python自动化测试（4）-使用第三方python库技术实现

python自动化测试（4）-使用第三方python库技术实现

 

1   概述

关于测试的方法论，都是建立在之前的文章里面提到的观点：

• 功能测试不建议做自动化
• 接口测试性价比最高
• 接口测试可以做自动化
• 做好接口自动化，一定要有透过界面看到数据本质的能力

后面所谈到的 测试自动化 也将围绕着 接口自动化 来介绍。

2   可测试架构

目前互联网行业流行的“一服务，多客户端”的架构是一种 可测试性好 的架构，架构图如下：

1. 服务器和客户端采用Http（或者WebSocket）的方式进行通讯
2. 数据交换的格式一般是Json（或者XML）
3. 因为下游设备众多，所以服务端接口有很强的稳定性要求

3   自动化技术实现

基于如上特点，此系统的接口自动化测试简化表述，就是需要做如下事情：

1. 使用脚本对接口进行Http请求
2. 对返回值解析
3. 按照设计文档进行判定
4. 以项目的方式组织测试脚本形成自动化测试项目

当然，以上纯粹是从技术的角度来阐述问题，如果要和具体的项目结合起来 ，还需要设计不同的步骤和数据来满足不同的业务逻辑需求。

对于如上4个目的，有如下几个框架或者工具可以实现：

1. requests

   一个Http请求库，号称是让Http的请求对人更友好，此框架也确实达到此目的了。

2. json

   python提供的对json和python数据类型的转化库

3. pyunit

   pyunit自动化框架提供了大量的assert断言方法来自动化进行数据逻辑判定

4. pycharm

   作为一个强大的IDE，其在项目组织方面的表现也同样是极其出色的

关于 pyunit 和 pycharm 在本系列文章的上一节里面已经进行了介绍，此处不再重复介绍，本文的重点则是python的两个和http通讯及数据解析相关的库：requests库 和 json库 。

4   json

4.1   基本介绍

中文官方主页：

http://www.json.org/json-zh.html

关于JSON的使用介绍，目前已经不言而喻。虽然在好多年前，曾经有XML和JSON在 数据编解码 领域平分秋色的说法，但是这么多年过去后，JSON的势头越来越好，而XML的声音则越来越小。

关于JSON的定义，引用官网的原文 [1]：

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。 易于人阅读和编写。同时也易于机器解析和生成。 它基于JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999的一个子集。 JSON采用完全独立于语言的文本格式，但是也使用了类似于C语言家族的习惯（包括C, C++, C#, Java, JavaScript, Perl, Python等）。 这些特性使JSON成为理想的数据交换语言。

目前JSON显然已经成为了互联网上字符型数据交换的标准编解码的中坚力量，作为互联网的开发人员，是很有必要了解它，运用它的。

JSON作为一种字符串的编码和解码规划，是和语言无关的，JSON官网 [1] 上有各种语言的。各种语言（Java/Php/C#/C/C++/Python/R/Ruby等等）都有自己的实现方式，这些也都可以参考

4.2   python库

本文的主打语言是Python语言，所展开的内容也是和Python语言相关，在JSON官网 [1] 上提供了如下几种Python语言的JSON库：

• The Python Standard Library.
• simplejson.
• pyson.
• Yajl-Py.
• ultrajson.
• metamagic.json.

一般情况下，都使用第一个： The Python Standard Library（Python标准库）

官方文档地址：

https://docs.python.org/2/library/json.html

主要的功能就是：JSON编码和解码。

主要函数：

• 解码函数（装载）：将字符流转化为json对象

  • loads： 载入字符串变量
  • load：载入文件流

• 编码函数（卸载）：将json对象转化为字符流

  • dumps：输出到字符串变量
  • dump：输出到文件流

以上的几个接口容易混淆记忆，引处提供一个辨识技巧：后面带有s结尾（loads,dumps），都是对字符串变量 str 的处理。

一般情况下，loads,dumps使用得最多，因为大部分的程序运算都是内存运算，即主要是对字符串变量进行处理，以下是官网的示例。

字符串解码：

>>> import json
>>> json.loads('["foo", {"bar":["baz", null, 1.0, 2]}]')
[u'foo', {u'bar': [u'baz', None, 1.0, 2]}]
>>> json.loads('"\\"foo\\bar"')
u'"foo\x08ar'

字符串编码：

>>> import json
>>> json.dumps(['foo', {'bar': ('baz', None, 1.0, 2)}])
'["foo", {"bar": ["baz", null, 1.0, 2]}]'
>>> print json.dumps("\"foo\bar")
"\"foo\bar"
>>> print json.dumps(u'\u1234')
"\u1234"

关于python标准数据类型和Json的数据类型之间转化的对应关系请见官网 [2]

[1]	(1, 2, 3) JSON官网

[2]	Python的Json编码解码数据对应表

5   requests

5.1   基本介绍

官方主页：

http://docs.python-requests.org/en/master/

requests库是一个专门封装的，对用户极其友好的一个Http请求库，其目的就是为了让python下面的Http请求变得更简单，而且它确实也达到它的目的了。

安装方法：

pip install requests

5.2   使用示例

目前的一般的Web应用程序都是基于get或者post请求，对于这两种Http请求，requests库都提供了十分优雅的解决方案。

最基本的get请求

# coding:utf-8
import requests

__author__ = 'harmo'


def get_demo():
    """
    requests 的get方法演示,不带参数
    by:Harmo
    :return:
    """
    url = 'http://www.baidu.com'
    res = requests.get(url)
    print res.url
    print res.status_code


if __name__ == '__main__':
    get_demo()

运行结果：

http://www.baidu.com/
200

带参数的get请求：

>>> payload = {'key1': 'value1', 'key2': 'value2'}
>>> r = requests.get('http://httpbin.org/get', params=payload)

带参数的post请求：

>>> payload = {'key1': 'value1', 'key2': 'value2'}

>>> r = requests.post("http://httpbin.org/post", data=payload)
>>> print(r.text)
{
  ...
  "form": {
    "key2": "value2",
    "key1": "value1"
  },
  ...
}

6   综合示例

再结合一下pyunit的判断库，就可以根据如下流程，做一个最简单的接口自动化测试脚本：

1. 根据文档准备好请求参数
2. 对指定的http接口进行requests请求
3. 对返回的字符串进行json解析
4. 使用pyunit的assert函数进行判定
5. 生成相应的测试报告，导出或者和信息系统对接

下面是对一个用户登录的接口进行测试，按照设计文档，此接口如果登录成功，则返回的字符格式是：

{
    "code":200,
    "msg":"",
    "data":{
        "token": "382998dafa5143fd8a38c535be0d1502"
    }
}

如果登录失败，则返回如下值：

{"code":403,"msg":"forbidden","data":""}

则相应的测试脚本代码为

def test_admin_user_login(self):
    """
    测试用户登录
    by:Harmo
    :return:
    """

    url = "%s%s" % (self.base_url, '/task/admin-user-login/')

    params = dict(
        user='admin',
        password='222222',

    )

    res = requests.post(url, data=params)
    print res.text

    res_dict = json.loads(res.text)
    self.assertEqual(res_dict['code'], 200)

运行结果：

通过上面运行结果的提示，我们可以看出，指定的数据输入经过服务端接口后，并没有返回我们期望的值。这个时候，我们就可以排查是不是服务端的接口出问题了，或者是谁修改了测试数据，导致结果不符合预期。

7   小结

本小部分的内容，主要是讲如何利用 requests库 和 json库 来轻松构建Http接口自动化测试的项目。基本上如果掌握了如上技能，测试开发人员就具备了自动化脚本开发的能力了，后面主就是结合具体的项目需求来进行逻辑设计和数据准备了。

只需要这一步，你就迈入了自动化测试之门了，恭喜。

聚沙成塔，无数的上文提到的接口自动化测试脚本，就可以汇集成一个自动化化测试项目，而此自动化测试项目则是 持续集成，快速迭代必备条件，最后作为测试人员也能成为整个项目推进中很重要的一环了。

作者:	Harmo哈莫
作者介绍:	https://zhengwh.github.io
技术博客:	http://www.cnblogs.com/beer
Email:	[email protected]
QQ:	1295351490
时间:	2016-02
版权声明:	欢迎以学习交流为目的读者随意转载，但是请 【注明出处】
支持本文:	如果文章对您有启发，可以点击博客右下角的按钮进行 【推荐】