接口自动化测试完整详解（Python+pytest+requests+Allure 企业落地版）
整体核心：分层自动化框架思想 + 核心技术实现 + CI持续集成 + 项目管理规范
一、框架选型与标准目录结构
1. 主流技术栈选型（图中标准组合）
Python + pytest + requests + Allure
各组件职责拆分：
| 组件 | 作用 |
|---|---|
| Python | 开发语言，语法简洁，第三方库丰富 |
| pytest | 单元/自动化测试框架，支持用例管理、参数化、夹具、后置前置 |
| requests | HTTP请求库，发送GET/POST/PUT等接口请求 |
| Allure | 高颜值可视化测试报告，展示步骤、断言、日志、失败截图 |
| yaml/csv/excel | 测试数据文件，实现数据驱动DDT |
| logging | 日志模块，记录完整请求/响应报文 |
| pymysql | 数据库连接库，实现落库校验、造数、清理数据 |
2. 标准分层目录结构（企业通用规范）
api_auto_test/
├── common/ # 公共封装层（核心工具类）
│ ├── http_client.py # 统一请求封装（url、token、header、ssl）
│ ├── assert_util.py # 通用断言工具（多层json、数据库断言）
│ ├── log_util.py # 日志封装，打印完整请求响应
│ ├── db_util.py # 数据库操作封装（查询/新增/清理）
│ └── tools.py # 工具函数：提取json、时间、随机数、加密签名
├── config/ # 环境配置文件
│ ├── env.yaml # 多环境域名、账号、数据库地址、全局token
│ └── setting.py # 全局变量：报告路径、日志等级、文件路径
├── data/ # 测试数据层（数据驱动文件）
│ ├── login_data.yaml # 登录接口多组测试数据
│ └── order.csv # 订单批量参数化数据
├── testcases/ # 测试用例层（按业务模块拆分）
│ ├── test_login.py # 登录模块用例（提取token实现关联）
│ ├── test_user.py # 用户信息接口
│ └── test_order.py # 订单业务链路（登录→创建→查询→取消）
├── reports/ # 报告输出目录
│ ├── log/ # 运行日志文件
│ ├── raw/ # allure原始结果
│ └── html/ # 最终allure可视化html报告
├── conftest.py # pytest全局夹具（前置登录、全局token、环境清理）
└── run.py # 项目启动入口，一键执行全部用例并生成报告二、核心技术要点拆解（全考点覆盖）
1. 请求封装 common/http_client.py
统一封装HTTP请求，解决重复代码、统一处理公共逻辑：
- URL自动拼接：读取config环境域名，不用每个用例写完整地址
- Token全局自动携带：登录后存入全局变量，后续接口自动塞入Header
- 接口签名统一处理：加密算法封装，所有请求自动加sign签名
- SSL证书忽略：测试环境跳过证书校验
- 统一日志打印：自动记录请求头、请求体、响应码、响应JSON
- 统一异常捕获：超时、连接失败、500异常统一捕获记录日志
极简封装示例代码：
python
import requests
from common.log_util import logger
from config.setting import BASE_URL
class HttpClient:
token = "" # 全局静态token
@classmethod
def send_request(cls, method, path, params=None, json=None, headers=None):
# 1. 拼接完整url
url = BASE_URL + path
# 2. 统一公共请求头
base_headers = {"Content-Type": "application/json"}
if cls.token:
base_headers["Authorization"] = f"Bearer {cls.token}"
if headers:
base_headers.update(headers)
# 3. 打印请求日志
logger.info(f"请求地址:{url}, 请求方法:{method}")
logger.info(f"请求头:{base_headers}, 请求参数:{json}")
# 4. 发送请求
resp = requests.request(
method=method,
url=url,
params=params,
json=json,
headers=base_headers,
verify=False # 关闭ssl校验
)
logger.info(f"响应码:{resp.status_code}, 响应内容:{resp.text}")
return resp.json()2. 接口关联（参数动态提取与传递）
实现思路：
- 登录用例执行完成，提取返回
token存入全局静态变量（HttpClient.token） - 后续所有业务接口自动携带token，无需每个用例重复传参
- 链路场景：创建订单返回
orderId，存入夹具变量，查询/取消订单直接读取
代码示例（test_login.py）
python
import pytest
from common.http_client import HttpClient
from common.assert_util import assert_code_success
def test_login():
# 发送登录请求
req_data = {"username": "test01", "password": "123456"}
res = HttpClient.send_request("POST", "/login", json=req_data)
# 断言登录成功
assert_code_success(res)
# 提取token，全局共享
HttpClient.token = res["data"]["token"]
# 提取用户ID，存入pytest全局夹具
pytest.user_id = res["data"]["userId"]3. 数据驱动 DDT：@pytest.mark.parametrize + yaml/csv
作用：一套接口批量执行多组正向/边界/异常参数，减少重复用例代码
方式1：YAML文件读取参数（推荐，可读性高）
data/login_data.yaml
yaml
cases:
- name: 正常账号登录
username: test01
pwd: 123456
expect_code: 200
- name: 密码错误
username: test01
pwd: 666666
expect_code: 400用例读取yaml批量执行：
python
import yaml
import pytest
from common.http_client import HttpClient
# 读取yaml数据
with open("./data/login_data.yaml", "r", encoding="utf-8") as f:
login_cases = yaml.safe_load(f)["cases"]
@pytest.mark.parametrize("case", login_cases)
def test_login_param(case):
res = HttpClient.send_request("POST", "/login", json={"username":case["username"], "password":case["pwd"]})
assert res["code"] == case["expect_code"]方式2：CSV批量数据（大批量造数场景）
搭配pandas读取csv，实现上千条账号参数化执行。
4. 多层断言 + 数据库落库校验
（1）多层JSON通用断言 common/assert_util.py
支持校验顶层code、嵌套字段、数组长度、字段非空
python
def assert_code_success(response):
"""校验业务码200"""
assert response["code"] == 200, f"业务失败：{response['msg']}"
def assert_json_field(res, json_path, expect_val):
"""多层字段断言，如$.data.user.name"""
import jsonpath
val = jsonpath.jsonpath(res, json_path)[0]
assert val == expect_val（2）数据库落库校验（接口自动化核心强校验）
场景：调用创建订单接口后，查询MySQL订单表，校验订单号、金额、状态是否正确落库
python
from common.db_util import DB
def test_create_order():
# 1. 调用创建订单接口
req = {"goodsId": 1001, "num": 2}
res = HttpClient.send_request("POST", "/order/create", json=req)
order_id = res["data"]["orderId"]
# 2. 查询数据库订单
sql = f"select order_id, amount, status from t_order where order_id='{order_id}'"
db_data = DB.query_one(sql)
# 3. 数据库断言
assert db_data["status"] == 1 # 状态1=待支付
assert db_data["amount"] == 199.005. 完整日志记录 log_util.py
日志要求：
- 区分日志等级：INFO正常报文、ERROR失败堆栈
- 完整打印请求URL、请求头、入参、响应码、返回JSON
- 日志按日期分文件保存，Allure报告可嵌入日志详情
python
import logging
from config.setting import LOG_PATH
def get_logger():
logger = logging.getLogger("api_auto")
logger.setLevel(logging.INFO)
# 文件输出+控制台输出
file_handler = logging.FileHandler(LOG_PATH, encoding="utf-8")
console_handler = logging.StreamHandler()
fmt = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")
file_handler.setFormatter(fmt)
logger.addHandler(file_handler)
logger.addHandler(console_handler)
return logger
logger = get_logger()三、持续集成 CI/CD（Jenkins + Allure）
1. 整体流程
代码提交Git → Jenkins自动拉取代码 → 安装Python依赖 → 执行pytest自动化用例 → 生成Allure原始结果 → 渲染HTML报告 → 归档报告 + 邮件推送测试结果
2. Jenkins Shell执行脚本
bash
# 1. 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 2. 清空历史报告
rm -rf reports/raw reports/html
# 3. 执行pytest，生成allure原始数据
pytest testcases/ --alluredir=reports/raw -s
# 4. 渲染allure可视化报告
allure generate reports/raw -o reports/html --clean
# 5. 判断用例失败，让Jenkins构建失败
if [ $? -ne 0 ];then
echo "自动化用例存在失败！"
exit 1
fi3. 配套配置
- Jenkins插件：Allure Report、Email Extension
- 构建后操作：
- 归档reports/html报告
- 发送邮件：附件html报告，区分成功/失败邮件模板
- 触发方式：
- 代码提交触发（GitLab WebHook）
- 定时构建：每日凌晨2点全量回归核心链路
四、用例管理规范
1. 自动化用例与手工用例关联
- 自动化用例只覆盖核心业务流程（登录、下单、支付、查询），不覆盖极端低频异常；
- 每个自动化用例添加注释，关联测试管理平台用例ID（如
#TC001 正常下单流程）； - 迭代更新：需求变更同步修改自动化脚本，保证和手工用例同步。
2. 环境清理与造数策略
（1）前置造数（conftest夹具）
@pytest.fixture(scope="module", autouse=True)
模块执行前自动创建测试账号、测试商品数据，保证用例有数据可执行。
（2）后置数据清理
- 模块执行完成，删除本次自动化生成的订单、用户脏数据；
- 避免数据库持续堆积测试数据，导致接口查询越来越慢；
- 生产隔离：自动化单独一套性能/测试库，禁止操作线上库。
3. 分层执行策略
- 冒烟用例：仅核心链路，代码提交快速执行（5分钟内）
- 全量回归：定时任务执行所有自动化用例（夜间执行）
- 模块分组：通过
@pytest.mark.order标记，Jenkins可单独执行订单模块。
五、面试高频考点总结
- 为什么分层设计common/config/data/testcases？
解耦、复用、易维护，修改环境地址只改yaml，修改请求逻辑只改http_client。 - pytest如何实现接口关联？
全局静态变量、夹具fixture共享参数，登录提取token存入全局请求类，下游自动携带。 - 数据驱动实现方式？
@pytest.mark.parametrize + yaml/csv，多组参数批量执行，减少重复代码。 - 自动化和手工测试区别？
自动化擅长重复回归、核心链路；手工擅长复杂交互、UI、低频异常场景。 - CI集成流程？
Git触发Jenkins→拉代码→安装依赖→pytest执行→生成Allure报告→邮件通知。