是存入缓存的名称

cookie: login_cookie

请求的数据,是 params 还是 json、或者file、data

requestType: data

是否执行,空或者 true 都会执行

is_run:

data:

name: 自动化生成收藏网址${{random_int()}}

link: https://gitee.com/yu_xiao_qi/pytest-auto-api2

是否有依赖业务,为空或者false则表示没有

dependence_case: False

依赖的数据

dependence_case_data:

assert:

断言接口状态码

errorCode:

jsonpath: $.errorCode

type: ==

value: 0

AssertType:

sql:

AI生成项目

这里post请求,我们需要请求的数据格式是json格式的,那么requestType 则填写为json格式。 包括 PUT/DELETE/HEAD 请求的数据格式都是一样的,唯一不同的就是需要配置 reuqestType, 如果需要请求的参数是json格式,则requestType我们就填写json,如果是url拼接的形式,我们就填写 params

如何测试上传文件接口

首先,我们将所有需要测试的文件,全部都放在 files 文件夹中

requestType: file

是否执行,空或者 true 都会执行

is_run:

data:

file:

file_name: 排入水体名.png

AI生成项目

在yaml文件中,我们需要注意两个地方,主要是用例中的requestType、和 filename 字段: 1、requestType: 上传文件,我们需要更改成 file 2、file: 如果是文件上传的话,就不需要要有file,然后我们上传的文件写在file下方 3、file_name: 首先,这个file_name是我们公司接口定义的上传文件的参数,排入水体名.png 这个是我们放在Files这个文件夹下方的文件名称 程序在执行的时候,会判断如果你的requestType为 file的时候,则会去执行file下方的参数,然后取到文件名称直接去执行用例

上传文件接口,即需要上传文件,又需要上传其他参数

requestType: file

是否执行,空或者 true 都会执行

is_run:

data:

file:

file_name: 排入水体名.png

data:

is_upload: 0

params:

collect: false

AI生成项目

上方的这个案例,请求参数即上传了文件,又上传了其他参数

1、file: 这里下方上传的是文件参数

2、data: 这个data下方是该接口,除了文件参数,还需要上传其他的参数,这个参数会以json的方式传给服务端(如果没有其他参数,可以不用写这个)

3、params: 这个是除了文件参数以外的,上传的其他参数,这个参数是拼接在url后方的

为了方便大家理解,上方将该参数,以postman的形式上传

多业务逻辑,如何编写测试用例

多业务这一块,我们拿个简单的例子举例,比如登录场景,在登陆之前,我们需要先获取到验证码。

首先,我们先创建一个 get_send_sms_code.yaml 的文件,编写一条发送验证码的用例

公共参数

case_common:

allureEpic: 盲盒APP

allureFeature: 登录模块

allureStory: 获取登录验证码

send_sms_code_01:

host: ${{host()}}

url: /mobile/sendSmsCode

method: POST

detail: 正常获取登录验证码

headers:

appId: '23132'

masterAppId: masterAppId

Content-Type: application/json;charset=UTF-8

请求的数据,是 params 还是 json、或者file

requestType: json

是否执行,空或者 true 都会执行

is_run:

data:

phoneNumber: "180****9278"

是否有依赖业务,为空或者false则表示没有

dependence_case: False

依赖的数据

dependence_case_data:

assert:

code:

jsonpath: $.code

type: ==

value: '00000'

AssertType:

success:

jsonpath: $.success

type: ==

value: true

AssertType:

sql:

AI生成项目

编写好之后,我们在创建一个 login.yaml 文件

公共参数

case_common:

allureEpic: 盲盒APP

allureFeature: 登录模块

allureStory: 登录

login_02:

host: ${{host()}}

url: /login/phone

method: POST

detail: 登录输入错误的验证码

headers:

appId: '23132'

masterAppId: masterAppId

Content-Type: application/json;charset=UTF-8

请求的数据,是 params 还是 json、或者file

requestType: json

是否执行,空或者 true 都会执行

is_run:

data:

phoneNumber: 18014909278

code:

是否有依赖业务,为空或者false则表示没有

dependence_case: True

依赖的数据

dependence_case_data:

  • case_id: send_sms_code_01

dependent_data:

  • dependent_type: response

jsonpath: $.code

replace_key: $.data.code

assert:

code:

jsonpath: $.code

type: ==

value: '00000'

AssertType:

sql:

AI生成项目

其中处理多业务的核心区域,主要在这里:

dependence_case: True

依赖的数据

dependence_case_data:

  • case_id: send_sms_code_01

dependent_data:

  • dependent_type: response

jsonpath: $.code

replace_key: $.data.code

AI生成项目

首先,我们 dependence_case 需要设置成 True,并且在下面的 dependence_case_data 中设计相关依赖的数据。

case_id:上方场景中,我们登录需要先获取验证码,因此依赖的case_id 就是发送短信验证码的 case_id :send_sms_code_01

dependent_type:我们依赖的是获取短信验证码接口中的响应内容,因此这次填写的是 response

jsonpath: 通过jsonpath 提取方式,提取到短信验证码中的验证码内容

replace_key:拿到验证码之后,我们将本条用例中的data中的code参数,那么我们使用jsonpath的方式,进行替换 $.data.code

多业务逻辑,需要依赖同一个接口中的多个数据

dependence_case_data:

  • case_id: send_sms_code_01

dependent_data:

提取接口响应的code码

  • dependent_type: response

jsonpath: $.code

replace_key: $.data.code

提取接口响应的accessToken

  • dependent_type: response

jsonpath: $.data.accessToken

替换请求头中的accessToken

replace_key: $.headers.accessToken

AI生成项目

如上方示例,可以添加多个 dependent_type

多业务逻辑,需要依赖不同接口的数据

假设我们需要获取 send_sms_code_01、get_code_01两个接口中的数据,用例格式如下

dependence_case: True

依赖的数据

dependence_case_data:

  • case_id: send_sms_code_01

dependent_data:

提取接口响应的code码

  • dependent_type: response

jsonpath: $.code

replace_key: $.data.code

  • case_id: get_code_01

dependent_data:

提取接口响应的code码

  • dependent_type: response

jsonpath: $.code

replace_key: $.data.code

AI生成项目

将依赖的数据直接存入缓存中

按照上方我们所写的,现在用到的是 replace_key去对原先用例中的内容进行替换,当然我们也提供了可以直接将数据存入缓存中 这里我们需要用到set_cache的关键字。

  • case_id: get_code_01

dependent_data:

提取接口响应的code码

  • dependent_type: response

jsonpath: $.code

讲我们提取到的内容直接存入缓存中,set_cache后方定义的值,是我们缓存的名称

名称可以自定义, set_cache 和 repalce_key 的方法可以二选一,两种都支持

set_cache: verify_code

AI生成项目

将当前用例的请求值或者响应值存入缓存中

有些小伙伴之前有反馈过,比如想要做数据库的断言,但是这个字段接口没有返回,我应该怎么去做校验呢? 程序中提供了current_request_set_cache这个关键字,可以将当前这条用例的请求数据 或者响应数据 给直接存入缓存中 如下案例所示:

current_request_set_cache:

1、response 从响应中提取内容 2、request从请求中提取内容

  • type: response

jsonpath: $.data.data.[0].id

自定义的缓存名称

name: test_query_shop_brand_list_02_id

AI生成项目

请求用例时参数需要从数据库中提取

如上图所示,用例中的 dependent_type 需要填写成 sqlData。 当你的依赖类型为 sqlData 数据库的数据时,那么下方就需要再加一个 setup_sql 的参数,下方填写需要用到的sql语句

注意case_id: 因为程序设计原因,通常情况下,我们关联的业务,会发送接口请求,但是如果我们依赖的是sql的话, 是不需要发送请求的,因此我们如果是从数据库中提取数据作为参数的话,我们case_id 需要写self ,方便程序中去做区分

ApplyVerifyCode_01:

host: ${{host}}

url: /api/v1/merchant/apply/verifyCode

method: GET

detail: 校验已经审核通过的供应商手机号码

headers:

Content-Type: application/json;charset=UTF-8

请求的数据,是 params 还是 json、或者file、data

requestType: params

是否执行,空或者 true 都会执行

is_run:

data:

mobile: 18811111111

authCode: 123456

是否有依赖业务,为空或者false则表示没有

dependence_case: True

依赖的数据

dependence_case_data:

  • case_id: self

dependent_data:

  • dependent_type: sqlData

jsonpath: $.username

replace_key: $.data.mobile

assert:

code:

jsonpath: $.code

type: ==

value: 200

AssertType:

applyId:

jsonpath: $.data[0].applyId

type: ==

value: $.applyId

AssertType: SQL

applyStatus:

jsonpath: $.data[0].applyStatus

type: ==

value: $.applyStatus

AssertType: SQL

sql:

  • select a.apply_id as applyId, a.to_status as applyStatus, a.sub_biz_type as subBizType, a.operator_name as operatorName, a.operator_user_id as operatorUserId, b.apply_type as applyType from test_obp_midware.apply_operate_log as a inner join test_obp_midware.apply as b on a.apply_id = b.id where b.id = json(.data[0].applyId)$ order by a.id desc limit 1;

setup_sql:

  • SELECT * FROM test_obp_user.user_biz_info where user_id = '300000405'

AI生成项目

用例中需要依赖登录的token,如何设计

首先,为了防止重复请求调用登录接口,pytest中的 conftest.py 提供了热加载机制,看上方截图中的代码,我们需要在 conftest.py 提前编写好登录的代码。

如上方代码所示,我们会先去读取login.yaml文件中的用例,然后执行获取到响应中的token,然后 编写 Cache('work_login_init').set_caches(token),将token写入缓存中,其中 work_login_init 是缓存名称。

编写好之后,我们会在 requestControl.py 文件中,读取缓存中的token,如果该条用例需要依赖token,则直接进行内容替换。

@pytest.fixture(scope="session", autouse=True)

def work_login_init():

"""

获取登录的cookie

:return:

"""

url = "https://www.wanandroid.com/user/login"

data = {

"username": 18800000001,

"password": 123456

}

headers = {'Content-Type': 'application/x-www-form-urlencoded'}

请求登录接口

res = requests.post(url=url, data=data, verify=True, headers=headers).json()

token = res['response']['token']

CacheHandler.update_cache(cache_name='work_login_init', value=token)

AI生成项目

这里在编写用例的时候,token 填写我们所编写的缓存名称即可。

用例中依赖cookie如何设计

首先我们在conftest.py中编写获取cookie的方法

@pytest.fixture(scope="session", autouse=True)

def work_login_init():

"""

获取登录的cookie

:return:

"""

url = "https://www.wanandroid.com/user/login"

data = {

"username": 18800000001,

"password": 123456

}

headers = {'Content-Type': 'application/x-www-form-urlencoded'}

请求登录接口

res = requests.post(url=url, data=data, verify=True, headers=headers)

response_cookie = res.cookies

cookies = ''

for k, v in response_cookie.items():

_cookie = k + "=" + v + ";"

拿到登录的cookie内容,cookie拿到的是字典类型,转换成对应的格式

cookies += _cookie

将登录接口中的cookie写入缓存中,其中login_cookie是缓存名称

CacheHandler.update_cache(cache_name='login_cookie', value=cookies)

AI生成项目

和token一样,我们如果用例的请求头中依赖cookie, cookie中的值,直接写我们存入缓存中的名称即可

headers:

Content-Type: multipart/form-data;

这里cookie的值,写的是存入缓存的名称

cookie: $cache{login_cookie}

AI生成项目

用例中如何生成随机数据

比如我们有些特殊的场景,可能会涉及到一些定制化的数据,每次执行数据,需要按照指定规则随机生成。

如上图所示,我们用例中的 reason 审核原因后方,需要展示审核的当前时间。那么我们首先需要封装一个获取当前时间的方法

那么我们就在 regularControl.py 文件中,编写 get_time 的方法。编写好之后,在用例中编写规则如下:

reason: 审核时间${{get_time()}}

AI生成项目

使用 {{函数名称()}}的方法,程序调用时,会生成当前时间。在regularControl.py 文件中,我还封装了一些常用的随机数,如随机生成男生姓名、女生姓名、身份证、邮箱、手机号码之类的,方便大家使用。 如,随机生成邮箱,我们在用例中编写的格式为 {{get_email}} 。

其他所需随机生成的数据,可在文件中自行添加。

自动化函数传递参数

首先同样和上方一样,创建一个随机生成的方法,改方法支持接收参数

@classmethod

def random_int(cls, min_num, max_num):

"""

随机生成指定范围的随机数

@param min_num: 最小数字

@param max_num: 最大数字

@return:

"""

num = random.randint(int(min_num), int(max_num))

return num

AI生成项目

在用例中,假设我们需要获取一个 1-10之间的随机数,那么我们直接这样调用该数据即可

reason: {{random_int(1, 10)}}

AI生成项目

断言http响应状态码

相信有些小伙伴在做接口测试的过程中,有部分接口是没有任何响应的,那么在没有响应数据的情况下 我们就只能通过 http的状态码去判断这条用例是否通过,我们可以这样写

assert:

status_code: 200

AI生成项目

我们直接在assert下方添加一个 status_code 参数,状态码我们判断其为 200

用例中添加等待时间

程序中可以设定接口请求之后,等待时长,假设A接口依赖B接口的业务,A接口请求完时,我们需要让他等待几秒钟 再次请求B接口,这样的话,我们可以使用sleep关键字

sleep: 3

AI生成项目

断言类型

下放截图中,是所有断言支持的类型

用例中如何进行接口断言和数据库断言

假设现在我需要测试一个报表统计的数据,该接口返回了任务的处理时长 和 处理数量。功能如下截图所示:

假设下方是我们拿到接口响应的数据内容:

{"code": 200, "times": 155.91, "counts": 9}

AI生成项目

这个时候,我们需要判断该接口返回的数据是否正确,就需要编写sql,对响应内容进行校验。

因此我们编写了如上sql,查出对应的数据,那么用例中编写规则如下,下方我们分别断言了两个内容,一个是对接口的响应code码进行断言,一个是断言数据库中的数据。

assert:

code:

jsonpath: $.code

type: ==

value: 200

断言接口响应时,可以为空

AssertType:

do_time:

jsonpath 拿到接口响应的数据

jsonpath: $.times

type: ==

sql 查出来的数据,是字典类型的,因此这里是从字段中提取查看出来的字段

value: $.do_time

断言sql的时候,AssertType 的值需要填写成 SQL

AssertType: SQL

question_counts:

jsonpath: $.counts

type: ==

value: $.question_counts

断言sql的时候,AssertType 的值需要填写成 SQL

AssertType: SQL

sql:

  • select * from test_goods where shop_id = 515

AI生成项目

我们分别对用例的数据进行讲解,首先是响应断言, 编写规则如下

code:

通过jsonpath获取接口响应中的code {"code": 200, "times": 155.91, "counts": 9}

jsonpath: $.code

type: ==

value: 200

断言接口响应时,可以为空

AssertType:

AI生成项目

下面是对sql进行断言

question_counts:

断言接口响应的问题上报数量counts {"code": 200, "times": 155.91, "counts": 9}

jsonpath: $.counts

type: ==

查询sql,我们数据库查到的数据是一个字段,数据是这样的:{question_counts: 13, do_time: 1482.70}, 这里我们通过 jsonpath获取question_counts

value: $.question_counts

断言sql的时候,AssertType 的值需要填写成 SQL

AssertType: SQL

sql:

  • SELECT round( sum(( UNIX_TIMESTAMP( filing_time )- UNIX_TIMESTAMP( report_time )) / 60 ) / 60, 2 ) AS do_time, count( id ) AS question_counts FROM fl_report_info WHERE state IN ( 1, 3 )

AI生成项目

有些细心的小伙伴会发现,我们的sql,是列表类型的。这样就意味这,我们的sql可以同时编写多条,这样会对不会编写多表联查的小伙伴比较友好,可以进行单表查询,获取我们需要的数据。

sql:

  • select * from users;

  • select * from goods;

AI生成项目

使用teardown功能,做数据清洗

通常情况下,我们做自动化所有新增的数据,我们测试完成之后,都需要讲这些数据删除,程序中支持两种写法 一种是直接调用接口进行数据删除。另外一种是直接删除数据库中的数据,建议使用第一种,直接调用业务接口删除对应的数据

1、下面我们先来看看第一种删除方式,teardown的功能,因为需要兼容较多的场景,因此使用功能上相对也会比较复杂 需要小伙伴们一个一个去慢慢的理解。

下面为了方便大家对于teardown功能的理解,我会针对不同的场景进行举例:

假设现在我们有一个新增接口,写完之后,我们需要先调用查询接口获取到新增接口的ID,然后再进行删除 那么此时会设计到两个场景,首先执行新增接口ID,然后再拿到响应(这里有个逻辑上的先后关系,查询接口,是先发送请求,在提取数据) 获取到查询的ID之后,我们在执行删除,删除的话,我们是直接发送请求

那么针对这个场景,我们就需要有个关键字去做区分,什么场景下先发送请求,什么场景下后发送请求,下面我们来看一下案例,方便大家理解

teardown:

查看品牌审核列表,获取品牌的apply_id

  • case_id: query_apply_list_01

注意这里我们是先发送请求,在拿到自己响应的内容,因此我们这个字段需要写param_prepare

param_prepare:

因为是获取自己的响应内容,我们dependent_type需要写成 self_response

  • dependent_type: self_response

通过jsonpath的方法,获取query_apply_list_01这个接口的响应内容

jsonpath: $.data.data.[0].applyId

将内容存入缓存,这个是自定义的缓存名称

set_cache: test_brand_apply_initiate_apply_01_applyId

支持同时存多个数据,只会发送一次请求

  • dependent_type: self_response

jsonpath: $.data.data.[0].brandName

set_cache: test_brand_apply_initiate_apply_01_brandName

删除

  • case_id: delete_01

删除的话,我们是直接发送请求的,因此我们这里写 send_request

send_request:

我们上方已经拿到了ID,并且将ID存入缓存中,因此这里依赖数据的类型为cache,直接从缓存中提取

  • dependent_type: cache

这个是缓存名称

cache_data: test_brand_apply_initiate_apply_01_applyId

通过relace_key 去替换 delete_01 中的 applyID参数

replace_key: $.data.applyId

AI生成项目

那么有些小伙伴会在想,同样我们以上方的接口场景为例,有些小伙伴会说,我公司的新增的接口,有直接返回ID,不需要调用查询接口 程序中当然也支持这种场景,我们只需要这么编写

  • case_id: process_apply_01 # 同样这么写 send_request send_request: # 这里我们从响应中获取 - dependent_type: response # 通过jsonpath的方式,获取响应的内容 jsonpath: .data.id # 使用repalce_key进行替换 replace_key: .data.applyId

程序中也支持从请求里面获取内容,编写规则如下

  • case_id: process_apply_01 # 同样这么写 send_request send_request: # 这里我们从响应中获取 - dependent_type: request # 通过jsonpath的方式,获取请求的内容 jsonpath: .data.id # 使用repalce_key进行替换 replace_key: .data.applyId

自动生成test_case层代码

小伙伴们在编写好 yaml 用例之后,可以直接执行 caseAutomaticControl.py ,会跟你设计的测试用例,生成对应的代码。

发送钉钉通知通知

发送企业微信通知

日志打印装饰器

在requestControl.py中,我单独封装了一个日志装饰器,需要的小伙伴可以不用改动代码,直接使用,如果不需要,直接注释,或者改成False。控制台将不会有日志输出

统计用例运行时长

同样,这里封装了一个统计用例运行时长的装饰器,使用改装饰器前,需要先进行导包

from utils.logUtils.runTimeDecoratorl import execution_duration

AI生成项目

导入之后,调用改装饰器,装饰器中填写的用例执行时长,以毫秒为单位,如这里设置的2000ms,那么如果该用例执行大于2000ms,则会输出一条告警日志。

@execution_duration(2000)

AI生成项目

生成allure报告

我们直接运行主程序 run.py ,运行完成之后,就可以生成漂亮的allure报告啦~


版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

原文链接:https://blog.csdn.net/ZangKang1/article/details/127499183

相关推荐
猿榜10 分钟前
魔改编译-永久解决selenium痕迹(二)
javascript·python
广东数字化转型12 分钟前
java jar 启动应用程序
开发语言·python
费弗里44 分钟前
Python全栈应用开发利器Dash 3.x新版本介绍(4)
python·dash
辣辣y1 小时前
python基础day08
开发语言·python
花海如潮淹1 小时前
硬件产品研发管理工具实战指南
前端·python
张彦峰ZYF1 小时前
快速掌握Python编程基础
python
Json____1 小时前
使用python的 FastApi框架开发图书管理系统-前后端分离项目分享
开发语言·python·fastapi·图书管理系统·图书·项目练习
安思派Anspire2 小时前
LangGraph + MCP + Ollama:构建强大代理 AI 的关键(二)
人工智能·后端·python
站大爷IP2 小时前
Python文件与目录比较全攻略:从基础操作到性能优化
python
ahead~3 小时前
【大模型入门】访问GPT_API实战案例
人工智能·python·gpt·大语言模型llm