用Python实现自动化测试：从单元测试到API验证_pytest api自动化

文章目录

• • 前言
  • 一、自动化测试基础
  • • 1.1 为什么选择Python？
    • 1.2 工具准备
  • 二、单元测试实战
  • • 2.1 编写简单函数
    • 2.2 使用unittest测试
    • 2.3 升级到pytest
  • 三、API自动化测试
  • • 3.1 测试目标
    • 3.2 编写API测试
    • 3.3 用pytest优化
  • 四、进阶优化
  • • 4.1 测试报告生成
    • 4.2 集成到CI/CD
    • 4.3 性能测试初探
  • 五、注意事项
  • 六、总结

前言

在软件开发中，自动化测试是提升代码质量和开发效率的关键。Python凭借其简洁语法和强大库（如unittest、pytest、requests），成为自动化测试的热门选择。本文将从单元测试入手，逐步扩展到API自动化验证，带你打造一个高效的测试流程。无论你是测试新手还是资深开发者，这篇教程都能帮你快速上手。欢迎在评论区分享你的自动化测试经验！

一、自动化测试基础

1.1 为什么选择Python？

• 生态丰富：支持unittest（内置）、pytest（功能强大）、requests（API测试）。
• 易上手：语法简单，适合快速编写测试用例。
• 跨平台：适用于Web、后端、AI等多种场景。

1.2 工具准备

安装所需库：

pip install pytest requests

二、单元测试实战

2.1 编写简单函数

假设我们要测试一个计算器函数：

# calculator.pydef add(a, b): return a + bdef divide(a, b): if b == 0: raise ValueError(\"除数不能为0\") return a / b

2.2 使用unittest测试

创建测试文件：

# test_calculator.pyimport unittestfrom calculator import add, divideclass TestCalculator(unittest.TestCase): def test_add(self): self.assertEqual(add(2, 3), 5) self.assertEqual(add(-1, 1), 0) def test_divide(self): self.assertEqual(divide(6, 2), 3.0) with self.assertRaises(ValueError): divide(5, 0)if __name__ == \"__main__\": unittest.main()

运行测试：

python test_calculator.py

2.3 升级到pytest

pytest更灵活，支持断言和 fixture：

# test_calculator_pytest.pyfrom calculator import add, dividedef test_add(): assert add(2, 3) == 5 assert add(-1, 1) == 0def test_divide(): assert divide(6, 2) == 3.0 try: divide(5, 0) except ValueError: pass

运行：

pytest test_calculator_pytest.py -v

Tips：pytest自动发现以test_开头的文件和函数，-v显示详细输出。

三、API自动化测试

3.1 测试目标

以免费API“JSONPlaceholder”为例，测试GET请求：
地址：https://jsonplaceholder.typicode.com/posts/1

3.2 编写API测试

使用requests验证响应状态和数据：

# test_api.pyimport requestsdef test_get_post(): url = \"https://jsonplaceholder.typicode.com/posts/1\" response = requests.get(url) # 验证状态码 assert response.status_code == 200, \"状态码应为200\" # 验证JSON数据 data = response.json() assert data[\"id\"] == 1, \"ID应为1\" assert \"title\" in data, \"响应应包含title字段\" print(f\"标题: {data[\'title\']}\")if __name__ == \"__main__\": test_get_post()

运行：

python test_api.py

3.3 用pytest优化

添加参数化和异常处理：

# test_api_pytest.pyimport pytestimport requests@pytest.mark.parametrize(\"post_id, expected_title\", [ (1, \"sunt aut facere repellat provident occaecati excepturi optio reprehenderit\"), (2, \"qui est esse\")])def test_get_post_param(post_id, expected_title): url = f\"https://jsonplaceholder.typicode.com/posts/{post_id}\" response = requests.get(url) assert response.status_code == 200 data = response.json() assert data[\"title\"] == expected_titledef test_invalid_post(): url = \"https://jsonplaceholder.typicode.com/posts/999\" response = requests.get(url) assert response.status_code == 404, \"无效ID应返回404\"

运行：

pytest test_api_pytest.py -v

四、进阶优化

4.1 测试报告生成

使用pytest-html生成HTML报告：

pip install pytest-htmlpytest --html=report.html

4.2 集成到CI/CD

将测试脚本加入GitHub Actions：

# .github/workflows/test.ymlname: Run Testson: [push]jobs: test: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - name: Set up Python uses: actions/setup-python@v4 with: python-version: \'3.9\' - name: Install dependencies run: pip install pytest requests - name: Run tests run: pytest -v

4.3 性能测试初探

用time模块记录API响应时间：

import timedef test_api_performance(): url = \"https://jsonplaceholder.typicode.com/posts/1\" start = time.time() response = requests.get(url) duration = time.time() - start assert duration < 1.0, f\"响应时间 {duration}s 超过1秒\"

五、注意事项

• 测试覆盖率：安装pytest-cov检查覆盖率（pip install pytest-cov）。
• 异常处理：API测试中添加超时参数（如requests.get(url, timeout=5)）。
• 合规性：避免频繁请求公共API，遵守使用规则。

六、总结

通过本文，你学会了用Python从单元测试到API验证的全流程。unittest适合基础测试，pytest提供灵活扩展，而requests让API测试更简单。下一步，你可以尝试将这些脚本集成到项目中，或探索性能测试工具如Locust。

互动环节：

• 你在自动化测试中用过哪些框架？有什么优化建议吗？
• 遇到过哪些测试难题？欢迎留言交流！