自动化本身是为了提高工作效率,不论选择何种框架,何种开发语言,我们最终想实现的效果,就是让大家用最少的代码,最小的投入,完成自动化测试的工作。
基于这个想法,我们的接口自动化测试思路如下:
1.不变的内容全部通过配置化来实现,比如:脚本执行的环境、请求的 HOST、URL 路径、测试数据等;
2.环境和数据关联变更:依据不同的环境,选择不同的配置及对应的测试数据;
3.抽取公共方法,避免冗余代码;
4.场景化的用例,实现可配置化;
5.数据驱动。
1.问题
在做自动化的过程中,不能只考虑单接口的脚本,也要考虑场景化的用例。场景化的用例 不需要每个步骤都去校验所有的数据,可能 更多看重串联后的最终效果。
那什么是场景用例?
其实就是多个接口组成的业务场景,常规写代码的做法是,先调用接口1,验证结果, 再调用接口2,再继续接口3,… 等等;在测试场景中,可能只是各个接口的入参不一样,或者是调用的接口不一样。这样代码写起来就会冗余。
比如:
def test_01(self):
# step 01
result1 = PackDemo().getTest()
assert result1 == 4
# step02
result2 = PackDemo2().getTest2("name")
assert result2 == 'name'
# step03
result3 = DemoApi().getTest()
assert result3 == 2
这样的用例,对于简单的接口没什么问题,但是对于复杂的接口,校验逻辑比较多,或者入参比较多,实现的方式就过于单一了。且不同场景的话,每个都要更改调用的步骤和返回值,场景越多冗余越多。
如果使用配置化的方式,每次从配置文件中动态加载配置的场景用例, 而且能够做到加载后做对应的断言,那该多好。
怎么做呢?咱们看看一些核心的实现。
2.方案
2.1 项目结构
项目结构如下:
img
采用当前比较流行的 Python + Pytest + Allure 来实现,具体结构不做展开。
2.2 场景用例的配置数据
test_scenario.json
{
"test_01": {
"step_1": { ---- 步骤节点名称,可自定义
"packagePath": "api", --- 这个步骤要运行的方法所属类的包路径
"class": "DemoApi", --- 这个步骤要运行的方法所属类名称
"method": "getTest", --- 这个步骤要运行的方法名称
"request": null, ---这个步骤运行的方法入参
"response": 2, ---这个步骤运行的结果,可以是一个值,或者对象
"verify": { --- 数据校验的节点
"type": 1, ---数据校验的类型
"keys": null ---如果是校验的特定字段,这里需要输入部分校验的字段
}
},
"step_2": {
"packagePath": "api.demo",
"class": "PackDemo",
"method": "getTest2",
"request": "request -> name",
"response": 6,
"verify": {
"type": 1,
"keys": null
}
},
"step_3": {
"packagePath": "api.demo",
"class": "PackDemo2",
"method": "getTest3",
"request": {
"name": "param-name",
"num_list": ["a", "b", "c"]
},
"response": 8,
"verify": {
"type": 1,
"keys": null
}
}
}
}
2.3 动态加载类
在我们配置了以上的测试场景的数据后,我们希望在用例执行的过程中,通过获取我们的配置,能够动态的加载数据文件中提到的方法,并执行对应的方法,那这个过程的实现我们主要通过如下的动态加载类来实现。
# DynamicLoad.py
# 部分主要的摘录如下
def __load_module(self):
"""
加载对应路径下的模块
:param package_path: 包路径
:param class_name: 类名称
:return:
"""
return importlib.import_module("." + self.class_name, package=self.package_path)
def __getClassInstance(self):
"""
加载对应的模块下的类,并返回对应类的实例
:param module_name: 对应的模块
:param class_name:
:return:
"""
self.my_module = self.__load_module()
self.my_class = getattr(self.my_module, self.class_name)()
return self.my_class
def execMethod(self, method, *args):
"""
加载对应类下的方法
:param instance: 对应的实例
:param method: 要执行的方法
:return:
"""
result = getattr(self.__getClassInstance(), method)(*args)
return result
有了以上动态加载的方法后,在执行场景用例时,依据上述的方法,就可以执行测试文件中提到的方法。
2.4 场景分析类
在场景用例的测试数据中,除了需要解析需要执行的类、方法外,还要解析文件中涉及到的出入参及数据比对方式,因此,这里还需要一个场景分析类,来解析数据文件中关于具体执行过程的配置。
#ScenariosAnalyze.py
def analyse_exe_scenario(self, case_data):
step_result = {}
summary = True
for i in case_data:
instance = DynamicLoad(case_data[i]['packagePath'], case_data[i]['class'])
if case_data[i]['request'] is not None:
result = instance.execMethod(case_data[i]['method'], case_data[i]['request'])
else:
result = instance.execMethod(case_data[i]['method'])
if case_data[i]['verify'] is not None:
compare_type = case_data[i]['verify']['type']
keys = case_data[i]['verify']['keys']
step_compare_result = DataCompare().compare_type(compare_type=compare_type, actual=result,
expect=case_data[i]['response'], keys=keys)
if not step_compare_result:
summary = False
step_result[i] = step_compare_result
step_result['summary'] = summary
return step_result
2.5 用例实现
@File : test_scenario.py
class TestScenario:
@allure.story('场景用例01')
@allure.severity(allure.severity_level.BLOCKER)
@pytest.mark.smoke
def test_01(self):
result = None
case_data = self.test_data_json['test_01']
result = self.scenario_analyze.analyse_exe_scenario(case_data)
assert result['summary'] is True
通过上述简单的脚本调用,就可以完成一个场景用例的测试了。
3.小结
以上就是场景用例配置化的实现思路。
它的优点是:
1.配置化: 一切固定不变的内容全部配置化,最终达到:一个环境配置文件,一套脚本,几套测试数据,依据环境的不同选择不同的测试数据执行对应的测试脚本;
2.门槛低:因为配置化,测试同学只要把测试数据文件中的关键节点配置好,然后在脚本中写下调用方法,就完成用例编写了;
3.好扩展:在后续的实现中,可以将这些配置全部页面化,包括环境、数据、脚本,达到无代码开发的目的;
缺点当然是不够灵活,所以没有完美的方案,只有合适的,以上,仅供大家参考。
如果你不想一个人野蛮生长,找不到系统的资料,问题得不到帮助,坚持几天便放弃的感受的话,可以加入我们的QQ群:746506216,大家可以一起讨论交流,里面会有各种软件测试资料和技术交流。
资源分享
下方这份完整的软件测试视频学习教程已经上传CSDN官方认证的二维码,朋友们如果需要可以自行免费领取 【保证100%免费】