python自动化测试- 自动化框架及工具

Dear 丶 2024-03-02 10:10 14阅读 0赞

## ![7dcaff8630534f64a114dcd2825f32d2.png][] ##

## 1 概述 ##

手续的关于测试的方法论，都是建立在之前的文章里面提到的观点：

*  功能测试不建议做自动化
 *  接口测试性价比最高
 *  接口测试可以做自动化

后面所谈到的 **测试自动化** 也将围绕着 **接口自动化** 来介绍。

本系列选择的测试语言是 python 脚本语言。由于其官方文档已经对原理有了比较清楚的解释，本文就不做一些多余的翻译工作了。偏向于实战部分，而且为了偏向实战，也会结合 IDE 工具和项目组织来进行讲解。

理由如下：

脚本语言，开发和迭代的效率极高  
第三方的扩展库极多，有很我现成的工具可以使用  
在正式进入到 自动化测试 的领域之前，先要建立这样的价值观。在Google内部工程师发布的软件测试的出版物里面提到：

“软件的自动化测试是有成本的，而且成本不低，基本上相当于在原有的 功能开发工程 的基础上再建立一个平行的 测试开发工程 ”。

也就是说，如果你对自动化测试有你的期望值，那么就肯定是要付出相应的代价和精力的。好的东西也是需要优秀的人花大量的时间去完成的。

## 2 PyUnit测试框架 ##

使用 **python** 作为自动化编程语言，那么就自然的使用 **pyunit** 作为自动化测试框架了。

如下部分的内容主要来自于 pyunit 的官方文档，本文仅仅做了一些翻译和结构上的简单调整。这部分属于测试框架的基本原理和概念部分，在进行代码编写前，有必要进行了解。

python的单元测试框架 PyUnit,可以认为是 Java 语言下的单元测试框架 JUnit 的 Python 语言实现版本，甚至其作者之一 Kent Beck 就是 JUnit 的作者。

unittest要达到如下目标：

支持自动化测试  
让所有的测试脚本共享 开启(setup) 和 关闭(shutdown) 的代码  
可以通过集合（collections）的方式来组织测试用例脚本  
将所有的测试脚本从测试报告框架中独立出来  
为了达到以上目标，unittest支持如下几个重要概念：

测试装置（test fixture）

为一个或者多个测试用例做一些准备工作，例如：连接一个数据库，创建一个目录，或者开启一个进程

测试用例（test case）

测试用例是测试行为的最小单元，通过对一些输入输出值的对比来进行测试检查

测试套件（test suite）

将 测试用例 或者 测试用例集合 聚合组织起来的集合。可以批量执行一个测试套件内所有的测试用例

测试执行器（test runner）

组织安排测试脚本执行活动的组件。测试执行器通过一些图形界面，文本界面或者返回一些特殊的值来展示测试脚本的测试结果。主要用于生成测试报告

## 3 基本示例 ##

如下示例也来自于官方文档 **basic\_demo.py**：

# coding:utf-8
    """
    基本的自动化测试脚本 basic_demo.py
    """
    __author__ = 'zheng'
     
    import unittest
     
     
    class TestStringMethods(unittest.TestCase):
     
        def setUp(self):
            print 'init by setUp...'
     
        def tearDown(self):
            print 'end by tearDown...'
     
        def test_upper(self):
            self.assertEqual('foo'.upper(), 'FOO')
     
        def test_isupper(self):
            self.assertTrue('FOO'.isupper())
            self.assertFalse('Foo'.isupper())
            self.assertTrue('Foo'.isupper())
     
        def test_split(self):
            s = 'hello world'
            self.assertEqual(s.split(), ['hello', 'world'])
            # check that s.split fails when the separator is not a string
            with self.assertRaises(TypeError):
                s.split(2)
     
     
    if __name__ == '__main__':
        unittest.main()

虽然官方文档里面介绍了几种组织测试用例脚本的方式：

独立测试函数  
单用例测试类  
多用例测试类  
不同的编写形态，会有不同的组织方式，具体的可以看官方文档。本文作者研究过官方文档后，最喜欢第三种方式 多用例测试类,也就是上面基本示例的方式，这种方式具有如下特点：

测试类 继承于 unittest.TestCase  
一个测试类可以管理多个 测试脚本函数  
测试脚本函数名称需要以 test\_ 开头  
一个测试类里面的所有的测试函数共享 setUp和tearDown函数  
在控制台中运行此程序：

➜  src git:(master) ✗ python basic_demo.py
    init by setUp...
    Fend by tearDown...
    init by setUp...
    end by tearDown...
    .init by setUp...
    end by tearDown...
    .
    ======================================================================
    FAIL: test_isupper (__main__.TestStringMethods)
    ----------------------------------------------------------------------
    Traceback (most recent call last):
      File "basic_demo.py", line 24, in test_isupper
        self.assertTrue('Foo'.isupper())
    AssertionError: False is not true
     
    ----------------------------------------------------------------------
    Ran 3 tests in 0.001s
     
    FAILED (failures=1)
    ➜  src git:(master) ✗

前面的基本例子的 **main** 函数采用的最简单的方式，直接运行所有的测试用例，并生成默认的文本报告。其实只需要对调用函数做一些简单的修改，可以将这些测试用例进行合理组织，并获取其实有用的数据信息，以便和信息系统进行集成，形成较好的扩展。

if __name__ == '__main__':
        # unittest.main()
        # 装载测试用例
        test_cases = unittest.TestLoader().loadTestsFromTestCase(TestStringMethods)
        # 使用测试套件并打包测试用例
        test_suit = unittest.TestSuite()
        test_suit.addTests(test_cases)
        # 运行测试套件，并返回测试结果
        test_result = unittest.TextTestRunner(verbosity=2).run(test_suit)
        #生成测试报告
        print("testsRun:%s" % test_result.testsRun)
        print("failures:%s" % len(test_result.failures))
        print("errors:%s" % len(test_result.errors))
        print("skipped:%s" % len(test_result.skipped))

运行后生成的输出为：

➜  src git:(master) ✗ python basic_demo.py
    test_isupper (__main__.TestStringMethods) ... init by setUp...
    FAIL
    end by tearDown...
    test_split (__main__.TestStringMethods) ... init by setUp...
    end by tearDown...
    ok
    test_upper (__main__.TestStringMethods) ... init by setUp...
    end by tearDown...
    ok
     
    ======================================================================
    FAIL: test_isupper (__main__.TestStringMethods)
    ----------------------------------------------------------------------
    Traceback (most recent call last):
      File "basic_demo.py", line 23, in test_isupper
        self.assertTrue('Foo'.isupper())
    AssertionError: False is not true
     
    ----------------------------------------------------------------------
    Ran 3 tests in 0.001s
     
    FAILED (failures=1)
    testsRun:3
    failures:1
    errors:0
    skipped:0

显然上面的输入结果已经将测试的结果进行了统计，这些数据都是一次测试活动中的重要指标，这些数据可以入库，和测试信息管理系统集成，后期生成仪表盘或者统计报表，形成稳定和产品测试线路图，这些都是和开发相关的了，在此不再多叙述了。

结合上面的具体例子，我们也可以找到上一节的理论部分对应的具体实现对象：

测试装置（test fixture）

由setUp函数来做初始化工作，由tearDown做销毁工作

测试用例（test case）

对应TestCase类，或者更细化的对应里面的测试脚本函数

测试套件（test suite）

对应TestSuite类

测试执行器（test runner）

对应TextTestRunner类

## 4 IDE工具 ##

既然需要开发代码的生产力，那么就需要介绍一款IDE工具-- **Pycharm**。不可否认，它是目前最专注/专业的 **Python** 语言的 **IDE** 了。在对**Pyunit** 也有比较好的支持。

主要支持如下：

可视化的编程开发（这是IDE的基本特点）

对测试结果进行可视化的展示

导出生成HTML的测试报告

可视化控制用例执行（这个在开发调试阶段很方便，可以方便控制指定代码单元运行）

让一个目录下的所有用命执行  
让单个文件内所有用例执行  
让单个文件内的单个用命执行

### 4.1 运行和调试 ###

**Pycharm** 对测试脚本提供了灵活的运行和调试支持。

通过pycharm，开发人员可以不用编写main函数，就可以实现如下功能：

运行一个文件下所有的测试类  
运行一个测试类的所有测试脚本  
运行一个测试类的某个测试脚本  
其中 "运行一个测试类的某个测试脚本" 比较有用，适合在开发阶段快速地对单个脚本进行开发和运行调试。

使用方法：

将光标移动到测试函数内部  
按下运行快捷键 ctrl+shift+F10 (Eclipse快捷键方案)  
如果要断点调试，则使用Debug模式，即可对单个函数运行和断点调试了。

当然，也可以不必借用IDE，而通过对testSuit操作，也可以实现以上功能，但是IDE却提供了更灵活直接的选择。这只是一些IDE使用技巧，也不多述了。

### 4.2 结果可视化 ###

对于前面提到的例子，如果选择在IDE中运行此程序，会看到如下效果：

![ba6b5f83ed563fa89ac84f5a08f08d96.png][]

可以看到全部运行通过。如果刻意将其中一个弄成不通过的，则会显示如下的结果：

![d37becdcbd1de4ff9854c9155286b00a.png][]

【2023最新】Python自动化测试，7天练完60个实战项目，全程干货。【自动化测试/接口测试/性能测试/软件测试】

**最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：**

#### ![在这里插入图片描述][492d7612ecf9402ca45f3dad0b4d69e3.png_pic_center] ####

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！

[7dcaff8630534f64a114dcd2825f32d2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/02/7c5412f2e17b4aeeb9c5f060db255030.png
[ba6b5f83ed563fa89ac84f5a08f08d96.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/02/08a723e884f349fc9160d45ecb6491bf.png
[d37becdcbd1de4ff9854c9155286b00a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/02/a3f809fa97604ddcae5c2849369dd752.png
[492d7612ecf9402ca45f3dad0b4d69e3.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/02/36e9a510ea014109b03ccc3c4881dd6f.png