Python测试进阶（一）

创始人

2024-03-15 06:56:44

0次

文章目录

测试框架
- pytest
- - Mark
  - skip
  - 参数化
  - 异常处理
- 数据驱动
Allure
- 集成
- 生成报告
Fixture
- 基操
- 作用域
- yield
- 数据共享
- 自动应用
- 参数化
ini
- 运行规则
- 配置命令行参数
- 指定/忽略执行目录
- 配置日志
插件开发
- 常用插件
- 分布式并发
- 自定义插件
- 打包发布
hook
小结

测试框架

先了解unittest
问题分析
- 自动化测试前，需要准备好数据，测试完成后，需要自动清理脏数据
- 自动化测试中，需要使用多套测试数据实现用例的参数化，有没有便捷的方式？
- 自动化测试后，如何优雅的生成报告？
pytest框架可以满足以上的需求

pytest

优点
- 支持单元测试和复杂功能测试，兼容unittest
- 结合requests实现接口测试，还可以结合selenium，appium实现自动化功能测试
- 结合Allure集成到Jenkins实现持续集成
- 支持300+插件并可以自定义插件
安装
- pip install -U pytest
使用规则
- 测试文件要以test_开头，或者_test结尾
- 类要以Test开头
- 方法/函数（无需继承类），要以test_开头
- 测试类不能写__init__方法

PyCharm配置

默认Test Runner

demo

def inc(x):return x+1def test_assert():assert inc(4) == 5class TestAnswer():def test_demo(self):assert 1==1

命令行执行case方式
- 运行：pytest，会执行当前目录下所有测试文件
- 运行：pytest test_demo.py，执行这个文件的所有case
- 运行：pytest test_demo.py::test_assert1，执行文件下某个函数case
- 运行：pytest test_demo.py::TestDemo，执行这个文件的这个类下的所有case
- 运行：pytest test_demo.py::TestAnswer::test_demo2，执行类下面某个方法case
- 总之，通过::递进
命令行参数
- 参数介绍
- demo，具体的用例在下面

setup/teardown

规则

demo，在terminal使用-v -s参数运行

# 模块（文件）级别，当前文件（suite）下所有case前后执行一次
def setup_module():print("\n连接资源")def teardown_module():print("\n释放资源...")# 函数级别，每个函数case执行前后
def setup_function():print("\n函数资源准备")def teardown_function():print("\n函数资源释放...")def inc(x):return x+1def test_assert1():assert inc(4) == 5def test_assert2():assert inc(3) == 4class TestAnswer():# 类级别，只在所有类方法前后执行一次def setup_class(self):print("\nsetup class")def teardown_class(self):print("\nteardown class...")def setup_method(self):print("\nclass method setup")def teardown_method(self):print("\nclass method teardown...")def test_demo1(self):assert 1==1def test_demo2(self):assert 2==2

Mark

一个module（测试文件）里可能需要一部分不运行，或只运行某些case
命令行一个个指定太麻烦，可以在编写case时加上标记
- 比如某些case只在Web测，有些只在APP测

自定义marker，标记测试用例：@pytest.mark.xxx

# 模块（文件）级别，当前文件（suite）下所有case前后执行一次
import pytestdef setup_module():print("\n连接资源")def teardown_module():print("\n释放资源...")# 函数级别，每个函数case执行前后
def setup_function():print("\n函数资源准备")def teardown_function():print("\n函数资源释放...")def inc(x):return x+1@pytest.mark.integer
def test_assert1():print("test print with -s param")assert inc(4) == 5@pytest.mark.integer
def test_assert2():assert inc(3) == 4class TestAnswer():# 类级别，只在所有类方法前后执行一次def setup_class(self):print("\nsetup class")def teardown_class(self):print("\nteardown class...")def setup_method(self):print("\nclass method setup")def teardown_method(self):print("\nclass method teardown...")@pytest.mark.chardef test_demo1(self):assert 1==1@pytest.mark.chardef test_demo2(self):assert 2==2

运行：pytest test_demo1.py -vs -m "integer"
- 或者 pytest .\test_demo1.py -vs -m "not char"
但我们发现有很多warning，因为pytest定义好了一些marker（比如skip），不用它的就会警告
- 怎么不报警呢？新建 pytest.ini 文件
```
[pytest]
markers = integerchar
```
- 让pytest接受我们自定义的marker

skip

跳过某些case的另一种方法，也支持条件过滤

import sys
import pytest@pytest.mark.skip
def test_demo1():print("skip this case")assert True@pytest.mark.skip(reason="开发还没写代码")
def test_demo2():assert Falsedef check():return False# 测试代码里不满足某个条件，直接跳过，有点像skipif
def test_demo3():print("test skip")if not check():pytest.skip("unsupported")print("end")@pytest.mark.skipif(sys.platform=="win32", reason="this kind of platform is not supported!")
def test_demo4():assert True

mark.xfail，如果case执行成功则XPASS，如果失败则标记为XFAIL，主要是提示的作用，表示这里有个bug还没解决，我们后续可以通过 pytest test_demo1.py -vs -m "xfail" 执行这部分

@pytest.mark.xfail
def test_fail1():assert Falsexfail = pytest.mark.xfail # 定义装饰器@xfail
def test_fail2():assert Truedef test_fail3():print("start test")pytest.xfail("功能代码未实现，失败") # 直接让case失败在这里，类似skipprint("end")

参数化

参数化设计方法就是将模型中的定量信息变量化，使之成为可以任意调整的参数
比如要测试搜索框，搜索内容应该可传参，可以参数化；类似unittest + ddt

单参数和多参数

import pytestsearch_name = ['selenium', 'appium', 'ut', 'pytest']@pytest.mark.parametrize('name', search_name) # 4个case，取决于参数个数
def test_param1(name):assert name in search_name@pytest.mark.parametrize("_input, expected", [('3+5', 9), ('4+4', 8)])
def test_param2(_input, expected):assert eval(_input)+1 == expected

ids参数指定case名字，默认是你写的case名称，再拼上参数，参数之间用-连接，

笛卡尔积，用的比较少

@pytest.mark.parametrize('p1', ['1','2','3'])
@pytest.mark.parametrize('p2', ['4','5','6'])
def test_param3(p1, p2):print(p1, "===", p2)

补充：命令行参数
- --lf，即 --last-failed，只重新运行失败的cass，（为啥不是 --of）
- --ff，即 --failed-first，先执行上次失败的case，再执行其他测试

Python命令直接执行pytest测试

命令：python test_demo1.py

# test_demo1.py
# 模块（文件）级别，当前文件（suite）下所有case前后执行一次
import pytestdef setup_module():print("\n连接资源")def teardown_module():print("\n释放资源...")# 函数级别，每个函数case执行前后
def setup_function():print("\n函数资源准备")def teardown_function():print("\n函数资源释放...")def inc(x):return x+1@pytest.mark.integer
def test_assert1():print("test print with -s param")assert inc(4) == 5@pytest.mark.integer
def test_assert2():assert inc(3) == 4class TestAnswer():# 类级别，只在所有类方法前后执行一次def setup_class(self):print("\nsetup class")def teardown_class(self):print("\nteardown class...")def setup_method(self):print("\nclass method setup")def teardown_method(self):print("\nclass method teardown...")@pytest.mark.chardef test_demo1(self):assert 1==2@pytest.mark.chardef test_demo2(self):assert 2==2# python test_demo1.py
if __name__ == '__main__':# pytest.main()   # 执行当前目录下的所有case，不只是这个文件# 传参，指定case# pytest.main(['test_demo1.py::TestAnswer::test_demo2', '-v'])# 指定Markpytest.main(['test_demo1.py', '-v', '-m', 'char'])

主要是为了避免后期在shell脚本同时使用python和pytest命令

异常处理

第一种方式就是try...except...

第二种方式，pytest封装了raises

def test_raises():# 期望是Value异常with pytest.raises(ValueError) as exp:# 这里面就是我们测试功能的代码，比如用户输入非法值，看是不是我们期望的异常raise ZeroDivisionError('Value must gt 18') # 假装抛出异常，这种情况，case就会fail# assert exp.type is ValueError # 这两句没必要写，逻辑冗余# assert exp.value.args[0] == 'Value must gt 18'

数据驱动

pytest结合数据驱动测试（DDT）

通过参数化直接实现DDT，demo

配置文件，./env.yaml
```
test: 127.0.0.1
```

case

import pytest
import yamlclass TestDemo:@pytest.mark.parametrize('env', yaml.safe_load(open('./env.yml')))def test_demo1(self, env):if 'test' in env:print("测试环境")print(env)  # test, 只能打印出keyelif 'dev' in env:print("开发环境")

如果想打印出全部信息，需要修改yml的写法
```
-test: 127.0.0.1t2: 10086-t3: 10010
```

从结果可以看出，yml文件的所有信息作为一个参数列表，一个 - 容纳一个字典，作为列表的一个元素，对应一个case

class TestDemo:@pytest.mark.parametrize('env', yaml.safe_load(open('./env.yml')))def test_demo1(self, env):if 'test' in env:print("测试环境")print(env)  # {'test': '127.0.0.1', 't2': 10086}print(env['test']) # 127.0.0.1elif 'dev' in env:print("开发环境")def test_yml(self):# [{'test': '127.0.0.1', 't2': 10086}, {'t3': 10010}]print("\n", yaml.safe_load(open('./env.yml')))

这里只是做个准备，一般不直接写参数

通过pytest（参数化） + Excel实现DDT

安装工具：pip install openpyxl，及基本用法

import openpyxl# 打开工作簿
book = openpyxl.load_workbook('./test.xlsx')
# 读取工作表
sheet = book.active
# 读取单元格
c1 = sheet['A2']    # Cell 对象
c2 = sheet.cell(column=1, row=3)
# 读取一片
c3 = sheet['A1':'C3']
# 获取单元格的值
print(c1) # roy
print(c3[0][0].value)   # Name

准备数据，传给case，驱动测试；当然，离不开参数化
注意目录结构

通过pytest + CSV/JSON实现DDT
- csv的特点是以逗号/制表符分隔字段，纯文本形式，可以直接用with open打开，Excel可直接改为CSV文件
- json的特点是由嵌套的键值对组成，值的形式多样，可以是字符串、数组，内置json包
- 文件操作可以搜一搜看一看，枯燥；其他和上面Excel一样，不赘述
以上这部分是 pytest 基操，后续还有很多补充

Allure

使用Allure定制测试报告
优点：
官网
文档
安装
- Java环境（建议1.8，但我是Java17）
- 安装Allure（建议2.13），下载
Allure支持多语言是因为它基于XUnit开发的
- xUnit中的 x 代表不同语言，Java就是JUnit，python就是unittest

集成

测试和报告是不分家的，虽然Allure是个独立的报告框架，但还是要集成到不同语言的测试框架中使用
集成到pytest
- 安装：pip install allure-pytest
常用方法
- 一般以装饰器形式使用
demo-title
- 新建result目录，存放临时结果
```
import allureclass TestSearch:@allure.title("搜索：测试")def test_demo1(self):print("demo1")
```
- 命令行：pytest test_allure.py --alluredir ./result --clean-alluredir，pytest --help
- 查看报告：allure serve ./result
demo-feature/story
- 测试框架不同，但一般我们称一个测试文件为 suite（或者说module），suite里面可以有多个类，称为 case(或feature/TestCase)，每个case里面又可以包含多个具体的用例，称为 story，story有时还可进一步分为多个 keyword
- 也就是：suites > suite > case/feature/TestCase > story/keyword，有些框架 TestCase 下面就是keyword，本质是看谁在安排具体的测试过程，pytest中是story；不必纠结这个，理清层次就行
```
import allure@allure.feature("登录模块")
class TestLogin:# 不加说明会有warning@allure.story("登录成功")def test_login_success(self):print("success")@allure.story("登录失败")def test_login_fail(self):print("fail")
```
- 可以在下方看到指定的 features；SUITES包含所有suite
- feature也可以作为Marker：pytest .\test_feature.py --allure-features="登录模块" --alluredir=./result --clean- alluredir 只运行这个feature的story
- 同样的，--allure-stories 指定跑哪些story

demo-step

给story下面的步骤划分step，一般以页面切换为分割点

@allure.feature("登录模块")
class TestLogin:# 不加说明会有warning@allure.story("登录成功")@allure.title("fail")def test_login_success(self):with allure.step("1. 打开登录界面"):print("login page")print("输入用户名密码...")with allure.step("2. 跳转到首页"):print("首页...")

会分开展现

demo-link

使用链接的方法有多种，包括 link/issue/testcase

pytest test_link.py --alluredir ./result --allure-link-pattern=issue:http://www.bug-platform.com/{} --clean-alluredir

TEST_CASE_LINK = 'https://github.com/qameta/allure-integrations/issues/8#issuecomment-268313637'# 链接 + 名称
@allure.link('https://www.youtube.com/watch?v=Su5p2TqZxKU', name='Click me')
def test_with_named_link():pass# 140这个位置一般是bug号，可以接入自己公司的bug平台，命令行要配置：
# pytest directory_with_tests/ --alluredir=/tmp/my_allure_report --allure-link-pattern=issue:http://www.myself-bug-platform.com/issue/{}
@allure.issue('140', 'Pytest-flaky test retries shows like test steps')
def test_with_issue_link():pass# 超链接到上面的link, 看起来和link好像没什么区别
@allure.testcase(TEST_CASE_LINK, 'Test case title')
def test_with_testcase_link():pass

demo-级别

有五种级别可以设置

设置了severity，也相当于设置了一个Marker，跑指定级别的case：pytest .\test_severity.py --allure-severities=blocker,trivial --alluredir=./result

import alluredef test_with_no_severity_label():pass# Blocker
@allure.severity(allure.severity_level.BLOCKER)
def test_with_blocker_severity_label():assert 1==2@allure.severity(allure.severity_level.TRIVIAL)
def test_with_trivial_severity():assert 2==4@allure.severity(allure.severity_level.NORMAL)
def test_with_normal_severity():pass@allure.severity(allure.severity_level.NORMAL)
class TestClassWithNormalSeverity(object):def test_inside_the_normal_severity_test_class(self):pass@allure.severity(allure.severity_level.CRITICAL)def test_inside_the_normal_severity_test_class_with_overriding_critical_severity(self):pass

demo-添加附件

附件的类型有很多种

class TestLogin:def test_login_success(self):with allure.step("1. 打开登录界面"):print("login page")allure.attach.file("./sisi.jpg", name="wechat", attachment_type=allure.attachment_type.JPG)with allure.step("2. 跳转到首页"):print("首页...")

比如添加个图片

生成报告

上面使用 allure serve 命令得到在线报告，其实测试报告的生成有完整流程
最终版本的测试报告，意思就是不依赖IDE的allure进程，可以移植到自己搭建的服务器或者Jenkins
- 生成报告：allure generate ./result
- 打开：allure open -h 127.0.0.1 -p 8883 ./allure-report，或者在IDE直接打开 index.html，但不能在文件夹直接打开（需要服务器解析，不是静态文件）
具体用法在学到Jenkins就知道了

Fixture

Fixture ：固定装置
pytest提供的装饰器，可以更加灵活的安排用例的执行、需要的前置/后置操作等
官方文档，参数及许多内置的 fixture 都可以找到

基操

比如有些用例的执行不需要登录，有些需要；使用 setup 就不行，逐个在用例里 login 太繁琐

import pytest@pytest.fixture
def login():print("\n登录成功")# 需要登录，传入被fixture的函数即可
def test_card(login):print("加入购物车成功")

相当于随时随地 setup，文明又卫生

作用域

类似setup、setup_module 等，在这个作用域里都要执行某个 Fixture
主要分为这几个 scope，可以到源码里看注释

函数级别，注意：还是要在具体函数里面调用 login

@pytest.fixture(scope="function")
def login():print("\n登录成功")def test_card(login):print("加入购物车成功")def test_search(login):print("搜索商品")

模块级别，在所有用例之前执行一次，类似 setup_module

@pytest.fixture(scope="module")
def login():print("\n登录成功")def test_card(login):print("加入购物车成功")def test_search(login):print("搜索商品")

class级别，注意：这里的每个函数也被当做类

@pytest.fixture(scope="class")
def login():print("\n登录成功")def test_card(login):print("加入购物车成功")def test_search(login):print("搜索商品")class TestClass:def test_demo1(self, login):print("class 1")def test_demo2(self, login):print("class 2")

看起来就是 setup 那些情况呀？好在哪？其实就灵活在每个函数都要写 login，控制了哪些能执行，有点像 Mark 了；麻烦了点但灵活了，祸兮福之所倚

yield

这个是python的关键字，主要是生成器用，实现懒加载节省内存；特点是控制了代码的执行流程，yield 这里直接返回，但还能回来接着执行后续代码
```
@pytest.fixture(scope="class")
def login():print("\n登录成功")yieldprint("\n登出")def test_card(login):print("加入购物车成功")# 登录成功 加入购物车成功 登出
```
这就类似 teardown 操作

数据共享

不需要 import，就可以用一些公共的模块，也可以限制共享的区域
新建 conftest.py，名字不能变，放在哪个位置，哪个目录下面的用例就可以共享这个 fixture

demo，顺便测一下 session 级别（一般也就是这么用，session和conftest一起）

import pytest@pytest.fixture(scope="session")
def login():print("\n登录成功")yieldprint("\n登出")

conftest.py 所在的目录视为一个session 域，不管下面有多少用例引用，只执行一次

自动应用

不在用例中传 fixture，也想自动引用

import pytest# 设置 autouse
@pytest.fixture(scope="function", autouse=True)
def login():print("\n登录成功")yieldprint("\n登出")

# 不需要写 login，也能使用
def test_conf_1():print("测试 conftest")

参数化

和 pytest 参数化类似

demo，同样的，有几个参数就会复制几个 case

import pytest@pytest.fixture(scope="session", params=["roy", "allen"])
def parameter(request):print(f"this is {request.param}")yield request.param # 返回参数print("baibai %s"%request.param)

def test_conf_1(parameter):print("\nfixture parameters test")print("参数为：", parameter)def test_conf_2(parameter):print("\n参数化")print("参数为：", parameter)

虽然设置了 session 级别，但这里也相当于在 session 级别复制出两份 case，可以理解为两个会话了，在各自的会话里 consume 参数；级别和参数化并不冲突，一个参数一个域，分开看即可
这部分更多是属于逻辑层次问题，还是要多试验，才能更得心应手，死记硬背容易搞复杂

ini

pytest.ini 文件，是 pytest 的配置文件，可以修改 pytest 的默认行为，不能包含任何中文（Windows）
主要配置以下几项

运行规则

项目根目录下新建 pytest.ini 文件

执行 check_ 开头和 test_ 开头的测试文件（suite/module），要加 *

;这是个注释，以分号开头，但是Windows下不能有中文
python_files = check_* test_*

执行 Check 和 Test 开头的类（case）
```
python_classes = Test* Check*
```
执行 check_ 开头和 test_ 开头的方法（story）
```
python_functions = check_* test_*
```

配置命令行参数

命令行参数，一般用等号赋值

;就不用手动添加了
addopts = -vs --alluredir=./result

指定/忽略执行目录

设置执行路径

testpaths = demo demo3

忽略某些路径

norecursedirs = result md2

配置日志

日志开关，设置日志级别，打印，保存位置
文件记得提前创建，或者加判断

插件开发

插件分类
- 外部插件：pip install 安装的
- 本地插件：自己编写，通过 pytest 自动模块发现机制使用（conftest.py）
- 内置插件：代码内部的 _pytest 目录加载（hook函数）
没啥神奇的，就是一些封装好的方便测试的代码

常用插件

可以到这里找
举例：pytest-ordering
- 安装：pip install pytest-ordering
- 用法：@pytest.mark.run(order=2)，也可以看源码，用 first/second 等代替
- 多个装饰器同时使用可能会有冲突
- 对于顺序，有时不应该刻意定义
常见的插件

分布式并发

分布式：多台机器同时执行缩短耗时，也可称为并行；机器数 * 内核数 = 并行进程个数
并发：多个进程同时操作同一批数据，要避免弄脏数据，或者说实现高并发
解决这两个问题：pytest-xdist，可以去官网搜搜看
安装：pip install pytest-xdist
使用：pytest -n auto 或 pytest -n NUMCPUS 即内核数

自定义插件

这里要用到下面的 hook 函数部分

插件1：修改默认编码

在 conftest.py 中使用 hook 函数

def pytest_collection_modifyitems(session: "Session", config: "Config", items: List["Item"]
) -> None:print(items)# 单步调试可以发现：我们需要改每个 item（用例） 的 name 和 nodeID 两个编码for item in items:item.name = item.name.encode('utf-8').decode('unicode-escape')item._nodeid = item.nodeid.encode('utf-8').decode('unicode-escape')

运行测试用例，会自动调用钩子函数修改编码

插件2：添加命令行参数

在 conftest.py 定义

# hook 函数，添加命令行参数
def pytest_addoption(parser):mygroup = parser.getgroup("Roy") # 参数组mygroup.addoption("--env", default='allen', dest='env', help='set your env')# 用 fixture 过滤参数
@pytest.fixture(scope='session')
def cmdoption(request):myenv = request.config.getoption("--env", default='allen')if myenv == 'roy':datapath = "datas/roy/data.yml"elif myenv == 'allen':datapath = "datas/allen/data.yml"else:datapath = "datas/data.yml"with open(datapath) as f:data = yaml.safe_load(f)return myenv, data

数据格式
```
env:ip: 127.0.0.1port: 8999
```
传入 fixture，过滤参数
命令行调用 pytest --env 'roy' .\test_conf.py -vs，能看到对应输出
使用 pytest --help 也能看到参数介绍

打包发布

想让我们自定义的插件给别人用，有几种方式
- 源代码提交到 git
- 打包项目
具体看打包项目的方式，就是借用 python 的打包工具
- 需要准备：源码包，pyproject.toml，测试包
- 需要安装：pip install setuptool pip install wheel，一个是打包的，一个是压缩的
- 打包命令：python -m build
- 发布到 PyPI：需要用到 twine 工具；都是参考上面那个教程，英文的慢慢看

hook

hook：钩子，即在需要的时候挂一个东西上去；在pytest中
- 是个函数，被系统调用（系统消息触发），在不同阶段实现不同功能
- 自动触发机制
- hook函数的名称固定
- pytest 有非常多的 hook 函数，在跑一个 case 的时候，会经历下面的过程：
- 总结如下
官方文档
- which can be implemented by conftest.py files and plugins
- 参考文档
上面的 hook 函数大部分只有一个“影子”（只定义了方法名），我们可以做具体实现（implement）；有些必要的会自动实现（挂钩）
- 这怎么感觉有点像 Java 的 interface
- 名称定义在 site-packages/_pytest/hookspec.py 文件中，pip 安装的包都放在 site-packages
- 那就在 conftest.py 中实现两个试试
- 这两个有点像 suite 中定义的 setup/teardown，底层应该是一样的
hook 是一种编程机制，和具体的语言没有直接的关系
- hook 又和回调函数相类似，参考文章
- 这种设计模式实现起来并不复杂，关键在于定义注册函数，并合理消费被注册的hook函数

小结

以上就是 pytest 框架及相关的知识点
框架的定位和使用技巧还是要在实践中体会，何时用，怎么用合适才是功力

上一篇：微信朋友圈这些行为，涉嫌违法违规！

下一篇：[附源码]Python计算机毕业设计SSM酒店停车管理系统（程序+LW)