1 概述

手续的关于测试的方法论，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

后面所谈到的 测试自动化 也将围绕着 接口自动化 来介绍。

如果你想学习自动化测试，我这边给你推荐一套视频，这个视频可以说是B站播放全网第一的自动化测试教程，同时在线人数到达1000人，并且还有笔记可以领取及各路大神技术交流：798478386

B站讲的最详细的Python接口自动化测试实战教程全集（实战最新版）_哔哩哔哩_bilibiliB站讲的最详细的Python接口自动化测试实战教程全集（实战最新版）共计200条视频，包括：1、接口自动化之为什么要做接口自动化、2、接口自动化之request全局观、3、接口自动化之接口实战等，UP主更多精彩视频，请关注UP账号。https://www.bilibili.com/video/BV17p4y1B77x/?spm_id_from=333.337.search-card.all.click

本系列选择的测试语言是 python 脚本语言。由于其官方文档已经对原理有了比较清楚的解释，本文就不做一些多余的翻译工作了。偏向于实战部分，而且为了偏向实战，也会结合 IDE 工具和项目组织来进行讲解。

理由如下：

脚本语言，开发和迭代的效率极高
第三方的扩展库极多，有很我现成的工具可以使用

在正式进入到 自动化测试 的领域之前，先要建立这样的价值观。在Google内部工程师发布的软件测试的出版物里面提到：

“软件的自动化测试是有成本的，而且成本不低，基本上相当于在原有的 功能开发工程 的基础上再建立一个平行的 测试开发工程 ”。

也就是说，如果你对自动化测试有你的期望值，那么就肯定是要付出相应的代价和精力的。好的东西也是需要优秀的人花大量的时间去完成的。

2 PyUnit测试框架

使用 python 作为自动化编程语言，那么就自然的使用 pyunit 作为自动化测试框架了。

如下部分的内容主要来自于 pyunit 的官方文档，本文仅仅做了一些翻译和结构上的简单调整。这部分属于测试框架的基本原理和概念部分，在进行代码编写前，有必要进行了解。

python的单元测试框架 PyUnit,可以认为是 Java 语言下的单元测试框架 JUnit 的 Python 语言实现版本，甚至其作者之一 Kent Beck 就是 JUnit 的作者。

unittest要达到如下目标：

支持自动化测试
让所有的测试脚本共享 开启(setup) 和 关闭(shutdown) 的代码
可以通过集合（collections）的方式来组织测试用例脚本
将所有的测试脚本从测试报告框架中独立出来

为了达到以上目标，unittest支持如下几个重要概念：

测试装置（test fixture）

为一个或者多个测试用例做一些准备工作，例如：连接一个数据库，创建一个目录，或者开启一个进程
测试用例（test case）

测试用例是测试行为的最小单元，通过对一些输入输出值的对比来进行测试检查
测试套件（test suite）

将 测试用例 或者 测试用例集合 聚合组织起来的集合。可以批量执行一个测试套件内所有的测试用例
测试执行器（test runner）

组织安排测试脚本执行活动的组件。测试执行器通过一些图形界面，文本界面或者返回一些特殊的值来展示测试脚本的测试结果。主要用于生成测试报告

3 基本示例

如下示例也来自于官方文档 basic_demo.py：

# coding:utf-8
"""
基本的自动化测试脚本 basic_demo.py
"""
__author__ = 'zheng'
 
import unittest
 
 
class TestStringMethods(unittest.TestCase):
 
    def setUp(self):
        print 'init by setUp...'
 
    def tearDown(self):
        print 'end by tearDown...'
 
    def test_upper(self):
        self.assertEqual('foo'.upper(), 'FOO')
 
    def test_isupper(self):
        self.assertTrue('FOO'.isupper())
        self.assertFalse('Foo'.isupper())
        self.assertTrue('Foo'.isupper())
 
    def test_split(self):
        s = 'hello world'
        self.assertEqual(s.split(), ['hello', 'world'])
        # check that s.split fails when the separator is not a string
        with self.assertRaises(TypeError):
            s.split(2)
 
 
if __name__ == '__main__':
    unittest.main()

虽然官方文档里面介绍了几种组织测试用例脚本的方式：

独立测试函数
单用例测试类
多用例测试类

不同的编写形态，会有不同的组织方式，具体的可以看官方文档。本文作者研究过官方文档后，最喜欢第三种方式 多用例测试类,也就是上面基本示例的方式，这种方式具有如下特点：

测试类 继承于 unittest.TestCase
一个测试类可以管理多个 测试脚本函数
测试脚本函数名称需要以 test_ 开头
一个测试类里面的所有的测试函数共享 setUp和tearDown函数

在控制台中运行此程序：

➜  src git:(master) ✗ python basic_demo.py
init by setUp...
Fend by tearDown...
init by setUp...
end by tearDown...
.init by setUp...
end by tearDown...
.
======================================================================
FAIL: test_isupper (__main__.TestStringMethods)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "basic_demo.py", line 24, in test_isupper
    self.assertTrue('Foo'.isupper())
AssertionError: False is not true
 
----------------------------------------------------------------------
Ran 3 tests in 0.001s
 
FAILED (failures=1)
➜  src git:(master) ✗

前面的基本例子的 main 函数采用的最简单的方式，直接运行所有的测试用例，并生成默认的文本报告。其实只需要对调用函数做一些简单的修改，可以将这些测试用例进行合理组织，并获取其实有用的数据信息，以便和信息系统进行集成，形成较好的扩展。

if __name__ == '__main__':
    # unittest.main()
    # 装载测试用例
    test_cases = unittest.TestLoader().loadTestsFromTestCase(TestStringMethods)
    # 使用测试套件并打包测试用例
    test_suit = unittest.TestSuite()
    test_suit.addTests(test_cases)
    # 运行测试套件，并返回测试结果
    test_result = unittest.TextTestRunner(verbosity=2).run(test_suit)
    #生成测试报告
    print("testsRun:%s" % test_result.testsRun)
    print("failures:%s" % len(test_result.failures))
    print("errors:%s" % len(test_result.errors))
    print("skipped:%s" % len(test_result.skipped))

运行后生成的输出为：

➜  src git:(master) ✗ python basic_demo.py
test_isupper (__main__.TestStringMethods) ... init by setUp...
FAIL
end by tearDown...
test_split (__main__.TestStringMethods) ... init by setUp...
end by tearDown...
ok
test_upper (__main__.TestStringMethods) ... init by setUp...
end by tearDown...
ok
 
======================================================================
FAIL: test_isupper (__main__.TestStringMethods)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "basic_demo.py", line 23, in test_isupper
    self.assertTrue('Foo'.isupper())
AssertionError: False is not true
 
----------------------------------------------------------------------
Ran 3 tests in 0.001s
 
FAILED (failures=1)
testsRun:3
failures:1
errors:0
skipped:0

显然上面的输入结果已经将测试的结果进行了统计，这些数据都是一次测试活动中的重要指标，这些数据可以入库，和测试信息管理系统集成，后期生成仪表盘或者统计报表，形成稳定和产品测试线路图，这些都是和开发相关的了，在此不再多叙述了。

结合上面的具体例子，我们也可以找到上一节的理论部分对应的具体实现对象：