-
主流接口测试框架对比
公司计划系统的开展接口自动化测试，需要我这边调研一下主流的接口测试框架给后端测试（主要测试接口）的同事介绍一下每个框架的特定和使用方式。后端同事根据他们接口的特点提出一下需求，看哪个框架更适合我们。
需求
1、接口编写方便。
2、方便调试接口。
3、支持数据初始化。
4、生成测试报告。
5、支持参数化。
### robot framework
优点
-
关键字驱动，自定义用户关键字。
-
支持测试日志和报告生成。
-
支持系统关键字开发，可扩展性好。
-
支持数据库操作。
缺点
-
接口测试用例写起来不简洁。
-
需要掌握特定语法。
- *** Settings ***
- Library RequestsLibrary
- Library Collections
- *** Test Cases ***
- test_get_event_list # 查询发布会（GET请求）
- ${payload}= Create Dictionary eid=1
- Create Session event http://127.0.0.1:8000/api
- ${r}= Get Request event /get_event_list/ params=${payload}
- Should Be Equal As Strings ${r.status_code} 200
- log ${r.json()}
- ${dict} Set variable ${r.json()}
- #断言结果
- ${msg} Get From Dictionary ${dict} message
- Should Be Equal ${msg} success
- ${sta} Get From Dictionary ${dict} status
- ${status} Evaluate int(200)
- Should Be Equal ${sta} ${status}
结果：不考虑，没人愿意这么写接口用例。
###JMeter
优点
-
支持参数化
-
不需要写代码
缺点
-
创建接口用例效率不高。
-
不能生成查看每一个接口执行情况的测试报告。
总结：不考虑，接口编写不方便，最主要是不能生成测试报告，如果做接口性能的话可以考虑。
###HttpRunner
优点:
-
基于YAML/JSON格式，专注于接口本身的编写。
-
接口编写简单
-
生成测试报告
-
接口录制功能。
缺点:
-
没有编辑器插件对语法校验，容易出错。
-
官方文档没有详细的说明。
-
扩展不方便。
- [
- {
- "config": {
- "name": "testcase description",
- "variables": [],
- "request": {
- "base_url": "http://127.0.0.1:5000",
- "headers": {
- "User-Agent": "python-requests/2.18.4"
- }
- }
- }
- },
- {
- "test": {
- "name": "test case name",
- "request": {
- "url": "/api/get-token",
- "headers": {
- "device_sn": "FwgRiO7CNA50DSU",
- "user_agent": "iOS/10.3",
- "os_platform": "ios",
- "app_version": "2.8.6",
- "Content-Type": "application/json"
- },
- "method": "POST",
- "date": {"sign": "958a05393efef0ac7c0fb80a7eac45e24fd40c27"}
- },
- "validate": [
- {"eq": ["status_code", 200]},
- {"eq": ["headers.Content-Type", "application/json"]},
- {"eq": ["content.success", true]},
- {"eq": ["content.token", "baNLX1zhFYP11Seb"]}
- ]
- }
- }]
总结：可以考虑，至于接口数据的初始化可能需要单独处理。
doc: https://cn.httprunner.org/quickstart/
###gauge
BDD行为驱动测试框架。
优点:
-
行为文件与脚本文件分离，本质上实现了数据驱动。
-
功能强大灵活，本质上还用Python写接口用例。
-
自动生成测试报告。
-
VS Code有支持插件
缺点:
-
门槛略高，需要了解BDD的用法。
-
需要会markdworn语法
行为描述文件：
- ## test post request
- * post "http://httpbin.org/post" interface
- |key | status_code|
- |------|-----------|
- |value1|200 |
- |value2|200 |
- |value3|200 |
测试脚本：
- ……
- @step("post
interface ")
def test_get_request(url, table):values = []status_codes = []for word in table.get_column_values_with_name("key"):values.append(word)for word in table.get_column_values_with_name("status_code"):status_codes.append(word)for i in range(len(values)):r = requests.post(url, data={"key": values[i]})result = r.json()assert r.status_code == int(status_codes[i])总结：推荐使用，BDD有一定门槛，看测试人员的学些能力和接受速度。
doc: https://docs.gauge.org/latest/writing-specifications.html#special-parameter-csv
###Unittest+Request+HTMLRunner
利用现有的框架和库自己定制。
优点:
- 足够灵活强大: 分层测试、数据驱动、测试报告，集成CI...
缺点:
- 有一定的学习成本
数据文件：
- {
- "test_case1": {
- "key": "value1",
- "status_code": 200
- },
- "test_case2": {
- "key": "value2",
- "status_code": 200
- },
- "test_case3": {
- "key": "value3",
- "status_code": 200
- },
- "test_case4": {
- "key": "value4",
- "status_code": 200
- }}
测试用例：
- import requests
- import unittest
- from ddt import ddt, file_data
- @ddtclass InterfaceTest(unittest.TestCase):
- def setUp(self):
- self.url = "http://httpbin.org/post"
- def tearDown(self):
- print(self.result)
- @file_data("./data/test_data_dict.json")
- def test_post_request(self, key, status_code):
- r = requests.post(self.url, data={"key": key})
- self.result = r.json()
- self.assertEqual(r.status_code, status_code)
总结：推荐使用，代码相对简单，功能足够灵活。
- 我花了两天时间整理这些框架，其实重点就是了解HttpRunner 和 gauge 。
- yg
- HttpRunner 没有编辑器插件，本身就是一个YAML/JSON配置文件，所以配置写错了，但只要是合法的YAML/JSON格式，也看不出来，只有运行的过后才知道。就像你用记事本写代码一样，只有运行了才知道代码有没有写错。
- 另外，扩展起来也不是特别方便，单独用python实现一些函数：在json文件中
- ```{"device_sn": "${gen_random_string(15)}"}```
- 以这样的方式引用```gen_random_string()``` 函数。
- gauge我已经分享过两篇基础文章了，虽然用BDD拿来做接口理念不搭，但并不是不可以，唯一的缺点是用BDD来描述接口行为不合适，其他的都没毛病，可以参数化，断言写起来也简单，测试报告也漂亮，本质上还是用Python实现一些功能，所以非常灵活。
- unittest + requests + HTMLTestRunner是我最熟悉的方案，几乎没什么短板。以前通过这种方案写过很多测试用例，这次把ddt加上似乎更完美了。
Python接口自动化测试零基础入门到精通（2023最新版）
- 相关阅读:
MATLAB算法实战应用案例精讲-【图像处理】机器视觉（补充篇）
CSDN每日一练 |『买苹果』『最长回文串』『查找整数』2023-10-20
第一章 基础算法
130道基础OJ编程题之: 29 ~ 38 道
六个步骤搞定学术论文写作!
运维 Windows cmd 操作
DolphinDB 基于 Glibc 升级的性能优化实战案例
Selenium环境+元素定位大法
基于Web的商城后台管理系统的设计与实现
C语言描述数据结构 —— 二叉树(3)普通二叉树
- 原文地址：https://blog.csdn.net/mashang123123123/article/details/133846191
-