seanyang_的博客

​Loguru是一个python的日志库，比logging更简单，好用，功能丰富。官方文档：Overview — loguru documentation安装特征开箱即用，补样板没有处理程序，没有清理程序，没有过滤器：一个函数可以统治所有这些通过旋转/保留/压缩更轻松地记录文件使用大字符串样式的现代字符串格式在线程或主线程中捕获异常漂亮的颜色记录异步、线程安全、多进程安全完整描述性异常根据需要形成日志记录昂贵费用的评估可定制的级别更好的日期时间处理。

Coverage.py 是用于测量Python程序代码覆盖率的工具。它 监视程序，注意代码的哪些部分已执行，然后 分析源以识别可以执行但未执行的代码。覆盖率测量通常用于衡量测试的有效性。它 可以显示测试正在执行代码的哪些部分，以及哪些部分是 不。

SQLAlchemy是flask的扩展，是一个功能强大的OR映射器，支持多种数据库后台，可以将类的对象映射至数据库表。使用这个工具，可以创建数据库，创建表，并为数据库添加数据，进行查询操作等。

组合参数测试往往是比较枯燥的，借助allpairspy可以快速生成高质量的测试用例，快捷又高效，希望每个tester都能掌握这个工具，多在项目中使用它降低测试成本。

学过自动化的都知道PageObjects模式，将页面对象封装为类，页面元素和操作封装为类的属性和方法，在测试方法中调用页面对象进行测试。在PO模式下，我们一般定义个一个基础的BasePage类来封装一些常见的页面操作在具体的页面继承BasePage来实现页面类这样的写法也没有什么问题，但是在搭建框架时需要实现的内容较多。

对于 pytest 的用例依赖管理，可以使用插件。该插件提供了更多的依赖管理功能，使你能够更灵活地定义和控制测试用例之间的依赖关系。

client=MongoClient('mongodb://用户名:密码@服务器IP:端口')# # content=collection.find({'age':29})#带参数查询。contents=collection.find()#查询数据，不写参数，返回所有。database=client['Hello'] #初始化数据库 第二种方式。collection=database['hello'] #初始化集合。# collection.insert_one(data)#插入数据。

records是由requests作者开发的一个DB访问库，与requests的宗旨一样，records也力图成为一个非常易用的DB库，它是基于SQLAlchemy库封装的一个上层库在具体执行SQL语句之前需要实例化DB对象，真实的场景中需要把DB连接字符串替换为有效的字符串；之后可以通过DB对象的query方法来执行具体的SQL语句，query方法可以执行任意SQL语句并对查询类的SQL返回结果集实例。

Requests库可以获取网页源码。

要从库内部使用 Loguru，请记住永远不要调用相反的使用，以便日志记录函数设为无操作。记录代码中的异常对于跟踪错误非常重要，但如果您不知道失败的原因，那么它就没用处。它们不是多进程安全的，但您可以通过消息来确保日志的限制。请注意，您还可以使用添加时返回的标识符来添加先前添加的处理程序。如果您需要旋转记录器，如果您想删除较旧的日志，或者如果您希望在关闭时压缩文件，它也。如果您的兼容，Loguru 会自动为您的日志添加颜色。有时您想在生产过程中记录信息而不是损失，您可以使用详细的方法来实现这一点。

在做接口自动化数据驱动时，发现传进去的data和用postman测试用的数据一样，但是响应结果不一致。 @data(ADD_DATA['test_add_department_003'],ADD_DATA['test_add_department_004'], ADD_DATA['test_add_department_005']) @unpack @write_case_log() def test_add_department_2(self, req_data, r

requests库学习Requests库是用来发送HTTP请求，接收HTTP响应的一个Python库。Requests库经常被用来 爬取 网站信息。用它发起HTTP请求到网站，从HTTP响应消息中提取信息。Requests库也经常被用来做 网络服务系统的Web API 接口测试。因为Web API 接口的消息基本上都是通过HTTP协议传输的。Python中构建HTTP请求的库有很多，其中 ...