Python+Requests+PyWebIO框架详解，编写测试工具提高团队测试效率-Toy模板网

这篇具有很好参考价值的文章主要介绍了Python+Requests+PyWebIO框架详解，编写测试工具提高团队测试效率。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、背景

老铁们如果是QA，想必也遇到过类似痛点吧：

业务逻辑复杂性决定测试场景复杂性，配置测试场景常常花费大量时间，导致测试效率降低
新用户的测试场景，账号可能经常注销，协助debug时需要用userid，每次都得重新抓包。而且测试账号很多，来回切，即使在本地管理userid，维护成本也很大，不如现用现查来的准确可靠
问开发要了一些接口，通过接口配置测试场景，相较于手工配置方便了一些。但如果涉及到多个接口层级调用，配置一个账号还算方便，当配置多个账号时也是特别麻烦，使用Postman就需要编写脚本，用起来我个人感觉还不如Python方便
最需要测试工具的是QA，开发和PM也需要但不是很频繁。如果是本地的Python脚本，其他人要用，每次都需要你去帮忙操作。密集测试时，这种操作的需求太多，别人的效率提高了，你的效率反而降低了。。

怎么样可以“一劳永逸”呢？编写出来工具，方便所有人使用?
使用Python+Requests+PyWebIO开发框架，基于这个框架编写测试工具，部署后，团队内部通过链接即可访问，无需配置任何环境（有浏览器就够），可以实现所有人完全自助使用，真正地能提高团队效率。

有了这个框架，只要后端有接口，就能开发成工具。再也不用愁某些Feature 回归成本高了。而且仅通过输入手机号就能查询各种信息，简直不要太方便啦。

这个框架熟悉Python的测试同学很快可以上手，自己设计自己开发，怎么方便怎么来，简直太香了。

二、框架设计

1、api
	1）存放接口模板，我一般以host命名，此host下的所有接口都存放在此python下。
2、common
	1）api_key：get(), post(), jsonpath提取方法的封装。
	2）base_func：对常用字段的解析方法进行封装
	3）my_requests：用户输入接口参数值后，替换掉模板中的数据，并调用api_key中的get, post方法发送请求
3、config
	1）settings：获取文件路径、以及数据库连接信息配置（如有）等
	2）VAR：存放常量，例如手机号的白名单list、测试环境的一些选项等
4、debug
	1）一个python脚本，可发送post请求，用于debug
5、util
	1）get_available_port：部署服务时，查询可用端口号
	2）int_redis（如需要）：redis的连接、查询以及删除等操作
	3）my_logger（如需要）：logger的封装，此框架中我实际并未使用到。
	4）mysql_client（如需要）：mysql的连接、查询以及删除等操作
6、webio
	1）common_ui：像下拉菜单、输入框、单选复选框等，可以进行封装。需要时进行调用。也可以将首页作为一个独立的UI进行封装，每个PyWebIO对其进行调用，实现每个工具都可以进入首页。（PyWebIO有提供多application的start方法，但是我觉得没有这种方式好管理）
	2）homepage：对所有工具进行一个统一展示，可以是各种你喜欢的形式，我一般用表格输出，工具名称，地址，以及描述，owner等信息。此python需要作为PyWebIO app来部署。
	3）tool_x：编写你的测试工具UI以及业务逻辑，py文件可以根据你的业务逻辑进行命名，代码结构中仅是一个示例。此python需要作为PyWebIO app来部署
7、main
	1）project根目录下的main.py，执行它之后，它将会收集所有PyWebIO app，并且部署服务

pywebio,PyWebIO,接口测试,python,web,测试工具

三、框架详解

1、api层

shop_xo.py

1.1 设计说明

python文件以host进行命名，方便管理
一个api python中，存放此host下的所有接口
将Host作为全局变量，且根据实际的环境进行区分，方便测试工具在不同环境下的使用。我的项目中仅Int和Prod两个环境。
headers如果这些接口都一样，可以单独拿出来，不用每个接口都写。demo中的login请求不用填写headers。
每一个func都以接口名直接命名（后端大佬接口命名已经很make sense啦，并且这个仅仅是接口模板，并无业务逻辑）
接口 func的设计：一个请求所需的全部数据作为一个字典进行存储 （key的命名一定要跟get和post方法的参数名一致）。由于为了知道是int还是prod，所以请求数据中有IntUrl和ProdUrl。最终发送请求如何处理，请见my_requests的设计。
对于eval使用不了解的可以看我之前的一篇文章：getattr和eval在Python接口测试中的应用

1.2 代码实现

IntHost = "http://shop-xo.hctestedu.com/index.php?"
ProdHost = "http://shop-xo.hctestedu.com/index.php?"

# Headers = {'Content-Type': 'application/json'}

param_data = {
   
    "application": "app",
    "application_client_type": "weixin"
}

def Login(accounts, pwd):
    api_path = "s=api/user/login"
    data = {
   "accounts": accounts, "pwd": pwd, "type": "username"}
    request_info = {
   
        "IntUrl": IntHost + api_path,
        "ProdUrl": ProdHost + api_path,
        "method": "post",
        # "headers": eval(f'{Headers}'),
        'data': eval(f'{
     data}'),
        "params": param_data
    }
    return request_info
    
def YourGetRequests(userid):
    api_path = f"/YourGetRequests?userid={
     userid}"
    request_info = {
   
        "IntUrl": IntHost + api_path,
        "ProdUrl": ProdHost + api_path,
        "method": "get",
        "headers": eval(f'{
     Headers}')
    }
    return request_info   
     
if __name__ == '__main__':
    print(Login("hello", "world"))

2、common层

2.1 api_key

2.1.1 设计说明

发送请求，常用的是post、get请求，对其进行封装
收到响应后，需要对响应结果进行解析，因此对jsonpath的使用进行封装
有时需要用到断言，也可以一并封装

2.1.2 代码实现

import json
import jsonpath
import requests


# 工具类
class ApiKey:
    # get请求的封装：因为params可能存在无值的情况，存放默认None
    def get(self, url, params=None, **kwargs):
        # return requests.get(url=url, params=params, **kwargs)  # 使用这种方式，需要字典中不包含method参数
        return requests.request(url=url, params=params, **kwargs)  # 使用这种方式，需要字典中带有method参数

    # post请求的封装：data也可能存在无值得情况，存放默认None
    def post(self, url, data=None, **kwargs):
        # return requests.post(url=url, data=data, **kwargs)
        return requests.request(url=url, data=data, **kwargs)

    # 基于jsonpath获取数据的关键字：用于提取所需要的内容
    def get_text(self, data, key):
        # jsonpath获取数据的表达式：成功则返回list，失败则返回false
        # loads是将json格式的内容转换为字典的格式
        # jsonpath接收的是dict类型的数据
        dict_data = json.loads(data)
        value = jsonpath.jsonpath(dict_data, key)
        if isinstance(value, list):
            if len(value) == 1:
                value = value[0]
        return value

    # 断言封装
    def my_assert(self, acutal, expect):
        try:
            assert acutal == expect
        except:
            return "断言失败"
        else:
            return "断言成功"

2.2 my_requests

2.2.1 设计说明

构造方法中的两个成员变量

environment：用户在使用工具时，选择的环境
api：在api层，host下的接口func

请求模板中参数的替换

将用户输入的数据，作为模板中的实参，在调用接口func时例如，Login(“zz”, “123456”)，可以直接替换掉

类方法：get_request_info()

根据用户选择的环境，确定请求url，确定后需要删除字典中的IntUrl和ProdUrl，新增url

类方法：send_requests()文章来源地址https://www.toymoban.com/news/detail-645725.html

使用get_request_info()拿到所有请求数据之后，需要对请求method做一个判断，然后调用api_key中的post或者get方法，调用时，使用了getattr。
对于getattr使用不了解的，可以看我之前的一篇文章：getattr和eval在Python接口测试中的应用
为什么注释掉了del dict_data[“method”]，可以结合上面api_key的get和post代码中的注释。使用getattr时，dict中的key需要跟post、get方法中参数名保持一致，不然就会报错，重复或者post、get方法中不存在的参数名都不行。
使用dumps将响应体转换成Json格式。并且ensure_ascii设置成False，后面put_code打印响应体时，中文就能正常展示。indent=4，可以让输出为标准的Json格式，可读性更强。

2.2.2 代码实现

import json
from json import JSONDecodeError
from api.shop_xo import Login
from common.api_key import ApiKey


class MyRequests:

    # 初始化方法
    def __init__(self, environment, api):
        # 测试环境
        self.environment = environment.upper()
        # 接口数据
        self.api = api
        self.ak = ApiKey()

    def send_requests(self):
        global resp
        dict_data = self.get_request_info()  # dict类型
        if dict_data["method"] == "post":
            # del dict_data["method"]
            resp = getattr(self.ak, 'post')(**dict_data)
        elif dict_data["method"] == "get":
            resp = getattr(self.ak, 'get')(**dict_data)

        if resp.status_code >= 200 and resp.status_code < 300:
            try:
                json_resp = resp.json()  # 是字典
                json_resp = json.dumps(json_resp, indent=4, ensure_ascii=False)  # dumps()将字典转换成Json, loads()将Json转换成字典
            except JSONDecodeError as e<