使用第三方python库技术实现python自动化测试

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