龙八娱乐APP备用首页龙八娱乐APP备用首页

龙8游戏官网
龙八国际手机版注册

主流接口测试框架对比

公司计划系统的开展接口自动化测试,需要我这边调研一下主流的接口测试框架给后端测试(主要测试接口)的同事介绍一下每个框架的特定和使用方式。后端同事根据他们接口的特点提出一下需求,看哪个框架更适合我们。

### 需求:

1、接口编写方便。2、方便调试接口。3、支持数据初始化。4、生成测试报告。5、支持参数化。

#### robot framework

优点

关键字驱动,自定义用户关键字。

支持测试日志和报告生成。

支持系统关键字开发,可扩展性好。

支持数据库操作。

缺点

接口测试用例写起来不简洁。

需要掌握特定语法。

*** Settings ***Library RequestsLibraryLibrary Collections*** Test Cases ***test_get_event_list # 查询发布会(GET请求) ${payload}= Create Dictionary eid=1 Create Session event http://127.0.0.1:8000/api ${r}= Get Request event /get_event_list/ params=${payload} Should Be Equal As Strings ${r.status_code} 200 log ${r.json()} ${dict} Set variable ${r.json()} #断言结果 ${msg} Get From Dictionary ${dict} message Should Be Equal ${msg} success ${sta} Get From Dictionary ${dict} status ${status} Evaluate int(200) Should Be Equal ${sta} ${status}

结果:不考虑,没人愿意这么写接口用例。

#### JMeter

优点

支持参数化

不需要写代码

缺点

创建接口用例效率不高。

不能生成查看每一个接口执行情况的测试报告。

总结:不考虑,接口编写不方便,最主要是不能生成测试报告,如果做接口性能的话可以考虑。

####HttpRunner

优点:

基于YAML/JSON格式,专注于接口本身的编写。

接口编写简单

生成测试报告

接口录制功能。

缺点:

没有编辑器插件对语法校验,容易出错。

官方文档没有详细的说明。

扩展不方便。

[ { "config": { "name": "testcase description", "variables": [], "request": { "base_url": "http://127.0.0.1:5000", "headers": { "User-Agent": "python-requests/2.18.4" } } } }, { "test": { "name": "test case name", "request": { "url": "/api/get-token", "headers": { "device_sn": "FwgRiO7CNA50DSU", "user_agent": "iOS/10.3", "os_platform": "ios", "app_version": "2.8.6", "Content-Type": "application/json" }, "method": "POST", "date": {"sign": "958a05393efef0ac7c0fb80a7eac45e24fd40c27"} }, "validate": [ {"eq": ["status_code", 200]}, {"eq": ["headers.Content-Type", "application/json"]}, {"eq": ["content.success", true]}, {"eq": ["content.token", "baNLX1zhFYP11Seb"]} ] } }]

总结:可以考虑,至于接口数据的初始化可能需要单独处理。

doc: https://cn.httprunner.org/quickstart/

####gauge

BDD行为驱动测试框架。

优点:

行为文件与脚本文件分离,本质上实现了数据驱动。

功能强大灵活,本质上还用Python写接口用例。

自动生成测试报告。

VS Code有支持插件

缺点:

门槛略高,需要了解BDD的用法。

需要会markdworn语法

行为描述文件:

## test post request* post "http://httpbin.org/post" interface |key | status_code| |------|-----------| |value1|200 | |value2|200 | |value3|200 |

测试脚本:

……@step("post <url> interface <table>")def test_get_request(url, table): values = [] status_codes = [] for word in table.get_column_values_with_name("key"): values.append(word) for word in table.get_column_values_with_name("status_code"): status_codes.append(word) for i in range(len(values)): r = requests.post(url, data={"key": values[i]}) result = r.json() assert r.status_code == int(status_codes[i])

总结:推荐使用,BDD有一定门槛,看测试人员的学些能力和接受速度。

doc: https://docs.gauge.org/latest/writing-specifications.html#special-parameter-csv

#### Unittest+Request+HTMLRunner

利用现有的框架和库自己定制。

优点:

足够灵活强大: 分层测试、数据驱动、测试报告,集成CI...

缺点:

有一定的学习成本

数据文件:

{ "test_case1": { "key": "value1", "status_code": 200 }, "test_case2": { "key": "value2", "status_code": 200 }, "test_case3": { "key": "value3", "status_code": 200 }, "test_case4": { "key": "value4", "status_code": 200 }}

测试用例:

import requestsimport unittestfrom ddt import ddt, file_data@ddtclass InterfaceTest(unittest.TestCase): def setUp(self): self.url = "http://httpbin.org/post" def tearDown(self): print(self.result) @file_data("./data/test_data_dict.json") def test_post_request(self, key, status_code): r = requests.post(self.url, data={"key": key}) self.result = r.json() self.assertEqual(r.status_code, status_code)

总结:推荐使用,代码相对简单,功能足够灵活。

~~~~~~

我花了两天时间整理这些框架,其实重点就是了解HttpRunner 和 gauge 。ygHttpRunner 没有编辑器插件,本身就是一个YAML/JSON配置文件,所以配置写错了,但只要是合法的YAML/JSON格式,也看不出来,只有运行的过后才知道。就像你用记事本写代码一样,只有运行了才知道代码有没有写错。

另外,扩展起来也不是特别方便,单独用python实现一些函数:在json文件中

{"device_sn": "${gen_random_string(15)}"}

以这样的方式引用gen_random_string() 函数。

gauge我已经分享过两篇基础文章了,虽然用BDD拿来做接口理念不搭,但并不是不可以,唯一的缺点是用BDD来描述接口行为不合适,其他的都没毛病,可以参数化,断言写起来也简单,测试报告也漂亮,本质上还是用Python实现一些功能,所以非常灵活。

unittest + requests + HTMLTestRunner是我最熟悉的方案,几乎没什么短板。以前通过这种方案写过很多测试用例,这次把tdd加上似乎更完美了。

欢迎阅读本文章: 王向磊

long8娱乐手机版下载

龙8游戏官网