Pytest自动化测试简要介绍

最新推荐文章于 2024-10-16 14:34:40 发布

DX3906_06

最新推荐文章于 2024-10-16 14:34:40 发布

阅读量163

点赞数

文章标签： pytest 测试工具

原文链接：https://www.bilibili.com/

版权

一、pytest基础

1、什么是单元测试框架

单元测试指的是在软件开发测试中，针对软件的最小单位（函数、方法）进行正确性的检查测试。

2、单元测试框架主要做什么？

测试发现：从多个文件里面去找到我们测试用例（如何找？：按照一定的命名规则）
测试执行：按照一定的顺序和规则去执行。并生成结果
测试判断：通过断言判断预期结果和实际结果的差异
测试报告：统计测试进度，耗时，通过率，生成测试

3、单元测试框架和自动化测试框架的关系

单元测试框架：只是目动化测试框架中的组成部分之一

pom设计模式：只是目动化测试框架中的组成部分之一。

除此以外，自动化测试框架还包括：

数据驱动
关键字驱动
全局配置文件的封装
日志监控
selenium，requests二次封装
断言
报告邮件
……

4、pytest简介

pytest是一个非常成熟的python的单元框架，比unittest更灵活，容易上手
pytest可以和selenium，requests，appium结合实现web自动化，接口自动化，app自动化.
pytest可以实现测试用例的跳过以及reruns失败用例重试。
pytest可以和allure生成非常美观的测试报告。
pytest可以和Jenkins持续集成。
pytest有很多非常强大的插件，并且这些插件能够实现很多的实用的操作。
- pytest-html(生成html格式的自动化测试报告)
- pytest-xdist 测试用例分布式执行。多CPU分发
- pytest-ordering 用于改变测试用例的执行顺序
- pytest-rerunfailures用例失败后重跑
- allure-pytest 用于生成美观的测试报告

python批量安装插件:

创建requirements.txt文件，在该文件中输入想要安装的插件名称

使用pip指令：pip install -r requirements.txt

5、pytest测试用例的默认发现规则

py文件必须以test_开头或者以_test结尾
需要被测试的类必须以Test开头，并且不能有__init__()方法
需要被测试的方法必须以test开头

只是默认的规则，可以在pytest.ini配置文件中自定义规则

6、pytest测试用例的启动方式（常见）

主函数模式
```
if __name__ == '__main__':
    pytest.main()
    #运行所有测试用例，不管是不是本py文件中的用例
```
pytest.main()后面可以跟参数：
- -s：表示输出调试信息，包括print打印的信息
- -v：显示更详细的信息（两个参数可以一起用）
- 跟某个.py文件名/文件夹路径/nodeid：只启动指定的py文件/指定文件夹下的py文件/制定方法或函数
  
  nodeid：py文件路径::函数名 py文件路径名::类名::方法名
- -n：用多线程运行测试用例（线程数目可以自行设置）
- –reruns=n：运行失败的用例会再重试n次
- -x：若有用例测试失败，则停止整个测试流程。
- –maxfail=n：出现n个失败用例就停止整个流程。
- -k “str”：只运行名称包含”str“的测试方法。
- –html ./report (报告文件的保存路径)：生成测试报告
```
if __name__ == '__main__':
    pytest.main(['-vs','test_login.py'])  #注意参数列表要加[]
```
```
if __name__ == '__main__':
    pytest.main(['-vs','./interface_testcase'])
```
```
if __name__ == '__main__':
    pytest.main(['-vs','./interface_testcase.test_interface::test_demo_fun'])
```
命令行模式

直接在终端中运行pytest命令，会运行所有测试用例。

与主函数模式一样，可以添加参数
```
pytest -vs test_login.py
```
```
pytest -vs ./test_case -n 2  //设置了两个线程
```
通过pytest.ini配置文件运行（实际工作中最常用的）

位置：一般放在根目录下

编码：ANSI编码方式

作用：改变pytest的默认行为。不管是命令行模式还是主函数模式，都会去读取这个配置文件。

7、测试用例执行顺序

默认情况：从上到下

自定义设置执行顺序：利用注解@pytest.mark.run(需要第三方库pytest-ordering)

@pytest.mark.run(order=2)
def test_01(self):
    print("第一个方法")
    
@pytest.mark.run(order=1)
def test_02(self):
    print("第二个方法")
    
#运行时按照设置的order的顺序，会先执行test_02

8、pytest如何分组执行用例

现在ini配置文件中设置分组

markers = 
	xxx1:组1的名称/解释
	xxx2:组2的名称/解释
	xxx3:组3的名称/解释
	……

将某个测试方法归为某个组：添加注解

@pytest.mark.xxx(组名)
def test_demo_01(self):
	pass

运行指定的组的全部用例：在运行命令中添加参数：-m “xxx(组名)” 多个组之间用or连接

pytest -m "xxx"
pytest -m "xxx" or "yyy"

9、pytest跳过测试用例

无条件跳过用例

@pytest.mark.skip(reson="跳过的原因")

有条件跳过

@pytest，mark.skipif(条件表达式,'跳过的原因')

例如

age = 10

@pytest.mark.skipif(age < 20,"年龄不足20岁")
def test_demo_01(self):
	pass

10、conftest.py文件

conftest.py是fixture函数的一个集合，可以理解为公共的提取出来放在一个文件里，然后供其它模块调用。不同于普通被调用的模块，conftest.py使用时不需要导入，Pytest会自动查找。

我们可以把许多fixture函数写到该文件中，这样fixture函数就不会分散到许多py文件中，方便我们管理。

二、pytest拓展

1、用例前后置处理（夹具固件）

setup/teardown和setup_class/teardown_class

class Test_demo:
    
    def setup_class(self):
        #这个类执行之前运行的代码
    
	def setup(self):
        #每个测试方法执行之前都会执行一遍的代码
    
    def test_demo_01(self):
        ……
        
    def teardown(self):
        ##每个测试方法执行之后都会执行一遍的代码
	
    def setup_class(self):
        #这个类执行之后运行的代码

使用@pytest.fixture()实现部分用例的前后置

fixture修饰器的参数解释：

scope：表示fun1的作用域，包括function(默认)，class，moudle，package，session；当设置为class时，只有该类被执行时才会执行fun1.（类似于setup_class和teardown_class）。其他参数以此类推

params：参数化（支持列表、元组、字典列表、字典元组）

@pytest.fixture(,params=[1,2,3,5])
def fun1(request):
    print("这是前置函数的内容")
    return request.param

autouse：是否自动执行
ids：启用参数化时，为传入的数值赋一个变量名
name：为被#pytest.fixture修饰的函数设置一个别名

@pytest.fixture(scope='',params='',autouse='',ids='',name='')
def fun1():
    print("这是前置函数的内容")
    yield
    print("这是后置函数的内容")

#如何使用
class Test_demo:
    
    def test_demo_01(self,fun1): 
        ……
#在函数的参数列表中加入被fixture修饰的函数名，多个前置函数之间用逗号隔开，按照顺序执行各个前置
#如果fixture修饰器中autouse设置为true，则不需要在参数列表中加入被fixture修饰的函数名，会自动执行

结合conftest和fixture实现全局前置

conftest.py文件介绍：

conftest.py是fixture函数的一个集合，可以理解为公共的提取出来放在一个文件里，然后供其它模块调用。不同于普通被调用的模块，conftest.py使用时不需要导入，Pytest会自动查找。

conftest.py，pytest用例会自动识别该文件，放到项目的根目录下就可以全局目录调用了，如果放到某个package下，那就在该package内有效，可有多个conftest.py

2、断言

assert a==2  #assert后面直接跟上要判断的表达式，若表达式为true，则用例通过

3、allure插件生成报告

allure生成测试报告的步骤：

在编写好的测试用例中添加allure装饰器函数
在运行入口处编写运行allure执行命令
查看生成的测试报告

常见的allure中的装饰器函数

这些装饰器函数写在测试类或者测试方法的开头；同一个测试类或测试函数可以添加多个装饰器函数

step和attachment比较特殊，他们位于方法内部而不是开头

函数	说明
@allure.epic()	项目名称
@allure.feature()	模块名称
@allure.title()	测试用例名称
@allure.description()	测试用例描述（通常在此处写出预期结果）
allure.step	描述测试步骤

示例：

@allure.epic("vshop")					#标记属于那个项目
@allure.feature("订单")					# 标记属于那个模块
@allure.story("订单列表")					#标记属于那个子模块
@allure.issue("http://localhost")
class TestOrder(unittest.TestCase):
 
    @allure.title("查询订单列表")						#标记测试用例
    @allure.description("显示该列表的所有数据")			# 标记用例的描述
    def test_order_list(self):
        with allure.step("1.进入我的订单列表页"):		#标记测试步骤
            self.order(self.driver)
        # 断言
        self.assertEqual("安全退出",self.reg.get_reg_msg(self.driver))

pytest集成allure后如何生成测试报告

若使用命令行启动pytest时，通过在pytest后面添加参数来生成allure报告：

pytest --alluredir=./allure-results
#其中`./allure-results`是指定的目录，用来存放生成的测试报告文件

若使用脚本调用pytest时，在参数列表中添加相应的参数：

import pytest  
  
if __name__ == '__main__':  
    pytest.main(['-vs', 'your_test_file.py', '--alluredir=./allure-results'])

执行完命令后，指定目录中生成的测试数据还不是html格式的，需要下列命令进行转换：
```
allure generate ./allure-results -o ./allure-report --clean
```
这条命令会读取allure-results目录下的数据，并在allure-report目录下生成HTML格式的测试报告。--clean参数用于在生成新报告之前清除allure-report目录中的旧文件。

4、python操作yaml文件

yaml文件基本语法：

大小写敏感
#表示注释
缩进表示层级关系

yaml三种数据结构：

字典：键值对的集合

user: admin
age: 18

#字典嵌套字典
data: 
  user: admin
  age: 18

列表

name: 
  - 小红
  - 小明
  - 小白

#列表嵌套字典
data:
  - admin1: 123
  - admin2: 456
  - admin3: 789

字符串/布尔值/整数/浮点数/Null/时间/日期

使用PyYaml库操作yaml文件

读操作：使用yaml.safe_load()方法.该函数会解析YAML内容并返回一个Python对象（通常是字典或列表）。

# 假设你有一个名为data.yaml的文件  
with open('data.yaml', 'r') as file:  
    data = yaml.safe_load(file)  
  
print(data)

写操作：使用yaml.dump()方法，它接受一个Python对象（通常是字典或列表）并将其序列化为YAML格式的字符串。你可以将这个字符串写入文件。
```
data = {  
    'name': 'John Doe',  
    'age': 30,  
    'children': [  
        {'name': 'Jane Doe', 'age': 5},  
        {'name': 'Jim Doe', 'age': 7}  
    ]  
}  
  
with open('output.yaml', 'w') as file:  
    yaml.dump(data, file, allow_unicode=True)
```
格式化写入：设置参数default_flow_style=False，这会生成一个更容易阅读的YAML文件，其中的键值对和列表使用缩进而不是方括号和花括号。
```
with open('output_pretty.yaml', 'w') as file:  
    yaml.dump(data, file, allow_unicode=True, default_flow_style=False)
```
写入中文：设置参数allow_unicode=True

🔶**在一个pytest测试框架中，会专门定义一个yaml_Util.py类来进行各种yaml文件操作，其他py文件需要对yaml文件进行操作时直接调用即可。**这个文件中一般包括对yaml文件的读、写、清空等。

5、pytest实现接口关联

新建yaml文件，把需要用到的数据保存到yaml文件中；需要时再从yaml文件中读取。

此处yaml文件相当于postman中environment的作用

6、requests库中的测试会话session

创建requests的session对象，再用session发送get/post等请求，而不是直接发送

自动管理cookies：session对象会自动处理请求和响应中的cookies，可以自动保存和发送cookies，无需手动处理。这有助于保持用户登录状态等需要cookies支持的功能。
保持参数和状态：session对象可以在多个请求之间保持一些参数和状态，例如HTTP头、身份验证信息等。这样可以避免在每个请求中重复设置这些参数。
使用连接池：session对象使用底层的urllib3库，可以使用连接池来管理和重用HTTP连接，提高性能。

import requests  
  
# 创建一个session对象  
session = requests.Session()  
  
# 使用session对象发送GET请求  
response = session.get('https://www.example.com')  
print(response.text)  
  
# 假设登录接口需要POST请求，并且会返回登录后的cookies  
login_response = session.post('https://www.example.com/login', data={'username': 'user', 'password': 'pass'})  
  
# 登录成功后，使用同一个session对象发送其他请求，会自动携带登录后的cookies  
other_response = session.get('https://www.example.com/protected_resource')  
print(other_response.text)  
  
# 关闭session（可选，因为session对象会在Python程序结束时自动关闭）  
# session.close()

7、统一请求封装

目的：使多个py文件发送的请求都在同一个session下，方便自动管理cookie和统计相关信息

即不再是在每个测试类里都创建一个session对象，这样每个session只包含了一个测试类

实现方法：单独创建一个requests_util,.py文件，这个文件里的RequestUtil类有个session对象，是专门用来发送各种请求的。其他测试类想要发送请求，都来调用这个RequestUtil类中的方法。

import requests

#封装意味着，这个方法要能够适应所有请求（各个种类的请求，以及各种参数的情况）
class RequestUtil:
    
    sess = requests.session()
    
    def send_request(self,method,url,datas=None,**kwargs):  #只有method和url是必填的
        method = str(method).lower()  #将传入的参数转化为字符串并且全部小写
        res = None  #用来接收返回结果的变量
        
        if method == 'get':
            res = RequestUtil.sess.request(method='get',url=url,params=datas,**kwagrs)
        elif method == 'post':
            if datas and isinstance(datas,dict):  #如果datas不为空且是一个字典
            	str_datas = json.dumps(datas)  #json.dumps可以把python对象转化为json字符串
            res RequestUtil.sess.request(method='post',url=url,data=str_datas,**kwargs)
        else:
            pass
        return res

8、yaml数据驱动封装

假设有一个存储测试用例的yaml文件cases.yaml

- case_id: 1  
  input:  
    number: 5  
  expected: 10  
  description: "Double the number"  
  
- case_id: 2  
  input:  
    number: 10  
  expected: 20  
  description: "Double the number again"

向yaml文件操作类yaml_Util.py中添加专门读取yaml测试用例的方法

def read_testcase(yaml_name):
    with open(os.getcwd() + '文件路径' + yaml_name,mode='r',encoding='utf-8') as f:
    	value = yaml.load(stream=f,Loader=yaml.FullLoader)
        return value

使用pytest.mark.parametrize装饰器来修饰测试方法

def double_number(number):  
    return number * 2  
  
@pytest.mark.parametrize("test_case", read_testcase(cases.yaml))  
def test_double_number(test_case):  
    assert double_number(test_case['input']['number']) == test_case['expected'], test_case['description']

我们使用pytest.mark.parametrize装饰器来遍历cases.yaml文件中的每个测试用例并取名test_case。每个测试用例都是一个字典，包含了input、expected和description等键。我们调用double_number函数，并使用assert语句来验证输出是否符合预期。如果测试失败，description字段将作为失败消息的一部分显示。