20个Requests + Pytest高效测试技巧

01 Requests+Pytest的组合优势

 

1.1 Pytest优势：Pytest不仅仅是一个测试框架，它更像是一个"测试生态系统"。它的fixture机制让测试数据管理变得优雅，parametrize装饰器让批量测试成为可能。

 

1.2 Requests 优势：Requests库则是Python HTTP客户端的"瑞士军刀"，API简洁到让人怀疑人生。

 

1.3 组合威力：Requests 负责“通信”， Pytest 负责“组织、运行、断言、报告”，分工明确，效率倍增。

02 Requests+Pytest基础筑基

2.1 环境准备

Python 环境确认 (推荐 Python 3.6+)

安装必备库：pip install requests pytest

 

2.2 Pytest 入门三板斧：

• 编写测试用例： 一个以 test_ 开头的函数就是一个测试用例！

• 断言： 使用简单的 assert 语句 (assert response.status_code == 200, assert response.json()["code"] == 0)。

• 运行测试： 在命令行执行 pytest (自动发现并运行 test_*.py 文件中的 test_* 函数)。

 

2.3 Requests 核心三剑客：

• GET 请求：获取资源，处理查询参数 (params)。

• POST 请求：提交数据，处理表单 (data) 和 JSON (json) 数据。

• 解析响应：status_code (状态码), headers (响应头), text (文本内容), json() (解析JSON响应体) - 重点演示 json() 在接口测试中的关键作用。

  (可选快速提) PUT, DELETE, PATCH 等其他方法。

03Requests+Pytest进阶技巧

 

接口测试，即是对接口测试用例进行的一次工具测试执行过程；这中间就牵扯到两个点，一是接口测试用例的整体提效，二是对工具的提效；

3.1接口测试用例提效技巧如下：

以下是某网友分享的自己整理接口测试用例的两种方式，感觉挺好，也分享给大家：

第一种是使用excel或者yaml文件来编写测试数据，使用@pytest.mark.parametrize装饰器循环读取测试数据。

如上图，读取excel表格来进行测试用例生成；

优势：代码量少，主要维护数据。

第二种，将每一个接口封装成一个函数，直接在pytest框架内进行测试用例的编写。这种相比第一种代码量多。

 优势：可以很灵活地调用，看着整洁。

封装思路如下：

将每个模块的接口分类整理在一个py文件中这样便于找到对应接口位置。

1，首先对request函数进行二次封装，可以在封装的函数内加上请求头，日志以及其他自己相加的东西，这样的好处是只要后续发起请求是调用这个二次封装的函数，只需要改封装的地方，所有的接口都会生效。

2，封装接口请求，如下示例：

class A:
  @staticmethod
  def api(**kwargs):
      “““
        写注释
      :return:
      ”””
      url = "/a"
      param ={
          'a': kwargs.get('a')
          'b': kwargs.get('b')
      }
      response = sendrequest( method:'GET'url=url，params=param)
      return response.json()

3.2工具提效的技巧如下：（主要整理了Pytest的提效技巧）

 

参数化黑科技

1. 跨文件参数化

#conftest.py
　　defpytest_generate_tests(metafunc):
if"user"inmetafunc.fixturenames:
　　metafunc.parametrize("user",["admin","guest"],indirect=True)

2. JSON动态参数

importjson
　　importpytest
withopen("test_data.json")asf:
　　TEST_DATA=json.load(f)
　　@pytest.mark.parametrize("case",TEST_DATA,ids=lambdax:x["case_name"])
deftest_api(case):
　　assertcase["input"]*2==case["expect"]

3. 条件参数化

@pytest.mark.parametrize(
"env",
　　["prod"]ifos.getenv("CI")else["dev","staging"]
　　)

4. 参数化+夹具组合技

　　@pytest.fixture
　　deflogin_user(request):
returnf"user_{request.param}"
　　@pytest.mark.parametrize("login_user",[1,2],indirect=True)
　　deftest_order(login_user):
print(f"测试用户：{login_user}")#输出user_1/user_2

5. 参数化跳过

@pytest.mark.parametrize("mode",[
　　pytest.param("slow",marks=pytest.mark.skip(reason="太慢")),
"fast"
　　])

测试标记

6. 标记自动跳过

@pytest.mark.skipif(
　　sys.platform=="win32",
　　reason="Windows平台不测试此功能"
　　)

7. 标记依赖

@pytest.mark.dependency()
deftest_login():
pass
@pytest.mark.dependency(depends=["test_login"])
deftest_pay():
pass

8. 自定义标记分类

#pytest.ini
　　[pytest]
　　markers=
　　smoke:冒烟测试
　　performance:性能测试

9. 标记排序

@pytest.mark.run(order=2)
　　deftest_step2():
　　assert1+1==2

10. 标记超时

　@pytest.mark.timeout(10)#10秒超时
　　deftest_slow_api():
　　time.sleep(15)#将触发TimeoutExpired

夹具魔法

11. 自动清理夹具

　@pytest.fixture
deftemp_db(tmp_path):
　　db_path=tmp_path/"test.db"
　　yieldDatabase(db_path)
　　db_path.unlink()#测试后自动删除

12. 作用域控制

　@pytest.fixture(scope="module")#整个模块只执行一次
　　defredis_conn():
　　returnRedis(host="test-redis")

13. 夹具参数化

　　@pytest.fixture(params=[0,1,2])
　　defthree_users(request):
　　returnUser(id=request.param)

14. 夹具重试

@pytest.fixture(retry=3)#失败自动重试
　　defflaky_api():
　　returnget_unstable_api()

15. 动态夹具

　　defpytest_generate_tests(metafunc):
if"dynamic_fixture"inmetafunc.fixturenames:
　　metafunc.fixturenames.append("extra_data")#运行时动态添加夹具

插件实战

16. 性能分析

　@pytest.mark.profile
　　deftest_performance():
#用cProfile分析性能

17. 失败重跑

pytest--reruns3--reruns-delay1#失败后重试3次，间隔1秒

18. 并行测试加速

　pytest-nauto#自动使用所有CPU核心

19. 测试覆盖率

pytest--cov=src--cov-report=html

 20. 自定义报告

#conftest.py
　　defpytest_terminal_summary(terminalreporter):
　　terminalreporter.write_line("??本次测试关键指标：")
　　terminalreporter.write_line(f"通过率：{passed/total*100}%")