Python+Requests零基础系统掌握接口自动化测试---youkeit.xyz/1008/
在当今的软件开发世界里，前后端分离、微服务架构已成为主流。API（应用程序编程接口）不再是后端的附属品，而是整个系统的核心枢纽。无论是 Web 前端、移动 App 还是微信小程序，它们都通过 API 与服务器进行数据交互。因此，高效、精准的接口测试，是保障产品质量、提升研发效率的关键。
Python 语言凭借其简洁的语法和强大的生态，加上 requests 这个“人手必备”的 HTTP 库，成为了接口自动化测试领域的绝对王者。本文将为你铺设一条从新手到专家的进阶之路，让你不仅能玩转 requests，更能构建起覆盖多端业务的自动化测试体系。
第一阶段：入门篇——发送你的第一个请求
这个阶段的目标是熟悉 requests 的基本用法，能够对单个接口进行请求和断言。
1. 安装与环境准备
首先，确保你已经安装了 Python。然后，通过 pip 安装 requests 库：
bash
复制
pip install requests
2. 核心四步曲：GET、POST、PUT、DELETE
HTTP 协议中最常见的四种请求方法，requests 都提供了对应的方法。
代码示例：GET 请求（获取数据）
python
复制
import requests
# 目标URL（这里以一个公共的测试API为例）
url = "https://jsonplaceholder.typicode.com/posts/1"
# 发送GET请求
response = requests.get(url)
# 打印响应结果
print(f"状态码: {response.status_code}")
print(f"响应头: {response.headers}")
print(f"响应内容 (JSON): {response.json()}")
print(f"响应内容 (文本): {response.text}")
代码示例：POST 请求（创建数据）
python
复制
import requests
import json
url = "https://jsonplaceholder.typicode.com/posts"
# 请求体数据
payload = {
'title': 'foo',
'body': 'bar',
'userId': 1
}
# 发送POST请求，headers指定内容类型为JSON
headers = {'Content-Type': 'application/json'}
response = requests.post(url, data=json.dumps(payload), headers=headers)
# 或者更简洁地使用 json 参数，requests 会自动序列化并设置 Content-Type
# response = requests.post(url, json=payload)
print(f"状态码: {response.status_code}")
print(f"创建的资源ID: {response.json()['id']}")
PUT（更新）和 DELETE（删除） 的用法与 POST 类似，只需调用 requests.put() 和 requests.delete() 即可。
3. 响应处理与断言
测试的核心在于“断言”，即验证结果是否符合预期。
代码示例：添加断言
python
复制
import requests
url = "https://jsonplaceholder.typicode.com/posts/1"
response = requests.get(url)
# --- 断言开始 ---
# 1. 断言状态码是否为 200
assert response.status_code == 200, f"期望状态码为200，但实际为 {response.status_code}"
# 2. 断言响应头中的 Content-Type
assert 'application/json' in response.headers['Content-Type']
# 3. 断言响应体中的数据
response_data = response.json()
assert response_data['userId'] == 1
assert 'sunt aut facere' in response_data['title']
print("所有断言通过！")
第一阶段结束时，你应该能： 独立完成对任何已知接口的请求，并能编写基本的断言来验证其正确性。
第二阶段：进阶篇——处理真实世界的复杂性
真实世界的接口测试远比上面复杂。你需要处理认证、动态参数、文件上传、异常情况等。
1. 处理认证：Cookie、Session、Token
- Cookie/Session 认证：
requests的Session对象能自动处理 Cookie，非常方便。
python
复制
import requests
# 创建一个Session对象，它会跨请求保持Cookie
s = requests.Session()
# 1. 登录接口，Session会自动保存返回的Cookie
login_data = {'username': 'testuser', 'password': 'password123'}
s.post("https://example.com/login", data=login_data)
# 2. 访问需要登录才能访问的接口，无需手动携带Cookie
response = s.get("https://example.com/user/profile")
print(response.json()) # 成功获取到用户信息
- Token 认证 (Bearer Token) ：是目前 API 最主流的认证方式，通常放在请求头中。
python
复制
import requests
# 假设这是通过登录获取到的token
auth_token = "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..."
headers = {
'Authorization': f'Bearer {auth_token}'
}
response = requests.get("https://api.example.com/secure/data", headers=headers)
print(response.json())
2. 处理动态参数与关联
接口测试中，一个接口的输出往往是另一个接口的输入。例如，创建订单后，需要用返回的订单ID去查询订单详情。
代码示例：接口关联
python
复制
import requests
# 1. 创建订单
create_order_url = "https://api.example.com/orders"
order_data = {"productId": 123, "quantity": 2}
create_response = requests.post(create_order_url, json=order_data)
# 从响应中提取订单ID
order_id = create_response.json()['orderId']
print(f"订单创建成功，ID: {order_id}")
# 2. 使用订单ID查询订单详情
get_order_url = f"https://api.example.com/orders/{order_id}"
get_response = requests.get(get_order_url)
# 断言订单详情
assert get_response.json()['productId'] == 123
print("订单详情查询并断言成功！")
3. 文件上传与下载
- 文件上传
python
复制
import requests
url = "https://api.example.com/upload"
# 'files' 参数接收一个字典，key是表单字段名，value是文件对象
files = {'file': open('report.pdf', 'rb')}
response = requests.post(url, files=files)
print(response.status_code)
- 文件下载
python
复制
import requests
url = "https://example.com/somefile.zip"
response = requests.get(url, stream=True) # stream=True 对于大文件很重要
with open('downloaded_file.zip', 'wb') as f:
for chunk in response.iter_content(chunk_size=8192):
f.write(chunk)
print("文件下载完成！")
第二阶段结束时，你应该能： 轻松应对各种认证方式，自如地处理接口间的数据依赖，并能进行文件相关的测试。
第三阶段：精通篇——构建自动化测试框架
单个脚本的测试能力有限，我们需要一个框架来组织用例、管理配置、生成报告，实现真正的自动化。
1. 框架设计思想
一个基础的测试框架应包含：
- 配置管理：将环境地址、账号密码等可变信息抽离到配置文件。
- 用例组织：将测试数据和测试逻辑分离，方便维护和扩展。
- 断言封装：提供更丰富、更易读的断言方法。
- 报告生成：自动生成可视化测试报告。
2. 实战：基于 Pytest 的轻量级框架
pytest 是 Python 最强大的测试框架之一，与 requests 结合堪称完美。
项目结构：
复制
api_test_project/
├── config/
│ └── settings.py # 配置文件
├── test_data/
│ └── user_data.json # 测试数据
├── utils/
│ └── api_client.py # 封装的API客户端
├── test_cases/
│ └── test_user_api.py # 测试用例
└── requirements.txt # 项目依赖
代码实现：
config/settings.py
python
复制
# 开发环境
DEV = {
'base_url': 'https://dev-api.example.com'
}
# 生产环境
PROD = {
'base_url': 'https://api.example.com'
}
# 默认使用开发环境
config = DEV
utils/api_client.py(封装一个 BaseClient)
python
复制
import requests
from config.settings import config
class BaseClient:
def __init__(self):
self.base_url = config['base_url']
self.session = requests.Session()
self.token = None
def login(self, username, password):
"""登录并获取token"""
login_data = {"username": username, "password": password}
response = self.session.post(f"{self.base_url}/login", json=login_data)
response.raise_for_status() # 如果请求失败，抛出异常
self.token = response.json()['token']
self.session.headers.update({'Authorization': f'Bearer {self.token}'})
def get(self, endpoint, **kwargs):
return self.session.get(f"{self.base_url}{endpoint}", **kwargs)
def post(self, endpoint, **kwargs):
return self.session.post(f"{self.base_url}{endpoint}", **kwargs)
test_cases/test_user_api.py(使用 pytest 编写用例)
python
复制
import pytest
from utils.api_client import BaseClient
# pytest 的 Fixture，用于创建和销毁客户端实例
@pytest.fixture(scope="module")
def api_client():
client = BaseClient()
# 假设所有用例都需要登录
client.login("testuser", "password123")
yield client
# 这里可以添加清理代码，比如 client.logout()
def test_get_user_profile(api_client):
"""测试获取用户信息"""
response = api_client.get("/user/profile")
assert response.status_code == 200
assert response.json()['username'] == "testuser"
def test_update_user_profile(api_client):
"""测试更新用户信息"""
update_data = {"nickname": "New Nickname"}
response = api_client.post("/user/profile", json=update_data)
assert response.status_code == 200
# 验证更新是否成功
response = api_client.get("/user/profile")
assert response.json()['nickname'] == "New Nickname"
- 运行测试并生成报告
bash
复制
# 安装依赖
pip install requests pytest pytest-html
# 运行测试并生成HTML报告
pytest --html=report.html
第三阶段结束时，你应该能： 独立搭建一个结构清晰、易于维护的接口自动化测试框架，并能持续集成到 CI/CD 流程中。
第四阶段：宗师篇——打通多端接口联动测试
这是接口测试的终极挑战：模拟一个完整的用户业务流，这个流程可能跨越 Web 端、App 端和小程序，它们调用不同的后端微服务，但数据是互联互通的。
1. 场景：用户在 App 下单，然后在 Web 端查看订单
这个流程涉及：
- App 端：调用“用户认证”微服务 -> 调用“商品”微服务 -> 调用“订单”微服务。
- Web 端：调用“用户认证”微服务 -> 调用“订单”微服务。
2. 测试策略：业务流驱动
我们的测试不再是按 API 划分，而是按“用户故事”或“业务流”来组织。
代码示例：模拟跨端下单-查看流程
python
复制
import pytest
from utils.api_client import BaseClient
# 我们可以扩展 BaseClient 或创建不同的客户端来模拟不同端
# 这里为了简化，仍使用一个客户端，但逻辑上区分端
@pytest.fixture(scope="module")
def app_client():
"""模拟App客户端"""
client = BaseClient()
# App端可能使用不同的登录方式或client_id
client.login("app_user", "password")
client.session.headers.update({'X-Client-Platform': 'App'}) # 添加平台标识
yield client
@pytest.fixture(scope="module")
def web_client():
"""模拟Web客户端"""
client = BaseClient()
client.login("web_user", "password") # 可能是同一个账号
client.session.headers.update({'X-Client-Platform': 'Web'})
yield client
def test_cross_platform_order_flow(app_client, web_client):
"""
测试完整的跨端业务流：
1. App端用户下单
2. Web端用户查看该订单
"""
# --- 步骤1: App端下单 ---
order_payload = {"productId": "prod-001", "quantity": 1}
app_order_response = app_client.post("/orders", json=order_payload)
assert app_order_response.status_code == 201
order_id = app_order_response.json()['orderId']
print(f"App端下单成功，订单ID: {order_id}")
# --- 步骤2: Web端查看订单 ---
# 注意：这里假设App和Web登录的是同一个账号，所以能看到订单
web_order_response = web_client.get(f"/orders/{order_id}")
assert web_order_response.status_code == 200
order_detail = web_order_response.json()
assert order_detail['productId'] == "prod-001"
assert order_detail['status'] == 'CREATED'
print(f"Web端成功查到订单，状态: {order_detail['status']}")
# --- 步骤3: App端支付订单 ---
pay_response = app_client.post(f"/orders/{order_id}/pay")
assert pay_response.status_code == 200
print("App端支付成功")
# --- 步骤4: Web端再次查看，验证状态更新 ---
web_order_response_after_pay = web_client.get(f"/orders/{order_id}")
assert web_order_response_after_pay.json()['status'] == 'PAID'
print("Web端验证订单状态已更新为'已支付'")
引用
3. 核心思想
- 数据驱动：测试数据（如用户账号、商品ID）应外部化，支持不同场景的切换。
- 状态管理：清晰地知道每一步操作后，系统的数据状态应该是什么，并用下一个操作去验证它。
- 环境隔离：确保测试在独立的环境中运行，避免与开发或生产数据混淆。
- Mock 与 Stub：当依赖的第三方服务不可用或不稳定时，使用 Mock 技术模拟其响应，保证测试的稳定性。
第四阶段结束时，你已经不再是“接口测试工程师”，而是“API 质量保障专家”。 你能够站在用户和业务的视角，设计和执行端到端的复杂场景测试，为整个系统的稳定性和一致性提供最高级别的保障。
结语
从 requests.get() 的一行代码，到驱动多端业务联动的自动化框架，这条路是每一位优秀测试工程师的成长缩影。requests 是你手中最锋利的剑，而 Python 的生态则是你坚实的后盾。掌握它们，你便拥有了洞察系统内部运作、保障产品质量的强大能力。不断实践，持续思考，你将在 API 测试的道路上走得更远，成为团队中不可或缺的核心力量。
