搭建一个 python + unittest+request 接口自动化框架

搭建 Python + unittest + requests 接口自动化框架的步骤如下：

1. 安装 Python：首先需要在电脑上安装 Python，推荐安装 Python3.x 版本。

2. 安装 unittest：unittest 是 Python 自带的单元测试框架，无需额外安装。

3. 安装 requests：requests 是 Python 中的 HTTP 库，用来发送 HTTP 请求和获取 HTTP 响应。

安装命令：`pip install requests`

4. 创建项目目录：在电脑上创建一个项目目录，用来存放测试代码和测试数据。

5. 创建测试用例：在项目目录中创建一个 test_case.py 文件，用来编写接口测试用例。

6. 编写测试代码：在 test_case.py 文件中，编写测试代码，使用 unittest 框架中的 TestCase 和 assert 方法来编写测试用例。

7. 运行测试用例：在命令行中切换到项目目录，运行 `python -m unittest test_case.py` 命令来执行测试用例。

8. 可以将测试用例的执行结果输出到文件中，方便后面查看。

以上就是 Python + unittest + requests 接口自动化框架的搭建步骤，可以根据实际情况进行调整和优化。

相关问题

用python+requests+pytest+ddt+unnitest搭建一套自动化框架

搭建一个基于Python + requests + pytest + ddt + unittest 的自动化测试框架，可以按照以下步骤进行：

1. 安装所需依赖：在你的项目环境中安装 requests、pytest、ddt 和 unittest。

   pip install requests pytest ddt unittest

2. 创建项目结构：在你的项目目录下创建以下文件和文件夹结构：

   ├── tests
   │   ├── __init__.py
   │   └── test_cases.py
   ├── data
   │   └── test_data.xlsx
   └── conftest.py

3. 编写测试用例：在 `test_cases.py` 文件中编写你的测试用例，可以使用 `ddt` 来实现数据驱动，示例：

   import unittest
   import ddt
   from data.test_data import TestData
   from utils.api_helper import APIClient

   @ddt.ddt
   class APITestCase(unittest.TestCase):
       @classmethod
       def setUpClass(cls):
           cls.client = APIClient()

       @ddt.data(*TestData.test_data)
       def test_api(self, data):
           response = self.client.send_request(data['url'], data['method'], data['payload'])
           self.assertEqual(response.status_code, data['expected_status'])
           self.assertEqual(response.json(), data['expected_response'])

4. 创建测试数据：在 `test_data.xlsx` 文件中创建测试数据，可以使用 `openpyxl` 库来读取 Excel 数据，示例：

   import openpyxl

   class TestData:
       workbook = openpyxl.load_workbook('data/test_data.xlsx')
       sheet = workbook['Sheet1']

       test_data = []
       for row in sheet.iter_rows(min_row=2, values_only=True):
           test_data.append({
               'url': row[0],
               'method': row[1],
               'payload': row[2],
               'expected_status': row[3],
               'expected_response': row[4]
           })

5. 创建 API 辅助类：在 `api_helper.py` 文件中创建一个 APIClient 类，用于发送 API 请求，示例：

   import requests

   class APIClient:
       def send_request(self, url, method, payload):
           if method == 'GET':
               response = requests.get(url, params=payload)
           elif method == 'POST':
               response = requests.post(url, json=payload)
           elif method == 'PUT':
               response = requests.put(url, json=payload)
           elif method == 'DELETE':
               response = requests.delete(url)
           else:
               raise ValueError('Invalid HTTP method')

           return response

6. 创建 pytest 配置：在 `conftest.py` 文件中配置 pytest，示例：

   import pytest

   def pytest_addoption(parser):
       parser.addoption("--base-url", action="store", default="http://localhost:8000", help="Base URL for API tests")

   @pytest.fixture(scope="session")
   def base_url(request):
       return request.config.getoption("--base-url")

7. 运行测试：在命令行中执行以下命令来运行测试用例：

   pytest -s tests/

`-s` 参数用于显示打印信息。

这样，你就搭建了一个基于 Python + requests + pytest + ddt + unittest 的自动化测试框架，可以进行接口测试。你可以根据实际需求进一步扩展和优化这个框架。

python接口自动化框架搭建

### 构建 Python API 自动化测试框架

#### 使用的技术栈
为了实现接口自动化，可以采用 `python` 结合多个库来完成这一目标。具体来说，会用到 `unittest` 进行单元测试编写，`request` 发起 HTTP 请求，`openpyxl` 处理 Excel 文件中的测试数据，`myddt` 支持参数化测试案例，以及 `pymysql` 实现数据库操作[^1]。

#### 总体架构设计
整个框架的设计围绕着模块化展开，确保各个部分职责分明又相互协作。主要分为以下几个方面：

- **环境准备**：包括但不限于创建虚拟环境、安装依赖项等前置工作。

- **配置管理**：定义全局变量或常量用于存储项目路径、API URL 前缀等信息。

- **工具类封装**：针对特定功能如日志记录、邮件通知等功能进行抽象并提供统一接口。

- **核心业务逻辑层**：
- 测试结果收集与报告生成

- **扩展支持**：考虑未来可能增加的需求，比如与其他系统的集成或是新的特性引入。

#### 示例代码片段展示
以下是基于上述描述的一个简化版例子，展示了如何利用这些组件来进行一次完整的 API 调用测试流程。

import unittest
from ddt import data, unpack, ddt
import requests
import pymysql
from openpyxl import load_workbook


@ddt
class TestApi(unittest.TestCase):

    @classmethod
    def setUpClass(cls):
        cls.conn = pymysql.connect(host='localhost', user='root', password='', db='')
        
    @data(('get_user_info', 'POST', '/api/user/info'), ('create_order', 'GET', '/api/order/create'))
    @unpack
    def test_api(self, name, method, url_path):
        wb = load_workbook('cases.xlsx')
        sheet = wb.active
        
        row_data = next(sheet.iter_rows(min_row=2, max_col=3))
        params = {cell.value for cell in row_data}
        
        response = getattr(requests, method.lower())(f"http://example.com{url_path}", json=params)

        cursor = self.conn.cursor()
        sql_query = "SELECT * FROM users WHERE id=%s"
        cursor.execute(sql_query, (params['id'], ))
        result = cursor.fetchone()

        expected_result = {"status": True}  # Assume this is the expectation from excel file.
        actual_result = {'status': bool(result)}
        
        assertEqual(expected_result, actual_result)


if __name__ == '__main__':
    unittest.main()

此段代码实现了对两个不同 API 的调用，并通过连接 MySQL 数据库获取预期的结果来进行比较校验[^5]。