述关于测试的方法论,都是建立在之前的文章里面提到的观点:
- 功能测试不建议做自动化
- 接口测试性价比最高
- 接口测试可以做自动化
- 做好接口自动化,一定要有透过界面看到数据本质的能力
后面所谈到的 测试自动化 也将围绕着 接口自动化 来介绍。
2 可测试架构目前互联网行业流行的“一服务,多客户端”的架构是一种 可测试性好 的架构,架构图如下:
- 服务器和客户端采用Http(或者WebSocket)的方式进行通讯
- 数据交换的格式一般是Json(或者XML)
- 因为下游设备众多,所以服务端接口有很强的稳定性要求
3 自动化技术实现基于如上特点,此系统的接口自动化测试简化表述,就是需要做如下事情:
- 使用脚本对接口进行Http请求
- 对返回值解析
- 按照设计文档进行判定
- 以项目的方式组织测试脚本形成自动化测试项目
当然,以上纯粹是从技术的角度来阐述问题,如果要和具体的项目结合起来 ,还需要设计不同的步骤和数据来满足不同的业务逻辑需求。
对于如上4个目的,有如下几个框架或者工具可以实现:
- requests
一个Http请求库,号称是让Http的请求对人更友好,此框架也确实达到此目的了。
- json
python提供的对json和python数据类型的转化库
- pyunit
pyunit自动化框架提供了大量的assert断言方法来自动化进行数据逻辑判定
- pycharm
作为一个强大的IDE,其在项目组织方面的表现也同样是极其出色的
关于 pyunit 和 pycharm 在本系列文章的上一节里面已经进行了介绍,此处不再重复介绍,本文的重点则是python的两个和http通讯及数据解析相关的库:requests库 和 json库 。
4 json4.1 基本介绍中文官方主页:
1 | http://www.json.org/json-zh.html |
关于JSON的使用介绍,目前已经不言而喻。虽然在好多年前,曾经有XML和JSON在 数据编解码 领域平分秋色的说法,但是这么多年过去后,JSON的势头越来越好,而XML的声音则越来越小。
关于JSON的定义,引用官网的原文 [1]:
JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。 易于人阅读和编写。同时也易于机器解析和生成。 它基于JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999的一个子集。 JSON采用完全独立于语言的文本格式,但是也使用了类似于C语言家族的习惯(包括C, C++, C#, Java, JavaScript, Perl, Python等)。 这些特性使JSON成为理想的数据交换语言。
目前JSON显然已经成为了互联网上字符型数据交换的标准编解码的中坚力量,作为互联网的开发人员,是很有必要了解它,运用它的。
JSON作为一种字符串的编码和解码规划,是和语言无关的,JSON官网 [1] 上有各种语言的。各种语言(Java/Php/C#/C/C++/Python/R/Ruby等等)都有自己的实现方式,这些也都可以参考
4.2 python库本文的主打语言是Python语言,所展开的内容也是和Python语言相关,在JSON官网 [1] 上提供了如下几种Python语言的JSON库:
- The Python Standard Library.
- simplejson.
- pyson.
- Yajl-Py.
- ultrajson.
- metamagic.json.
一般情况下,都使用第一个: The Python Standard Library(Python标准库)
官方文档地址:
1 | https://docs.python.org/2/library/json.html |