接口测试系列 接口自动化测试 pytest框架（四）

小罗和阿泽2026-03-25 10:55

YAML 介绍

YAML 文件的后缀名是 .yaml 或 .yml，常用的是 .yml。

yaml 中支持不同数据类型，但在写法上稍有区别。


使用

yaml 文件通常作为配置文件来使用，可以使用yaml 库来读取和写入 YAML 文件

python 复制代码 
import json
import  yaml

# 向yaml 文件中写入数据 (追加写入)
def write_yaml(filename,data):
    # 打开文件
    with open(file=filename,mode="a+",encoding="utf-8") as f:
        # 向yaml 文件中写数据
        yaml.safe_dump(data=data,stream=f)

# 读取yaml 文件中的数据
def read_yaml(filename):
    # 打开文件
    with open(file=filename,mode="r",encoding="utf-8") as f:
        # 读取yaml文件数据
        data = yaml.safe_load(stream=f)
        return data

# 清空yaml 文件中的数据
def clear_yaml(filename):
    with open(file=filename,mode="w",encoding="utf-8") as f:
        f.truncate()

# 测试向yaml 文件中写入数据
# def test_write():
#     data = {
#         "name" : "zhangsan",
#         "age" : 20
#     }
#     write_yaml("firstyaml.yml",data)

# 测试读取yaml 文件中的数据
def test_read():
    data = read_yaml("secondyaml.yml")
    print(json.dumps(data))# 字典格式数据转json 格式 # 输出的是双引号{"age": 20, "name": "zhangsan"}
    # print(data) # 字典格式 # 输出的是单引号 {'age': 20, 'name': 'zhangsan'}

# # 测试清空yaml 文件中的数据
# def test_clear():
#     data = clear_yaml("firstyaml.yml")

JSON Schema

JSON Schema 是一个用来定义和校验JSON 的 web 规范，简而言之，JSON Schema 是用来校验json 是否符合预期

根据 json 创建 JSON Schema 后，你可以使用你选择的语言中的验证器将示例数据与自定义的模式进行验证

介绍

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": "boolean",
            }
        }
    }

通过对比可见，JSON Schema 从多个方面对JSON 数据进行校验。

如"type"、"required"、"properties" 等以确保其正确性和一致性。接下来我们将了解

JSON Schema 中的关键词以及作用

数据类型

type 关键字指定了数据类型

可以验证JSON 数据中每个属性的数据类型是否符合预期。常用的数据类型包括：

int只能表示整数数据

但是number 表示数字：整数、浮点数...

示例：

python 复制代码 
{
        "type": "object",
        "properties": {
            "name": {
                "type": "string",
            },
            "age": {
                "type": "integer"
            }
        }
    }

不同数据类型

python 复制代码 
{
        "type": "object",
        "properties": {
            "addr":{
                "type": "null"
            },
            "data":{
                "type": "array",
                "items": {
                    "type": "object",
                    "properties": {
                        "name": {
                            "type": "string",
                        },
                        "age": {
                            "type": "integer"
                        }
                    }
                }
    }
        }
    }

示例：

python 复制代码 
# 不同数据类型
def test_04():
    json = {
        "data": [
            {
                "name": "lisi",
                "age": 18
            },
            {
                "name": "zhangsan",
                "age": 20
            }
        ],
        "addr": None
    }

    json_schema = {
        "type": "object",
        "properties": {
            "addr":{
                "type": "null"
            },
            "data":{
                "type": "array",
                "items": {
                    "type": "object",
                    "properties": {
                        "name": {
                            "type": "string",
                        },
                        "age": {
                            "type": "integer"
                        }
                    }
                }
    }
        }
    }
    validate(json, json_schema)

最大最小值

  • minimum 和 maximum：指定数值的最小值和最大值 （min <= x <= max)
  • exclusiveMinimum 和 exclusiveMaximum：指定数值必须严格大于或小于某个值 (min < x < max)
python 复制代码 
{
        "type": "object",
        "properties": {
            "name": {"type": "string"},
            "age": {"type": "integer",
                    # "maximum": 100, # 最大值（包含）
                    # "minimum": 0 ,# 最小值（包含）
                    "exclusiveMaximum": 100, # 最大值（不包含）
                    "exclusiveMinimum": 0  # 最小值（不包含）
                    }
        }
    }

示例：

python 复制代码 
# 最大最小值
def test_05():
    json = {
        "name": "zhangsan",
        "age": 22
    }

    json_schema = {
        "type": "object",
        "properties": {
            "name": {"type": "string"},
            "age": {"type": "integer",
                    # "maximum": 100, # 最大值（包含）
                    # "minimum": 0 ,# 最小值（包含）
                    "exclusiveMaximum": 100, # 最大值（不包含）
                    "exclusiveMinimum": 0  # 最小值（不包含）
                    }
        }
    }

    validate(json, json_schema)

字符串特殊校验

  • pattern：使用正则表达式来验证字符串是否符合特定的模式
python 复制代码 
{
        "type": "object",
        "required": [],
        "properties": {
            "name": {
                "type": "string",
                "pattern":"\S{20,}" # 正则表达式
            },
            "age": {
                "type": "number"
            }
        }
    }

示例：

python 复制代码 
# 字符串特殊校验
def test_02():
    json = {
        "name": "zhangsa",
        "age": 10
    }
    json_schema = {
        "type": "object",
        "required": [],
        "properties": {
            "name": {
                "type": "string",
                "pattern":"\S{20,}" # 正则表达式
            },
            "age": {
                "type": "number"
            }
        }
    }
    validate(instance=json,schema=json_schema)

正则表达式的语法






数组约束

  • minItems 和 maxItems：指定数组的最小和最大长度
  • uniqueItems：确保数组中的元素是唯一的
  • items：定义数组中每个元素的类型和约束
python 复制代码 
# 数组约束
def test_06():
    json = {
        # "data": [1,2,3,4,5],
        "data": ["hello","world"],
        "str": "hello"
    }

    json_schema = {
        "type": "object",
        "properties": {
            "data": {
                "type": "array",
                # 针对数组添加最大和最小长度限制
                "minItems": 1,
                "maxItems": 5,
                # 要求数组中元素唯一
                "uniqueItems": True,
                "items":{
                    # "type": "number"
                    "type": "string"
                }
            },
            "str": {
                "type": "string"
            }
        }
    }

对象约束

  • minProperties 和 maxProperties：指定对象的最小和最大属性数量
  • additionalProperties：控制是否允许对象中存在 未在properties 中定义的额外属性，默认为True
python 复制代码 
{
        "type": "object",
        "properties": {
            "name": {"type": "string"},
        },
        "minProperties": 1,
        "maxProperties": 5,
        "additionalProperties": False
    }

必需属性

  • 通过 required 关键字，JSON Schema 可以指定哪些属性是必需的。如果 JSON 实例中缺少这些必需属性，验证将失败
python 复制代码 
# 必需属性
def test_08():
    json = {
        "code": "SUCCESS",
        "errMsg": "",
        "data": [
            {
                "id": 21430,
                "title": "自动化测试实例",
                "content": "##在这里写下一篇博客",
                "userId": 2,
                "deleteFlag": 0,
                "createTime": "2025-03-02 21:59",
                "updateTime": "2025-03-02T13:59:10.000+00:00",
                # "loginUser": False
            }
        ]
    }
    json_schema ={
      "type": "object",
      #   添加必需属性
      "required": ["code","errMsg","data"],
      "properties": {
        "code": {
          "type": "string"
        },
        "errMsg": {
          "type": "string"
        },
        "data": {
          "type": "array",
          "items": {
            "type": "object",
            "required": ["id","loginUser"],
            "properties": {
              "id": {
                "type": "number"
              },
              "title": {
                "type": "string"
              },
              "content": {
                "type": "string"
              },
              "userId": {
                "type": "number"
              },
              "deleteFlag": {
                "type": "number"
              },
              "createTime": {
                "type": "string"
              },
              "updateTime": {
                "type": "string"
              },
              "loginUser": {
                "type": "boolean"
              }
            }
          }
        }
      }
    }

    validate(instance=json,schema=json_schema)

依赖关系

  • dependentRequired 可以定义属性之间的依赖关系。例如，如果某个属性存在，则必须存在另一个属性
python 复制代码 
    def test_09():
        json = {
            "username":"zhagnsan",
            "age":18,
            "height":175,
            "gender":"female",
            "hobby":{
                # "aaa":"aaa",
                # "bbb":"bbb"
            }
        }
        schema = {
          "type": "object",
          "required": [],
          "properties": {
            "username": {
              "type": "string"
            },
            "age": {
              "type": "number"
            },
            "height": {
              "type": "number"
            },
            "gender": {
              "type": "string"
            },
            "hobby":{
                "type":"object",
                "properties":{
                    "aaa":{
                        "type":"string"
                    },
                    "bbb":{
                        "type": "string"
                    }
                },
                "dependentRequired":{
                    "aaa":["bbb"]
                }
            }
          },
          "dependentRequired":{
              "age":["height","gender"]
          }
        }
        validate(instance=json,schema=schema)

logging 日志模块

介绍

logging 是 Python 标准库中的一个模块，它提供了灵活的日志记录功能。通过 logging ,开发者可以方便的将日志信息输出到控制台、文件、网络等多种目标，同时支持不同级别的日志记录，以满足不同场景下的需求

使用

示例：全局logging

python 复制代码 
import logging

# 全局logging

# 日志级别 从INFO 开始输出
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 并输出到控制台

python 复制代码 
# 自定义logging
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("my_logger")

# 设置日志记录器的级别为 DEBUG
# 这意味着所有级别为 DEBUG 及以上的日志都会被记录
logger.setLevel(level=logging.DEBUG)

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')

示例：自定义logger 并输出到日志文件

python 复制代码 
# 获取一个日志记录器对象，名称为当前模块的名称
logger = logging.getLogger("my_logger")

# 设置日志记录器的级别为 DEBUG
# 这意味着所有级别为 DEBUG 及以上的日志都会被记录
logger.setLevel(level=logging.DEBUG)

# 创建文件处理器---将日志输出到mylog.log（可以自动创建）
handler = logging.FileHandler(filename="mylog.log")

# 将处理器添加到日志记录器中
logger.addHandler(handler)

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 是当前模块的名称。使用模块名称作为日志记录器的名称有助于在大型项目中区别不同模块的日志
  • 设置日志级别： logger.setLevel (logging.DEBUG) 将日志记录器的级别设置为DEBUG，这意味着所有DEBUG 及以上级别的日志都会被记录

日志级别金字塔：DEBUG < INFO < WARRING < ERROR < CRITICAL

高于设定级别的日志才会被处理

  • 创建文件处理器： logging.FileHandler (filename="test.log") 创建一个文件处理器，将日志信息写入到名为 test.log 的文件中
  • 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来处理日志信息

示例：设置日志格式

python 复制代码 
# 自定义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("my_logger")

# 设置日志记录器的级别为 DEBUG
# 这意味着所有级别为 DEBUG 及以上的日志都会被记录
logger.setLevel(level=logging.DEBUG)

# 创建文件处理器---将日志输出到mylog.log（可以自动创建）
handler = logging.FileHandler(filename="mylog.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)

# 将处理器添加到日志记录器中
logger.addHandler(handler)

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格式的类。在构造函数中，传递了一个格式字符串，用于指定日志信息的格式。格式字符串中使用了一些特殊的占位符（以 % 开头），这些占位符会被替换为相应的日志信息内容

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

通过这种方式，你可以控制日志信息的输出格式，使其包含你感兴趣的信息，如时间戳、日志级别、文件名、函数名、行号等。

相关推荐
工具人55558 小时前
pytest练习
pytest
好家伙VCC10 小时前
# Pytest发散创新：从基础测试到智能断言的实战进阶指南在现代软
java·python·pytest
小罗和阿泽1 天前
GUI 自动化测试 pywinauto测试框架
开发语言·python·功能测试·测试工具·pytest
文人sec1 天前
抛弃 Postman！用 Pytest+Requests+Allure+Playwright+Minium 搭建高逼格接口+UI自动化测试平台
自动化测试·python·测试工具·ui·pytest·playwright
曲幽2 天前
FastAPI单元测试实战：别等上线被喷才后悔，TestClient用对了真香！
python·单元测试·pytest·api·fastapi·web·httpx·testclient·依赖项覆盖
python开发笔记2 天前
pytest(16) mark用法
pytest
忘忧记2 天前
pytest 基础用法教程
pytest
我的xiaodoujiao3 天前
3、API 接口自动化测试详细图文教程学习系列3--相关Python基础知识2
python·学习·测试工具·pytest
热门推荐
012026年3月AI领域大事件：DeepSeek引领开源风暴02GitHub 镜像站点03围棋-html版本04Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南05小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）06班级宠物园部署指南07UV安装并设置国内源08【计算机一级WPSoffice】小黑课堂题库软件下载安装教程（2026年3月最新版）09OpenClaw 使用和管理 MCP 完全指南10让 Trae IDE 智能体 “读懂”文档 Excel+PDF+DOCX ：mcp-documents-reader 工具使用指南