一、前言
本文章主要讲解Python接口自动化测试的框架搭建修改，自动化测试用例设计、接口测试中用例设计的动态参数化形式等内容，本文章会跳过部分框架搭建内容，废话不多说，让我们一起来看看叭。
二、实战演练
2.1 接口介绍
我们先用一个接口为出发点，该接口为登录接口，请求方式为POST，登录后才可以进行各式各样的操作，基本信息如下所示：
2.2 接口excel测试用例
按照登录接口文档，进行测试用例的设计：
2.3框架common目录
测试用例属于数据，那么我们必定要读取excel，我们也有配置文件，还有日志系统，这些都属于通用内容，我们可以先将对应的代码模块添加到common中：
"""读取excel，有更简便的方法，该方法适合新手进行学习了解"""
import openpyxl
def read_excel(file_path, sheet_name):
"""读取excel中的数据"""
workbook = openpyxl.load_workbook(file_path)
sheet = workbook[sheet_name]
values = list(sheet.values)
workbook.close()
title = values[0]
rows = values[1:]
new_rows = [dict(zip(title, rows)) for rows in rows]
return new_rows
"""日志系统"""
import logging
def get_logger(logging_name="收集器",
logger_level="DEBUG",
stream_level="DEBUG",
file=None,
file_level="INFO",
fmt="%(asctime)s--%(levelname)s--%(filename)s--%(lineno)d--%(message)s"):
"""获取logger收集器"""
logger = logging.getLogger(logging_name)
logger.setLevel(logger_level)
stream_handler = logging.StreamHandler()
stream_handler.setLevel(stream_level)
logger.addHandler(stream_handler)
fmt_obj = logging.Formatter(fmt)
stream_handler.setFormatter(fmt_obj)
# 判断是否有文件，如果有，初始化file_handler，如果没有文件则不执行
if file:
file_handler = logging.FileHandler(file, encoding="utf-8")
file_handler.setLevel("INFO")
logger.addHandler(file_handler)
file_handler.setFormatter(fmt_obj)
return logger
log = get_logger()
"""yaml读取结果"""
import yaml
def read_yaml(file, encoding="utf-8"):
with open(file, encoding="utf-8") as f:
data = yaml.safe_load(f)
return data2.4 测试用例设计
在testcase目录下新建test_login用于测试登录并实现好excel的读取以及数据驱动，获取用例数据后我们先打印看下数据：
import unittest
import requests
from common.excel import read_excel
from config import path_config
from unittestreport import ddt, list_data
# 获取数据
data = read_excel(path_config.case_path, "login")
@ddt
class TestLogin(unittest.TestCase):
@list_data(data)
def test_login_success(self, case_data):
print(case_data) 
补充的完整代码如下所示：
import unittest
import requests
import json
from common.excel import read_excel
from config import path_config
from unittestreport import ddt, list_data
# 获取数据
data = read_excel(path_config.case_path, "login")
@ddt
class TestLogin(unittest.TestCase):
@list_data(data)
def test_login_success(self, case_data):
print(case_data
"""
1、第一步得到响应数据
2、获取预期结果
3、预期结果与实际结果的对比
"""
# 把json格式的字符串转换成字典，避免在读取的时候读取的是字符串而非字典格式
json_data = json.loads(case_data["data"])
headers = json.loads(case_data["headers"])
expect = json.loads(case_data["expected"])
respon = requests.request(
method=case_data["method"],
url=case_data["Api_Url"],
json=json_data,
headers=headers
)
actual = respon.json()
self.assertEqual(actual["code"], expect["code"])2.5 用例设计优化
在config目录下创建setting.py，添加好对应的host域名，而后可以进行url的拼接：
# 域名
host = "http://IP:端口"
"""片段代码"""
respon = requests.request(
method=case_data["method"],
# 进行拼接，拼接前导入setting
url=setting.host + case_data["Api_Url"],
json=json_data,
headers=headers
)除此以外我们还需要进行断言的异常捕获，再次修改后的完整代码：
import logging
import unittest
import requests
import json
from common.excel import read_excel
from config import path_config
from unittestreport import ddt, list_data
from config import setting
# 获取数据
data = read_excel(path_config.case_path, "login")
@ddt
class TestLogin(unittest.TestCase):
@list_data(data)
def test_login_success(self, case_data):
print(case_data)
"""
1、第一步得到响应数据
2、获取预期结果
3、预期结果与实际结果的对比
"""
# 把json格式的字符串转换成字典，避免在读取的时候读取的是字符串而非字典格式
json_data = json.loads(case_data["data"])
headers = json.loads(case_data["headers"])
expect = json.loads(case_data["expected"])
respon = requests.request(
method=case_data["method"],
url=setting.host + case_data["Api_Url"],
json=json_data,
headers=headers
)
actual = respon.json()
try:
self.assertEqual(actual["code"], expect["code"])
log.info(f"测试用例通过:{case_data}")
except AssertionError as err:
log.error(f"测试用例失败:{case_data},错误信息为:{err}")
# 测试用例失败捕获后，使用raise抛出
raise err三、动态参数化
举个例子，我们在设计一个注册接口测试用例的时候，会碰到一个明显的瓶颈，该手机号是未进行注册的，在第一次执行自动化测试用例时能够成功的完成注册，但在第二次再次执行测试用例时会发现，手机号已存在，那么二次执行该测试用例就会执行失败，而面对这种情况，有以下几个解决思路：
"""
解决思路：
1、每一次通过手动的方式打开excel删除后重新输入一个新的手机号
2、在数据库中查询该手机号，如果该手机号已存在，那么在数据库进行手机号删除
3、在现有的手机号上的最末尾数+1
4、随机生成一个手机号
思路分析：
1、第一种方式虽然能够解决，但每一次执行时都需要人工手动的去替换，不便于维护
2、虽然能查询并删除手机号，但往往真实的项目不会轻易的做数据库删除操作，并且一个已注册手机号会有表关联，且大多数情况下测试无权限进行删除
3、这也是一个解决方式，我们可以在第11位数字上，每次都+1，弊端是终究会碰到可能会和其他手机号相冲突的号码从而执行失败，但效率远高于1和2
4、最后的方式也是动态参数化，在需要替换的数据上做标记，当循环遍历到这个标记时使用随机生成的号码替换这个标记，以在执行用例时能够顺利通过
"""动态参数化就是为了解决这一类的问题，让手机号持续性的随机变更，让每一次的执行都不会因为手机号的重复而导致用例失败（使用动态参数化仍然可能会随机到已注册的号码，但概率极低），而随机生成某一个手机号码就需要用到数据伪造。
四、数据伪造
在自动化测试领域中数据伪造并非是什么破坏系统安全的事情，而是希望能够自动化生成测试用例的数据且数据符合一定的规则，例如手机号，电子邮箱等等。数据伪造安可以用在自动化注册模块，也可以用于登录或其他文本输入框来检测一定的输入规则等。
在Python中进行数据伪造库 – faker库，通过pip先进行安装后即可：
import faker
# 初始化faker对象，指定生成规则区域为中国
fk = faker.Faker(locale="zh_CN")
result = fk.phone_number()
print(f"手机号:{result}")
# 随机生成一个地址
company = fk.company()
print(f"地址:{company}")
# 随机生成一个公司
address = fk.address()
print(f"公司:{address}")
# 随机生成一个城市
city = fk.city()
print(f"城市:{city}") 
除了标准的伪造库能够提供伪造外，我们也可以使用自己期望的方式来制定一个规则：
def generate_new_phone():
phone = "1" + random.choice(["3", "5", "7", "8", "9"])
for i in range(9):
num = random.randint(0, 9)
phone += str(num)
return phone
print(f"函数式手机号:{generate_new_phone()}") 
简易的封装伪造库函数，如果你是在框架中写数据伪造的代码，那么可以放在common中，从common中在导入以此来生成一些数据：
import faker
def generate_new_phone():
fk = faker.Faker(locale="zh_CN")
result = fk.phone_number()
return result
# 改动后的片段代码(如对片段代码有疑问，请参考前置文章)：
@ddt
class TestLogin(unittest.TestCase):
@list_data(data)
def test_login_success(self, case_data):
json_data = case_data["json"]
if "#new_phone#" in json_data:
new_phone = data_forgery.generate_new_phone()
json_data = json_data.replace("#new_phone", new_phone)最后：下面是配套学习资料，对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！【100%无套路免费领取】
软件测试面试小程序
被百万人刷爆的软件测试题库！！！谁用谁知道！！！全网最全面试刷题小程序，手机就可以刷题，地铁上公交上，卷起来！
涵盖以下这些面试题板块：
1、软件测试基础理论 ，2、web,app，接口功能测试 ，3、网络 ，4、数据库 ，5、linux
6、web,app，接口自动化 ，7、性能测试 ，8、编程基础，9、hr面试题 ，10、开放性测试题，11、安全测试，12、计算机基础
