Python项目实战

2020,必备自动生成测试脚本方案

2020-06-29  本文已影响0人  茶浅呀

构想篇

作为一名接口自动化测试工程师,日常面临最多的工作就是编写接口自动化测试脚本,那么,在 coding 的过程中最让你觉得枯燥和乏味事情有哪些?

痛点

每天都要花上30%的时间去写那些不太需要思考的脚本,这真不够自动化!

解决方案

预期目标

解放双手,降低纯手力劳动占比,进而给自己提供更多的时间去思考、理解产品和设计更多“聪明”的用例

实践篇

自动化获取接口信息

分析接口自动化脚本结构和内容

自动化测试脚本结构图

筛选工作量大又有规律可循的脚本

此处规律不宜太过于复杂,可先选逻辑简单的部分,我们主要选取以下两部分


接口类结构图

用例结构图

解析接口文档

接口信息来源于接口文档,目前市场上比较主流的几个接口文档管理工具有Swagger、RAP、WIKI 或者其他普通文档工具。

下面以解析接口文件为目的分析比较下几款工具的区别:.

分类 Swagger RAP WIKI
描述 用于生成、描述、调用和可视化RESTful风格的Web服务的框架 可视化接口管理工具 可供多人协同创作的超文本系统
格式 json json html
规范 各个参数、返回值的具体结构、类型有统一规范 同swagger 需要自己约定规范
成本 直接嵌入项目中,通过开发时编写注释,自动生成接口文档,成本较低 需要开发按照平台规则手动输入,成本较高 需要按照约定规范,手动输入,成本较高

如果有条件,大家可以根据开发成本和解析接口文件的难易程度来综合考虑,确定使用哪个平台管理接口

我们项目是 Swagger 和 WIKI 混合使用,由于日常测试看 WIKI 居多,因此早期采用 Python 爬虫利器 BeautifulSoup 来解析WIKI html页面

      from
      bs4 import 
      BeautifulSoup

      soup 
      = BeautifulSoup
     (html_doc)

     title_string 
     = soup.
     title.string

     # 后面继续解析其他需要用到的接口内容

使用下来发现通过wiki来获取接口信息的一些弊端

  1. 完全靠人工来约束书写规则不靠谱

  2. 对于复杂的嵌套参数,稍有不按照规范来的,就会导致脚本解析错误,很大程度上造成了解析的难度

  3. 在html上准确的定位信息远比在json上难度大,兼容性差

于是,尝试解析Swagger返回的json来获得接口信息为后面生成脚本做准备

{ 
"swagger": "2.0", 
 "host": "xxx",
"basePath": "/", 
"tags":[ 
       {"name":"xxx-controller","description":"xxx"}, 
       ... 
       ],
    "paths": {
        "<接口地址1>": { ... }, 
       "<接口地址2>": { ... },
        ...
    },   
 "definitions": {
        "<实体类1>": { ... }, 
       "<实体类2>": { ... },
       ...    }
}

使用以下方式拿到json结果后,就可以直接按照处理字典的方式来获取需要的内容。

graph LR
json-->ApiObj

对于swagger.json的解析和代码生成官方也提供了一些可供使用的库swagger-codegen (java),由于编程语言的限制,我们使用了python自己解析

现在,我们已拿到生成代码所需要的信息

自动生成代码

代码生成工具

class CodeGeneratorBackend():

    def begin(self, tab="\t"):
        self.code = []
        self.tab = tab
        self.level = 0

    def end(self): 
       # return string.join(self.code, "")
        return "".join(self.code)

    def write(self, string):
        self.code.append(self.tab * self.level + string)

    def indent(self):
        self.level = self.level + 1

    def dedent(self):
        if self.level == 0:
            raise SyntaxError("internal error in code generator") 
       self.level = self.level - 1

"""调用方法,开始生成代码"""
   c = CodeGeneratorBackend()
c.begin(tab="    ")  # 定义缩进方式
c.write("def function(self):\n")
c.indent()  # 缩进
# 方法体
c.dedent()  # 回退上一次缩进

接口类部分脚本生成规则

由于我们接口属于是存储在类结构中,因此根据当前脚本的API Object接口进行遍历替换即可

接口用例部分代码生成规则

特殊值用例

给每个参数生成为0、None、空字符串这样特殊值的用例

定位参数类型

通过接口参数给出的类型,生成符合该类型的值,和一些不符合参数类型的值(健壮性),赋值后生成用例,如下代码示例

定位特定关键词参数

该生成规则需要和开发约定一些基本原则,另外也需要我们在日常测试中多归纳总结,找出那些有固定规律的用例,想办法定位生成这类用例

定位接口类型

自动生成测试脚本工具介绍

框架流程图

工具扩展性

成果和后续行动

效率提升

以一个优惠券需求为例,大约新增/更新了10个接口(约150个参数请求参数,100个返回参数),包含增删改查几种类型,编写加调试脚本在使用工具前后所花费时间对比,如下:

类型 工作量描述 不使用工具 使用工具 效率提升
接口类 约250个参数 2日/人 1小时内 94%
健壮性用例 约1000条用例 2日/人 1日/人 50%
平均 --- --- --- 74%

从上例可以看出使用脚本后的效率提高了近一半,而从设计到编写完第一版工具仅花费了2~3个工作日,还是非常值得一做的。

聚焦测试

统一规范

重构利器

后续迭代优化点

最后想说的是,这个小工具的设计思路远比实现更重要,无论使哪种语言或库都可以实现解析文件和代码的生成,重要得是按照怎样的思路去生成脚本,在这部分上后续我们也有很多需要摸索的地方。
以上内容就是本篇的全部内容以上内容希望对你有帮助,有被帮助到的朋友欢迎点赞,评论。
如果对软件测试、接口测试、自动化测试、面试经验交流。感兴趣可以关注我,我们会有同行一起技术交流哦。

上一篇 下一篇

猜你喜欢

热点阅读