作者：陈爱娇 编辑：毕小烦
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：
- 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；
- 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；
- 抽取公共方法，避免冗余代码；
- 场景化的用例，实现可配置化；
- 数据驱动；
一. 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。
二. 方案
2.1 项目结构
项目结构如下：
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。
三. 小结
以上就是场景用例配置化的实现思路。
它的优点是：
- 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；
- 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；
- 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。
（完）
