目的：
描述我的需求和目标让gpt给我写一个测试接口框架 并且让他自己完善。
我说:帮我写一个基于python语言的 pytest的接口测试框架 支持post get put delete请求 添加详细的断言，处理身份验证和授权，处理HTTP错误 加上allure2报告和有请求失败发邮件功能
gpt回答:
好的，下面是一个更完整的代码示例，这个示例结合了你的所有需求：
import requests
import pytest
import smtplib
from email.mime.text import MIMEText
from email.header import Header
import allure
class APIClient(object):
def __init__(self, base_url, token):
self.base_url = base_url
self.headers = {'Authorization': 'Bearer ' + token}
def get(self, path, params=None):
return requests.get(self.base_url + path, params=params, headers=self.headers)
def post(self, path, data=None, json=None):
return requests.post(self.base_url + path, data=data, json=json, headers=self.headers)
def put(self, path, data=None):
return requests.put(self.base_url + path, data=data, headers=self.headers)
def delete(self, path):
return requests.delete(self.base_url + path, headers=self.headers)
@pytest.fixture(scope="module")
def api_client():
token = 'your_token' # 替换成你的Token
return APIClient("http://your-base-url.com", token) # 你的API的基础URL
def send_email(subject, content, to):
# Replace the following lines with your email settings
smtp_server = 'your_smtp_server'
username = 'your_username'
password = 'your_password'
from_email = 'your_email'
msg = MIMEText(content, 'plain', 'utf-8')
msg['Subject'] = Header(subject, 'utf-8')
msg['From'] = from_email
msg['To'] = to
try:
server = smtplib.SMTP(smtp_server)
server.login(username, password)
server.sendmail(from_email, [to], msg.as_string())
server.quit()
except smtplib.SMTPException as e:
print(f"Error: unable to send email: {e}")
@pytest.allure.feature('HTTP methods')
def test_get(api_client):
try:
response = api_client.get("/path-for-get") # 这里需要替换成你的GET接口的路径
assert response.status_code == 200
assert 'expected_field' in response.json() # 检查预期的字段是否存在
assert response.json()['expected_field'] == 'expected_value' # 检查预期的字段是否等于预期的值
except Exception as e:
send_email('Test failed', str(e), 'your_email@domain.com')
raise
@pytest.allure.feature('HTTP methods')
def test_post(api_client):
data = {} # 这里添加POST请求需要的数据
try:
response = api_client.post("/path-for-post", data=data) # 这里需要替换成你的POST接口的路径
assert response.status_code == 200
assert 'expected_field' in response.json() # 检查预期的字段是否存在
assert response.json()['expected_field'] == 'expected_value' # 检查预期的字段是否等于预期的值
except Exception as e:
send_email('Test failed', str(e), 'your_email@domain.com')
raise
@pytest.allure.feature('HTTP methods')
def test_put(api_client):
data = {} # 这里添加PUT请求需要的数据
try:
response = api_client.put("/path-for-put", data=data) # 这里需要替换成你的PUT接口的路径
assert response.status_code== 200
assert 'expected_field' in response.json() # 检查预期的字段是否存在
assert response.json()['expected_field'] == 'expected_value' # 检查预期的字段是否等于预期的值
except Exception as e:
send_email('Test failed', str(e), 'your_email@domain.com')
raise
@pytest.allure.feature('HTTP methods')
def test_delete(api_client):
try:
response = api_client.delete("/path-for-delete") # 这里需要替换成你的DELETE接口的路径
assert response.status_code == 200
assert 'expected_field' in response.json() # 检查预期的字段是否存在
assert response.json()['expected_field'] == 'expected_value' # 检查预期的字段是否等于预期的值
except Exception as e:
send_email('Test failed', str(e), 'your_email@domain.com')
raise
请注意你需要替换一些地方的内容，包括`your_token`, `http://your-base-url.com`, `your_smtp_server`, `your_username`, `your_password`, `your_email@domain.com`等等。这些应该替换为你自己的实际值。
此外，你也需要根据实际的接口情况，修改`"/path-for-get"`, `"/path-for-post"`, `"/path-for-put"`, `"/path-for-delete"`以及你的断言内容。
在你的测试过程中，如果测试失败，将会发送一封邮件到指定的邮箱。生成Allure报告的命令如下：
```bash
pytest --alluredir=/tmp/my_allure_results
然后使用allure命令生成报告：
allure serve /tmp/my_allure_results
我说:帮我总结下这个框架和如何优化
gpt回答：这个测试框架主要包括以下几个部分：
1、APIClient：一个用于发送HTTP请求的客户端，支持GET、POST、PUT和DELETE方法。它使用了requests库来发送HTTP请求，同时使用Bearer Token进行身份验证和授权。
2、Pytest：使用Pytest作为测试框架。每个HTTP方法（GET、POST、PUT、DELETE）都有对应的测试函数。测试函数中使用了断言来验证HTTP响应的状态码和内容。
3、Allure：使用Allure生成测试报告。通过在测试函数上添加allure.feature装饰器，我们可以在Allure报告中看到每个测试的详细信息。
4、邮件通知：如果测试失败，会发送一封包含错误详情的邮件。
这个框架可以在多个方面进行优化：
1、参数化：可以使用Pytest的参数化功能来运行多个测试案例。例如，你可以创建一个列表或字典来存储多个不同的请求数据和预期结果，然后在测试函数中使用pytest.mark.parametrize装饰器来为每个数据和结果创建一个测试。
2、使用环境变量：出于安全考虑，你可以将一些敏感数据（例如Token和电子邮件设置）存储在环境变量中，而不是直接在代码中写出这些数据。Python的os.environ可以用来访问环境变量。
3、异常处理：可以增加更多的异常处理代码，以便更好地处理可能发生的错误。例如，你可以检查HTTP响应的状态码是否在200-299的范围内，如果不在这个范围内，就认为请求失败。
4、使用配置文件：可以使用配置文件（例如JSON或YAML文件）来存储测试设置。这样，如果你想修改测试设置，就不需要修改代码，只需要修改配置文件就可以了。
5、日志：可以添加日志代码，将测试过程中的重要信息记录下来，这样在出现问题时可以更方便地进行调试。Python的logging库可以用来添加日志。
6、并行测试：如果你有很多测试需要运行，可以使用Pytest的-xdist插件来并行运行测试，从而减少测试时间。但请注意，如果你的测试会影响到共享的资源或状态（例如数据库），那么并行运行可能会导致问题。
我说：能不能基于这些优化 在帮我扩展下这个测试框架
gpt回答:当然可以，我将在原有的测试框架上添加以下功能：
1、参数化测试案例
2、使用环境变量
3、异常处理增强
4、使用配置文件
代码如下：
首先，我们需要一个配置文件，比如一个名为config.json的JSON文件，内容如下：
{
"base_url": "http://your-base-url.com",
"smtp_server": "your_smtp_server",
"smtp_username": "your_username",
"smtp_password": "your_password",
"from_email": "your_email",
"to_email": "your_email@domain.com"
}
测试代码如下：
import requests
import pytest
import smtplib
from email.mime.text import MIMEText
from email.header import Header
import allure
import os
import json
class APIClient(object):
def __init__(self, base_url):
self.base_url = base_url
self.headers = {'Authorization': 'Bearer ' + os.getenv('TOKEN')}
def get(self, path, params=None):
try:
response = requests.get(self.base_url + path, params=params, headers=self.headers)
response.raise_for_status()
return response
except requests.exceptions.RequestException as e:
pytest.fail(f"GET request failed: {e}")
# Similar changes can be made for the post, put and delete methods
@pytest.fixture(scope="module")
def api_client():
with open('config.json') as f:
config = json.load(f)
return APIClient(config["base_url"])
def send_email(subject, content, to, config):
msg = MIMEText(content, 'plain', 'utf-8')
msg['Subject'] = Header(subject, 'utf-8')
msg['From'] = config["from_email"]
msg['To'] = to
try:
server = smtplib.SMTP(config["smtp_server"])
server.login(config["smtp_username"], config["smtp_password"])
server.sendmail(config["from_email"], [to], msg.as_string())
server.quit()
except smtplib.SMTPException as e:
print(f"Error: unable to send email: {e}")
@pytest.fixture(scope="module")
def test_data():
# Replace this with your actual test data
return [
{
"path": "/path-for-get",
"expected_field": "field",
"expected_value": "value"
},
# Add more dictionaries for more test cases
]
@pytest.mark.parametrize('data', test_data, indirect=True)
@pytest.allure.feature('HTTP methods')
def test_get(api_client, data):
try:
response = api_client.get(data["path"])
assert data["expected_field"] in response.json()
assert response.json()[data["expected_field"]] == data["expected_value"]
except Exception as e:
with open('config.json') as f:
config = json.load(f)
send_email('Test failed', str(e), config["to_email"], config)
raise
以上代码中，我增加了一个config.json的配置文件，其中存储了一些基础配置信息，比如SMTP服务器的信息，API的基础URL等。并且，我使用了os.getenv(‘TOKEN’)来获取环境变量中的Token。
对于异常处理，我添加了response.raise_for_status()来抛出HTTP错误。如果HTTP请求的状态码不在200-299之间，raise_for_status会抛出一个异常。
我还添加了一个test_data fixture用于参数化测试。在test_data中，你可以添加你的实际测试数据。在这个示例中，每个测试数据都是一个包含"path"、"expected_field"和"expected_value"的字典。
在test_get测试函数中，我使用了pytest.mark.parametrize装饰器来参数化测试。这样，对于test_data中的每一个测试数据，都会运行一次test_get测试。并且，如果测试失败，会发送一封包含错误详情的邮件。
对于post，put和delete的方法，也可以进行类似的修改。
这个新的测试框架增加了配置文件的使用，环境变量的使用，异常处理的增强，以及测试参数化，使得测试更加灵活和强大。如果你需要对其他特定的部分进行扩展或者需要帮助，请告诉我，我会很高兴为你提供更多的帮助。
结果：后面还可以用gpt不断这个框架，有需要可以找我
最后为了方便软件测试人员，我研究了一个专为软件测试人使用的GPT人工智能：
http://ai.hctestedu.com/#/chat/1002
免费分享给大家使用！！
需要激活码的朋友可以关注我下方的公众号，免费获取！
