爆肝整理，python接口自动化测试整理，基础进阶一套打通...

---

前言

1、API测试怎么做？

如何应对复杂场景的 API 测试？

测试场景一：被测业务操作是由多个 API 调用协作完成

背景：一个单一的前端操作可能会触发后端一系列的 API 调用，此时 API 的测试用例就不再是简单的单个 API 调用，而是一系列 API 的调用。

存在情况：
1）存在后一个 API 需要使用前一个 API 返回结果的情况。
2）需要根据前一个 API 的返回结果决定后面应该调用哪个 API。

存在问题：
高效地获取单个前端操作所触发的 API 调用顺序

解决思路：
1）通过抓包，获取前端操作时所触发的 API 调用顺序。
2）通过用户行为日志，通过大数据手段来获取调用顺序。

测试场景二：API 测试过程中的第三方依赖

背景：API 之间存在依赖关系的，比如你的被测对象是 API A，但是 API A 的内部调用了 API B，此时如果由于某种原因，API B 在被测环境中处于不可用状态，那么 API A 的测试就会受到影响。

解决思路：
启动 Mock Server 来代替真实的 API

测试场景三：异步 API 的测试

什么是异步 API？

调用后会立即返回，但是实际任务并没有真正完成，而是需要稍候去查询或者回调的 API

对异步 API 的测试主要分为两个部分：
1）测试异常调用是否成功：检查返回值和后台工作线程是否被创建两个方面。

2）测试异步调用的业务逻辑处理是否正确。

测试异步调用的业务逻辑复杂性：

因为异步 API 通常发生在一些比较慢的操作上，比如数据 I/O、消息队列 I/O 等，此时测试往往需要去验证数据库中的值、消息队列中的值等，这就需要测试代码具有访问和操作数据库或者消息队列的能力。

在实际工程项目中，这些能力一般会在测试框架级别提供，也就是说 API 测试框架中包含对应的工具类去访问数据库或者消息队列。

2、mock 测试技术

mock 简介：

mock 技术主要分为两类：
mock服务：实现 mock 功能的一个服务
mock数据：mock 一个对象，写入一些预期值

mock 模块是 Python 的测试框架 unittest 下的一个子库，可以模拟一个方法、一个对象或者一个类，然后使用模拟的对象替换系统的一部分，对系统的一个单元进行测试，并对它们已使用的方式进行断言。

场景：比如有 A 和 B 两个模块，A 模块中有调用到 B 模块的方法，但是现在 B 模块中被 A 模块调用的方法需要修改，而我们又不想让它影响 A 模块的功能测试，所以就用到了单元测试模块 unittest 中的 mock 模块，mock 模块就是模拟出一个假的 B 模块供 A 模块测试用。

3、JSON 处理技巧

JSON：一种轻量级的数据交换格式，一般接口返回的数据类型都是JSON。

JSON的定义格式与字典相同，也是键值对方式，如{key:value}。其实 JSON 是字符串，由于字符串不能用 key、value 来取值，所以要先转换为字典才可以。

JSON 模块常用的四个方法：

1）json.dumps()：将 Python 任意对象转换成 string 对象

def json_dumps_demo():
    test_list = [1, 2, 3]
    print(type(json.dumps(test_list)))  # 打印结果为：str

    test_dict = {"name": "test", "age": 10}
    print(type(json.dumps(test_dict)))  # 打印结果为：str

    test_int = 99
    print(type(json.dumps(test_int)))  # 打印结果为：str

2）json.loads()：将 string 对象转换成 python 对象

def json_loads_demo():
    string_list = "[1, 2, 3]"
    print(type(json.loads(string_list)))  # 打印结果为：list

    string_dict = '{"name": "test", "age": 10}'
    print(type(json.loads(string_dict)))  # 打印结果为：dict

    string_int = "99"
    print(type(json.loads(string_int)))  # 打印结果为：int

3）json.dump()：序列化，将Python对象序列化成JSON格式并写入文件

def json_dump_demo():
　　test_dict = {"name": "test", "age": 10}
　　with open("json_test.json", "w") as fp:
　　　　json.dump(test_dict, fp, indent="\t", ensure_ascii=False)

4）json.load()：反序列化，从JSON文件中读取数据并将其反序列化为Python对象

def json_load_demo():
　　with open("json_test.json", "r") as fp:
　　　　data = json.load(fp)
　　print(type(data))  # 打印结果为：dict

总结：
序列化和反序列化：数据转换的两个互逆过程，用于在不同呢环境中传递和存储数据

序列化：将对象的状态信息转换为可存储或传输的格式，例如字节流、JSON字符串或XML文档；目的：将复杂的数据结构转换成已存储、传输和共享的格式

反序列化：将序列化后的数据转换回原始的对象或数据结构；目的：重建对象的状态，以便程序能够使用它

类比：
序列化(dump)：将乐高模型(高级数据类型)拆解成各个零件（字符串）

反序列化(load)：将各个零件（字符串）组装成乐高模型（高级数据类型）

json.dump()、json.dumps()：序列化，将Python对象转换成JSON字符串
json.load()、json.loads()：反序列化，将JSON字符串转换成Python对象
* 带 s 的都是和字符串相关，不带 s 的和文件相关

最全Python自动化测试进阶之路视频教学 (全集)

下面是我整理的2025年最全的软件测试工程师学习知识架构体系图

一、Python编程入门到精通

二、接口自动化项目实战

三、Web自动化项目实战

四、App自动化项目实战

五、一线大厂简历

六、测试开发DevOps体系

七、常用自动化测试工具

八、JMeter性能测试

九、总结（尾部小惊喜）

人生最动人的风景，往往藏在最难攀爬的高处。当你觉得力竭时，请记住：每一次坚持都在雕刻更强大的自己。别问路有多远，只管迈步向前；别怕山有多高，向上攀登就是答案！

你体内沉睡着改变世界的力量！每个清晨都是改写命运的新机会，每次挫折都是精心包装的礼物。当全世界都在说"不可能"时，正是你证明"可能"的最好时机！