ApiTestEngine 演化之路 (1) 搭建基础框架
在《ApiTestEngine 演化之路（0）开发未动，测试先行》一文中，我对ApiTestEngine项目正式开始前的准备工作进行了介绍，包括构建API接口服务（Mock Server）、搭建项目单元测试框架、实现持续集成构建检查机制（Travis CI）等。接下来，我们就开始构建ApiTestEngine项目的基础框架，实现基本功能吧。
接口测试的核心要素
既然是从零开始，那我们不妨先想下，对于接口测试来说，最基本最核心的要素有哪些？
事实上，不管是手工进行接口测试，还是自动化测试平台执行接口测试，接口测试的核心要素都可以概括为如下三点：
发起接口请求（Request）
解析接口响应（Response）
检查接口测试结果
这对于任意类型的接口测试也都是适用的。
在本系列文章中，我们关注的是API接口的测试，更具体地，是基于HTTP协议的API接口的测试。所以我们的问题就进一步简化了，只需要关注HTTP协议层面的请求和响应即可。
好在对于绝大多数接口系统，都有明确的API接口文档，里面会定义好接口请求的参数（包括Headers和Body），并同时描述好接口响应的内容（包括Headers和Body）。而我们需要做的，就是根据接口文档的描述，在HTTP请求中按照接口规范填写请求的参数，然后读取接口的HTTP响应内容，将接口的实际响应内容与我们的预期结果进行对比，以此判断接口功能是否正常。这里的预期结果，应该是包含在接口测试用例里面的。
由此可知，实现接口测试框架的第一步是完成对HTTP请求响应处理的支持。
HTTP客户端的最佳选择
ApiTestEngine项目选择Python作为编程语言，而在Python中实现HTTP请求，毫无疑问，Requests库是最佳选择，简洁优雅，功能强大，可轻松支持API接口的多种请求方法，包括GET/POST/HEAD/PUT/DELETE等。
并且，更赞的地方在于，Requests库针对所有的HTTP请求方法，都可以采用一套统一的接口。
requests.request(method, url, **kwargs)
其中，kwargs中可以包含HTTP请求的所有可能需要用到的信息，例如headers、cookies、params、data、auth等。
这有什么好处呢？
好处在于，这可以帮助我们轻松实现测试数据与框架代码的分离。我们只需要遵循Requests库的参数规范，在接口测试用例中复用Requests参数的概念即可。而对于框架的测试用例执行引擎来说，处理逻辑就异常简单了，直接读取测试用例中的参数，传参给Requests发起请求即可。
如果还感觉不好理解，没关系，直接看案例。
测试用例描述
在我们搭建的API接口服务（Mock Server）中，我们想测试“创建一个用户，该用户之前不存在”的场景
在上一篇文章中，我们也在unittest中对该测试场景实现了测试脚本。
def test_create_user_not_existed(self):
self.clear_users()
url = "%s/api/users/%d" % (self.host, 1000)
data = {
"name": "user1",
"password": "123456"
}
resp = self.api_client.post(url, json=data)
self.assertEqual(201, resp.status_code)
self.assertEqual(True, resp.json()["success"])在该用例中，我们实现了HTTP POST请求，api_client.post(url, json=data)，然后对响应结果进行解析，并检查resp.status_code、resp.json()["success"]是否满足预期。
可以看出，采用代码编写测试用例时会用到许多编程语言的语法，对于不会编程的人来说上手难度较大。更大的问题在于，当我们编写大量测试用例之后，因为模式基本都是固定的，所以会发现存在大量相似或重复的脚本，这给脚本的维护带来了很大的问题。
那如何将测试用例与脚本代码进行分离呢？
考虑到JSON格式在编程语言中处理是最方便的，分离后的测试用例可采用JSON描述如下：
{
"name": "create user which does not exist",
"request": {
"url": "http://127.0.0.1:5000/api/users/1000",
"method": "POST",
"headers": {
"content-type": "application/json"
},
"json": {
"name": "user1",
"password": "123456"
}
},
"response": {
"status_code": 201,
"headers": {
"Content-Type": "application/json"
},
"body": {
"success": true,
"msg": "user created successfully."
}
}
}不难看出，如上JSON结构体包含了测试用例的完整描述信息。
需要特别注意的是，这里使用了一个讨巧的方式，就是在请求的参数中充分复用了Requests的参数规范。例如，我们要POST一个JSON的结构体，那么我们就直接将json作为request的参数名，这和前面写脚本时用的api_client.post(url, json=data)是一致的。
测试用例执行引擎
在如上测试用例描述的基础上，测试用例执行引擎就很简单了，以下几行代码就足够了。
def run_single_testcase(testcase):
req_kwargs = testcase['request']
try:
url = req_kwargs.pop('url')
method = req_kwargs.pop('method')
except KeyError:
raise exception.ParamsError("Params Error")
resp_obj = requests.request(url=url, method=method, **req_kwargs)
diff_content = utils.diff_response(resp_obj, testcase['response'])
success = False if diff_content else True
return success, diff_content可以看出，不管是什么HTTP请求方法的用例，该执行引擎都是适用的。
只需要先从测试用例中获取到HTTP接口请求参数，testcase['request']：
{
"url": "http://127.0.0.1:5000/api/users/1000",
"method": "POST",
"headers": {
"content-type": "application/json"
},
"json": {
"name": "user1",
"password": "123456"
}
}然后发起HTTP请求：
requests.request(url=url, method=method, **req_kwargs)最后再检查测试结果：
utils.diff_response(resp_obj, testcase['response'])在测试用例执行引擎完成后，执行测试用例的方式也很简单。同样是在unittest中调用执行测试用例，就可以写成如下形式：
def test_run_single_testcase_success(self):
testcase_file_path = os.path.join(os.getcwd(), 'test/data/demo.json')
testcases = utils.load_testcases(testcase_file_path)
success, _ = self.test_runner.run_single_testcase(testcases)
self.assertTrue(success)可以看出，模式还是很固定：加载用例、执行用例、判断用例执行是否成功。如果每条测试用例都要在unittest.TestCase分别写一个单元测试进行调用，还是会存在大量重复工作。所以比较好的做法是，再实现一个单元测试用例生成功能；这部分先不展开，后面再进行详细描述。结果判断处理逻辑这里再单独讲下对结果的判断逻辑处理，也就是diff_response函数。def diff_response(resp_obj, expected_resp_json)
diff_content = {}
resp_info = parse_response_object(resp_obj)
# 对比 status_code，将差异存入 diff_content
# 对比 Headers，将差异存入 diff_content
# 对比 Body，将差异存入 diff_content
return diff_content其中，expected_resp_json参数就是我们在测试用例中描述的response部分，作为测试用例的预期结果描述信息，是判断实际接口响应是否正常的参考标准。而resp_obj参数，就是实际接口响应的Response实例，详细的定义可以参考requests.Response描述文档。为了更好地实现结果对比，我们也将resp_obj解析为与expected_resp_json相同的数据结构。def parse_response_object(resp_obj):
try:
resp_body = resp_obj.json()
except ValueError:
resp_body = resp_obj.text
return {
'status_code': resp_obj.status_code,
'headers': resp_obj.headers,
'body': resp_body
}那么最后再进行对比就很好实现了，只需要编写一个通用的JSON结构体比对函数即可。def diff_json(current_json, expected_json):
json_diff = {}
for key, expected_value in expected_json.items():
value = current_json.get(key, None)
if str(value) != str(expected_value):
json_diff = {
'value': value,
'expected': expected_value
}
return json_diff这里只罗列了核心处理流程的代码实现，其它的辅助功能，例如加载JSON/YAML测试用例等功能总结经过本文中的工作，我们已经完成了ApiTestEngine基础框架的搭建，并实现了两项最基本的功能：支持API接口的多种请求方法，包括 GET/POST/HEAD/PUT/DELETE 等测试用例与代码分离，测试用例维护方式简洁优雅，支持YAML/JSON然而，在实际项目中的接口通常比较复杂，例如包含签名校验等机制，这使得我们在配置接口测试用例时还是会比较繁琐。
支持分享 这篇不错啊，json数据如何维护（比如有一天某个字段发生了变化所有case都要改），你们直接手写json还是做了图形界面？或者有批量修改用的脚本？ 先了解，还没有开始接口测试 请问你一下，你这个运行结果有输出报告吗？ 小爸爸 发表于 2017-6-28 16:22
请问你一下，你这个运行结果有输出报告吗？
会有的，不过当前还没有完成这块儿
页:
[1]
