pytest+request+yaml+allure搭建低编码调试门槛的接口自动化框架

接口自动化非常简单，大致分为以下几步：

1. 准备入参
2. 调用接口
3. 拿到2中response，继续组装入参，调用下一个接口
4. 重复步骤3
5. 校验结果是否符合预期

一个优秀接口自动化框架的特点：

1. 【编码门槛低】，又【能让新手学到技术】
2. 【低调试门槛】
3. 【优秀的可读性】
4. 【很好的可维护性】
5. 能很【方便多人协同】，以便【自动化代码能不断积累】形成规模效应，且【自动化case覆盖率可量化】
6. 有失败重试机制，克服环境的不稳定
7. 【清晰的测试报告】
8. 能【低成本且灵活地触发】（指定环境、指定时间、指定范围）

综上，我们需要搭建一个同时满足以上特点的轻量级接口自动化框架

首先，管理接口

    达成：【编码门槛低】【方便多人协同】【优秀的可读性】【很好的可维护性】

• 被测接口单独管理，目录结构和和开发使用的yapi保持一致，统一放置在仓库下，“接口管理”目录中；如下：

        

• 每个接口使用yaml文件管理，如下，且使用中文命名增加可读性。

• method: post
  host: "${host}"
  url: /copy/trading/v1/follower/edit
  headers:{token: "799b72f3f94973f5a54a54204eac96a1aa94cd5d365245929098e921b2ddc154"}
  body:{"followType": 1,"traderUid": 102806,"margin": "100","followAmount": "1000","stopLossRation": null,"positionMode": 1,"positionModeConfig": 0,"leverModeConfig": 0,"leverage": 1,"marginModeConfig": 0,"marginMode": 0,"positionRisk": null,"slippage": "0.006",}
  response:code: # 响应码（0： 成功）msg: #  返回描述（code为0时，返回：成功）data: # 响应数据

• 调用接口时，默认用yaml文件中的参数（剔除response，response只做示例用），如需替换，会在调用过程中，标记具体需要替换的key value即可，如下，方便快捷

• r.invoke_api("更新用户配置.yaml", headers={"token": 'trader_son_token'}, body={"positionMode": 1})

其次，编写代码，调用接口

        达成：【编码门槛低】【优秀的可读性】【低调试门槛】【清晰的测试报告】

• 封装requests包，使用requests.session()，根据上述接口文档，调用get或post方法，且使用allure将入参和返回都放置到测试报告里面，且此块代码无需实际接口测试同学关注。【能让新手学到技术】

• class RequestUtil:def invoke_api(self, api, headers=None, body=None):"""解析需要调用的接口，并且进行参数替换，基础断言等:param api: 需要调用的接口:param header: 需要传入的请求头:param body: 需要传入的请求体:return: 返回接口响应的结果"""api_name = apiparam = YamlUtil.parse_api(api_name)if headers is not None:for key in headers:param['headers'][key] = headers[key]if body is not None:for key in body:param['body'][key] = body[key]params = self.replace_value(param)with allure.step(f"步骤：{api_name}"):response = self.send_request(params)if self.run_mode == 1:print("")print(f"调用接口：{api_name}")print(params)print(response)return responseelse:return responsedef send_request(self, *args):"""发起接口请求:param args: 接口请求的参数:return: 接口返回的数据"""method = args[0]['method'].lower()ip = self.replace_value(args[0]['host'])url = ip + args[0]['url']headers = args[0]['headers']body = args[0]['body']data = bodyif method == "get":res = self.sess.get(url, params=data, headers=headers)elif method == "post":if 'files' in args:files = args[0]['files']file_path = os.path.join(YamlUtil.data_file_path, files)with open(file_path, 'rb') as file:files = {'file': ('image.jpg', file)}res = self.sess.post(url, files=files, headers=headers)res = self.sess.post(url, json=data, headers=headers)else:print("请求方式错误")try:res = res.json()with allure.step(f"URL：{url}"):...with allure.step(f"Method：{method}"):...with allure.step(f"Headers：{json.dumps(headers)}"):...with allure.step(f"Body：{json.dumps(data, ensure_ascii=False)}"):...with allure.step(f"Response：{json.dumps(res, ensure_ascii=False)}"):return resexcept Exception as e:print("该接口返回的结果不是json数据？")res = res.textwith allure.step(f"URL：{url}"):...with allure.step(f"Method：{method}"):...with allure.step(f"Headers：{json.dumps(headers)}"):...with allure.step(f"Body：{json.dumps(data, ensure_ascii=False)}"):...with allure.step(f"Response：{json.dumps(res, ensure_ascii=False)}"):return res

• 通过pytest的fixture装饰器，将RequestUtil注入进去每个测试用例里面去

• @pytest.fixture(scope="session")
  def r():return RequestUtil()
  

• 测试编码同学只需要使用方法，即可完成接口调用和response获取
• 接口：百度.yaml

• method: post
  host: https://ug.baidu.com
  url: /mcp/pc/pcsearch
  headers:{}
  body:{"errno": 0,"errmsg": "ok","data": {"log_id": "1652589279","action_rule": {"pos_1": [],"pos_2": [],"pos_3": []}}}

  事实上，测试代码只有这么点：【编码门槛低】只需要能看懂接口文档，和http的基本知识，以及知道Python的字典和assert，便可轻松完成编码

  def test_百度(r):#其中 r为fixture装饰器，通过conftest.py注入进去resdic= r.invoke_api("百度.yaml",headers={},body={})assert resdic[errmsg] == "ok"
  assert resdic[data][log_id] == "3277317105"

• 不管成功失败，测试报告都会打出每一次请求的入参和返回，如下图，都不用在IDE里面调试。【低调试门槛】【清晰的测试报告】
• 
• 另外，数据驱动的case，用如下的方式编写

• import [e-mail]('emails,password,assert1', [('[e-mail]', 'Tset111', 'success'),('[e-mail]', 'Tset222', 'fail'),('[e-mail]', 'Tset333', 'error'),
  ])
  def test_注册用户(r, emails, password, assert1):response_info = r.invoke_api('注册用户.yaml', body={"emails": emails, "password": password})assert response_info['data'] == assert1
  

• 

再次，测试用例的组织和结构

        达成：【方便多人协同】【自动化代码能不断积累】【自动化case覆盖率可量化】

1. 手工用例遵循实际的业务模块树形结构，做较精细的模块拆分
2. 末级手工用例使用xmind管理，作为用例树的末级，标题上按如下打标：哪些场景需要被覆盖（目标）？已被覆盖（进度）？功能覆盖率多少（量化）？哪些地方还需要验证前端？一目了然，工时评估更透明
   • 是否需要自动化
   • 是否已被自动化
   • 是否还需要验证前端
3. 自动化测试用例目录，和手工用例目录保持一致，
4. 每个自动化case一个.py文件，自动化测试用例名与手工测试名保持一致。如此保障一一对应
5. 如若涉及一对多：
   1. 如果涉及单接口的，自动化测试用例名与手工用例末级目录一致；
   2. 如果涉及数据驱动的，自动化测试用例名与手工用例末级目录一致；
6. 通过以上措施，很方便计算出自动化case覆盖率（分子为已完成自动化case，分母为达标为：需要自动化的case数）

再次，通过配置文件，和参数化运行

        达成【低成本且灵活地触发】

• yaml方式的配置文件

• run_mode: 2 # 1调试模式/2正式模式
  run_env: one  # 运行脚本环境test:host: http://api.test.xyzdb:host:port:user:password:redis:host:password:testa:host: http://api.testa.xyzdb:host:port:user:password:redis:host:password:# 环境
  one:# 接口地址host: # b连接信息db:host:port:user:password:# redis连接信息redis:host:password:

• main函数运行的时候，拿到具体运行的环境信息，读取对应的配置

• import os
  import pytest
  from pytest_jsonreport.plugin import JSONReport
  import argparsefrom Core.parse_yaml import YamlUtil
  from Core.robot_utils import Robotdef main(env):YamlUtil.clear_env_yaml()if env.env is not None:e = env.envdata = {"env": e}YamlUtil.write_env_yaml(data)current_path = os.path.dirname(os.path.abspath(__file__))json_report_path = os.path.join(current_path, 'report/json')html_report_path = os.path.join(current_path, 'report/html')plugin = JSONReport()pytest.main(["自动化用例/百度搜索.py", '--alluredir=%s' % json_report_path, '--clean-alluredir'], plugins=[plugin])# 生成allure报告os.system('allure generate %s -o %s --clean' % (json_report_path, html_report_path))os.system('allure open %s' % html_report_path)if __name__ == "__main__":parser = argparse.ArgumentParser()parser.add_argument("--env", help="参数为需要执行的环境")args = parser.parse_args()main(args)

• #在testa环境运行
  python run.py --env testa