最近工具组要求用python开发一个接口自动化测试框架,使用pytest和参数化关联机制,对每一次的接口进行断言,添加验证码识别功能。
主要功能:
1,对每一次的接口进行断言
2,必须增加验证码识别功能
具体思路如下:
1,首先选择pytest的parametrize参数化机制,选则使用数据库或者文本文件存储数据
2,先用python自带的assert关键字进行断言,后期在丰富
3,使用网上公开的验证码识别的接口
接下来,将创建一个简单的测试框架。在这个例子中,将展示如何创建一个测试类,该类使用参数化测试用例,并包含一个虚拟的验证码识别函数。
import pytest
import requests
from PIL import Image
# 假设这是我们的验证码识别函数
def recognize_captcha(image_path):
# 这里可以集成真实的验证码识别逻辑,比如使用机器学习库进行图像识别
# 目前还在研究中,此处我们仅返回一个模拟值
return "模拟验证码"
# 测试类
class TestAPI:
# 参数化测试数据
@pytest.mark.parametrize(
"url, expected_status",
[
("http://www.xxxx.com/api endpoint", 200),
# 在这里添加更多的测试用例
]
)
def test_api_endpoint(self, url, expected_status):
# 获取验证码
captcha_url = "http://www.xxxx.com/captcha"
response = requests.get(captcha_url)
captcha_image_path = "/path/to/save/captcha.jpg"
with open(captcha_image_path, 'wb') as f:
f.write(response.content)
# 识别验证码
captcha_solution = recognize_captcha(captcha_image_path)
# 发送带有验证码的请求
payload = {'captcha': captcha_solution}
response = requests.post(url, data=payload)
# 断言
assert response.status_code == expected_status
# 这里可以添加更多的断言,比如检查响应内容
assert response.massage == expected_massage
assert response.size == expected_size
# 这里可以判断具体的关键字在不在接口返回结果里面
assert key_word[0] in response.text()
assert key_word[1] in response.text()
assert key_word[2] in response.text()
assert key_word[3] not in response.text()
assert key_word[4] not in response.text()
# 运行测试
if __name__ == "__main__":
pytest.main()
这个框架的组成如下:
1,recognize_captcha 函数:用于识别验证码,你需要集成实际的验证码识别逻辑。,
2,TestAPI 类:包含测试方法的类。
3,test_api_endpoint 方法:使用parametrize装饰器来参数化测试用例。每个测试用例将使用不同的URL和期望状态码。
4,在test_api_endpoint方法中,首先请求验证码,保存到本地文件,然后调用recognize_captcha函数来识别验证码。
5,使用识别出的验证码作为请求的一部分,向API发送请求。
6,最后,对响应进行断言,以验证API的行为。
请注意,这个框架是非常基础的,实际应用中可能需要处理更多的复杂情况,比如cookies管理、会话保持、数据库验证等。此外,验证码识别通常需要使用专门的库或服务,这里仅为示例提供了一个虚拟的函数。在实际应用中,可能需要集成如Google的Tesseract OCR引擎或其他机器学习库来提高验证码识别的准确性。