自动化测试
自动化测试,这几年行业内的热词,也是测试人员进阶的必备技能,更是软件测试未来发展的趋势。
特别是在敏捷模式下,产品迭代速度快,市场不断调整,客户需求不断变化,单纯的手工测试越来越无法适应整个变化过程(迭代快,加班多)。测试人员如何快速响应并保证产品在上线后的质量能够满足市场要求(如何在上线一个新功能的同时快速对旧功能快速进行回归,保证旧功能不被新功能影响而出现严重的Bug?)。
针对以上问题,采用自动化测试无疑是一个不错的选择,能够做到在保证产品质量的同时提升测试效率。
随着行业内卷越来越严重,对于测试岗位的要求也是水涨船高,岗位招聘要求都会出现自动化测试的字眼,因此也是我们跳槽面试、升职加薪必备利器。
自动化测试又可分为接口自动化、Web UI自动化、App自动化,今天我们就来聊聊接口自动化测试。
接口自动化测试的价值
- 相比于UI自动化测试,接口自动化的维护成本更低,主要体现在以下几个方面
- 在分层测试金字塔模型中,接口测试属于第二层服务集成测试,与UI自动化测试相比,接口自动化测试收益更大、更容易实现、维护成本更低,有更高的投入产出比,因此是公司开展自动化测试的首选。
- 前端页面变化快,而且UI自动化比较耗时,比如等待页面元素加载、添加等待时间、定位元素、操作元素、模拟页面动作这些都需要时间,因此UI自动化实施起来比较困难。
- 接口较稳定,接口的响应时间基本上都是秒级、毫秒级别,速度快,并且接口自动化本身也可以做一些有关联的操作、全流程的操作,比如:注册 --> 登录 --> 修改个人信息。
- 测试复用性
- 快速回归(提高回归的覆盖率、效率、稳定性)
- 可以运行更多更繁琐的测试,自动化的一个明显的好处是可以在较少的时间内运行更多的测试
接口自动化测试如何开展
工具选择
- Python/Java + Requests + Unittest/Pytest + HTMLTestRunner/Allure
- RobotFramework:关键词驱动的自动测试框架
- 基于Web的自动化测试平台(公司自主研发,成本较高,方便不懂编程也能使用)
自动化测试工具有很多,每种工具都有各自的优缺点,选择适合自身实际情况的框架,落地实施才是重点,具体选择哪种工具放在其他文章再说。
这里使用 Python + Requests + Pytest + Allure
举个栗子
接口文档(找了一个开放的接口用于测试)
接口信息:
参数:
名称 | 类型 | 是否必填 | 描述 |
type | String | 是 | name,根据名称查询 |
keyword | String | 是 | 高校名称,如:四川轻化工大学 |
请求示例:
响应示例:
线性脚本
使用以上代码,最基础最简单的接口测试就做起来了,好的开始就是成功的一半。
但是,问题也随之而来,线性脚本的缺点也暴露出来了:
- 测试的输入和断言都是捆绑在脚本中,易读性差
- 无共享或重用脚本,可复用性低
- 线性脚本修改代价大,维护成本高,不便于后期优化
- 容易受软件变化的影响,容易受意外事件的影响,引起整个测试失败
所以,下一步就是如何优化线性脚本,也就是如何实现代码的高内聚低耦合,也是接口自动化测试框架要解决的问题。
接口自动化测试框架
- base_api.py:对Requests库进行二次封装,完成对api的驱动
- api:继承base_api,将http请求接口封装成Python方法
- utils:CommonUtil,公共模块,将一些公共函数、方法以及通用操作进行封装,如:日志模块、yaml操作模块、时间模块
- config:配置文件模块,配置信息存放,如:URL、Port、Headers、Token、数据库信息等
- data:测试数据模块,用于测试数据的管理,数据与脚本分离,降低维护成本,提高可移植性,如:yml文件数据
- cases:测试用例模块,用于测试用例的管理,这里会用到单元测试框架,如:Pytest、Unittest
- run.py:批量执行测试用例的主程序,根据不同需求不同场景进行组装,遵循框架的灵活性和扩展性
- logs:日志模块,用于记录和管理日志,针对不同情况,设置不同的日志级别,方便定位问题
- reports:测试报告模块,用于测试报告的生成和管理,如:基于Allure生成的定制化报告