自动化测试五模块一框架（下）

import yaml

#追加写⼊
def write_yaml(filename, data):
    with open(filename, encoding="utf-8", mode="a+") as f:
        yaml.safe_dump(data, stream=f)
#读取
def read_yaml(filename, key):
    with open(filename, encoding="utf-8", mode="r") as f:
        data = yaml.safe_load(f)
        return data[key]
#清空
def clear_yaml(filename):
    with open(filename, encoding="utf-8", mode="w") as f:
        f.truncate()
    
def test_yml():
#写⼊yaml⽂件
    data = {"str":"12345"}
    write_yaml('test.yml',data)
#读取yaml⽂件
    ret = read_yaml('test.yml',"str")
    print("ret:", ret)
#清空yaml⽂件
    clear_yaml('test.yml')

二、JSON Schema

这是用来定义和校验JSON的web规范，校验json是否符合预期。

python 复制代码

pip install jsonschema==4.23.0

JSON：

python 复制代码

{
    "code": "SUCCESS",
    "errMsg": "",
    "data": false
}

JSON Schema：

python 复制代码

{
    "type": "object",
    "required": [],
    "properties": {
        "code": {
            "type": "string"
        },
        "errMsg": {
            "type": "string"
        },
        "data": {
            "type": "string"
        }
    }
}

根据JSON Schema从多个方面对JSON数据中的字段进行校验。

JSON Schema的数据类型

类型	说明
string	字符串类型，用于文本数据
number	数字类型，用于表示浮点数
integer	整数类型，用于表示整数
boolean	布尔类型，值为 true 或 false
object	对象类型，用于嵌套的 JSON 对象
array	数组类型，用于列表或集合
null	空值类型

python 复制代码

{
    "type": "object",
    "properties": {
        "name": { "type": "string" },
        "age": { "type": "integer" }
    }
}

properties是一个验证关键字。当你定义properties时，你创建了一个对象，其中每个属性代表正在验证的JSON数据的一个键。

最大最小值

minimun和maximun：指定数值最小最大值。
exclusiveMinimun和exclusiveMaximun：指定数值必须严格大于或小于某个值（不包含等于）

整数校验

python 复制代码

{
    "type": "object",        
    "properties": {
        "age": {
            "type": "integer",
            "minimum": 0,
            "maximum": 120
        }    
    }
}

指定age字段必须必须是整数，必须处于0~120之间。

字符串校验

pattern：使用正则表达式来验证字符串是否符合特定模式。

python 复制代码

{
    "type": "object",
    "properties": {
    "email": {
        "type": "string"
    },
    "username": {
        "type": "string",
        "pattern": "\S+"
        }
    }
}

数组约束

minItems和maxItems：指定数组最小和最大长度
uniqueItems：确保数组中的元素是唯一的
tems：定义数组中每个元素的类型和约束

python 复制代码

{
    "type": "object",
    "properties": {
    "tags": {
        "type": "array",
        "items": { "type": "string" },
        "minItems": 1,
        "uniqueItems": True
        }
    }
}

对象约束

minProperties和maxProperties：指定对象的最小和最大属性
additionalProperties：控制是否允许对象中存在或未存在properties中定义的额外属性，默认是True

python 复制代码

{
    "type": "object",    
    "properties": {
        "name": { "type": "string" }
    },
    "minProperties": 1,
    "additionalProperties": False
}

必须属性

通过required关键字，JSON Schema可以指定哪些属性时必须的，如果JSON缺少这些必须属性，验证失败。

python 复制代码

{
    "type": "object",
    "properties": {
        "name": { "type": "string" },
        "email": { "type": "string" }
     },
    "required": ["name", "email"]
}

依赖关系

dependentRequired可以定义属性之间的依赖关系。例如，某个属性存在，则必须存在另一个属性

python 复制代码

{
    "type": "object",    
    "properties": {
    "creditCard": { "type": "string" },
    "billingAddress": { "type": "string" }
    },
    "dependentRequired": {
        "creditCard": ["billingAddress"]
    }
}

三、logging日志模块

logging是python标准库中的一个模块，提供灵活日志记录功能。通过logging，开发者方便的将日志信息输出到控制台，文件，网络等目标。

使用

示例：全局logging

python 复制代码

import logging

logging.basicConfig(level=logging.INFO)


logging.debug('This is a debug message')

logging.info('This is an info message')

logging.warning('This is a warning message')

logging.error('This is an error message')

logging.critical('This is a critical message')

示例：自定义logger并输出控制台

python 复制代码

import logging

logging.basicConfig(level=logging.INFO)

#获取一个日志记录器对象，名称为当前模块的名称
logger = logging.getLogger(__name__)

#设置日志记录器级别为 DEBUG
#意味着所有级别为DEBUG及以上的日志全部被记录
logger.setLevel(logging.DEBUG)

if __name__ == "__main__":
    logger.debug('This is a debug message')
    logger.info('This is an info message')
    logger.warning('This is a warning message')
    logger.error('This is an error message')
    logger.critical('This is a critical message')

获取日志记录器：logging.getLogger(name)获取一个日志记录器对象，name是当前模块名称。
设置日志级别：logger.setLevel(loggging.DEBUG)设置日志级别
添加处理器：logger.addHandler（handler）将文件处理器添加到日志记录器中，这样日志记录器就会使用这个处理器处理日志

示例：设置日志格式

python 复制代码

import logging

logging.basicConfig(level=logging.INFO)

#获取一个日志记录器对象，名称为当前模块的名称
logger = logging.getLogger(__name__)

#设置日志记录器级别为 DEBUG
#意味着所有级别为DEBUG及以上的日志全部被记录
logger.setLevel(logging.DEBUG)

#创建一个FileHandler对象，指定日志文件名称为"test.log"
#这个处理器会将日志信息写到指定文件中
handler = logging.FileHandler(filename="test.log")

#创建一个日志格式器对象
formatter = logging.Formatter(
"%(asctime)s %(levelname)s [%(name)s] [%(filename)s (%(funcName)s:%(lineno)d)] - %(message)s"
)

#将格式器设置到处理器上
handler.setFormatter(formatter)
#将这个处理器添加到日志记录器上
logger.addHandler(handler)

if __name__ == "__main__":
    logger.debug('This is a debug message')
    logger.info('This is an info message')
    logger.warning('This is a warning message')
    logger.error('This is an error message')
    logger.critical('This is a critical message')

logging.Formatter是用于定义日志输出的格式的类，在构造函数中，传递一个格式字符串，用于指定日治信息格式。格式字符串中使用了一些特殊占位符（%开头），这些占位符会被替换

以下是将日志格式占位符说明转化为表格的形式：

日志格式占位符表格

占位符	说明
`%(asctime)s`	日志记录的时间戳，通常显示为日期和时间。
`%(levelname)s`	日志级别（如 `DEBUG`、`INFO`、`WARNING`、`ERROR`、`CRITICAL`）。
`%(name)s`	日志记录器的名称，通常为模块名称。
`%(filename)s`	日志记录发生的文件名。
`%(funcName)s`	日志记录发生的函数名。
`%(lineno)d`	日志记录发生的行号。
`%(message)s`	日志消息本身。

handler，setFormatter(formatter)将创建的格式器对象设置到处理器上，这意味着处理器在处理日志信息时，会使用这个格式器来格式化日志信息。

四、测试报告allure

官网：Allure Report Docs -- Pytest configuration

下载allure-pytest包

python 复制代码

pip install allure-pytest==2.13.5

下载Windows版本Allure报告

https://github.com/allure-framework/allure2/releases/download/2.30.0/allure-2.30.0.zip

将bin添加到环境变量。打开cmd验证

提示：如果cmd中可以打印版本但是pyCharm控制台执行命令提示找不到，则需要修改pyCharm中命令环境

allure使用

运行自动化，并指定测试报告防止路径
python 复制代码
```
pytest --alluredir=results_dir(保存测试报告的路径)
#示例
pytest --alluredir=allure-results
```
测试报告可以在控制台通过命令将结果保存在allure-results，也可以pytest.ini文件中配置路径。
python 复制代码
```
addopts = -vs --alluredir allure-results
```
查看测试报告
方法一：启动一个本地服务器在浏览器中展示测试报告
终端执行命令：allure serve [options] <allure-results>，自动在打开测试报告
--host：指定服务器监听的主机号，默认为localhost
--port：指定服务器监听的端口号，默认为0
--clean-alluredir：清除上一次生产的测试报告
python 复制代码
```
#不指定端⼝号和主机地址
allure serve .\allure-results\

#指定端⼝号
allure serve --port 8787 .\allure-results\

#清除上⼀次⽣成的测试报告
allure serve .\allure-results\ --clean-alluredir
```
方法二：从测试结果中生成测试报告
python 复制代码
```
allure generate .\allure-results\ -o .\allure-report --clean
```