一个数据驱动的API测试框架

简介: 一个数据驱动的API测试框架

大家好,我是阿萨。昨天写了很多可用的python类库。今天针对数据驱动框架,写一个带源码的最简单的框架,只是示意代码,自己回去要修改的。


以下是一个简单的Python代码示例,演示如何创建一个数据驱动的API自动化测试框架,满足您的要求。请注意,这只是一个基本框架,您可以根据您的具体需求进行扩展和改进。

```python
import requests
import json
import csv
import unittest
from HTMLTestRunner import HTMLTestRunner
# 1. 从单独文件中读取配置数据
def read_test_data_from_csv(csv_file):
test_data = []
with open(csv_file, 'r', newline='') as file:
reader = csv.DictReader(file)
for row in reader:
test_data.append(row)
return test_data
# 2. 接口输入参数使用json或者csv
def run_api_test(data):
test_results = []
for test_case in data:
url = test_case['url']
method = test_case['method']
headers = json.loads(test_case['headers'])
payload = json.loads(test_case['payload'])
expected_response_code = int(test_case['expected_response_code'])
response = None
try:
if method == 'GET':
response = requests.get(url, headers=headers)
elif method == 'POST':
response = requests.post(url, headers=headers, json=payload)
# 检查响应状态码
if response.status_code == expected_response_code:
test_results.append({'test_case': test_case, 'result': 'Pass'})
else:
test_results.append({'test_case': test_case, 'result': 'Fail', 'reason': f'Expected {expected_response_code}, but got {response.status_code}'})
except Exception as e:
test_results.append({'test_case': test_case, 'result': 'Error', 'reason': str(e)})
return test_results
# 3. 输出结果使用html方式
def generate_html_report(test_results):
with open('test_report.html', 'w', encoding='utf-8') as file:
runner = HTMLTestRunner(stream=file, title='API Test Report', description='Test results for API tests')
runner.run(unittest.TestLoader().loadTestsFromTestCase(ApiTest))
# 4. 测试报告,要有统计测试用例失败以及失败原因
class ApiTest(unittest.TestCase):
def test_api(self):
test_data = read_test_data_from_csv('test_data.csv')
results = run_api_test(test_data)
for result in results:
self.assertEqual(result['result'], 'Pass', result.get('reason', ''))
if __name__ == '__main__':
unittest.main()
generate_html_report()
```


请确保已安装必要的库,如requests、json、csv、unittest以及HTMLTestRunner。您需要将测试数据保存在名为'test_data.csv'的CSV文件中,并根据您的实际API测试需求进行配置。此示例中的测试报告将生成为'test_report.html'文件。l


这只是一个基本的框架,您可以根据您的项目需求进行扩展和优化。

相关文章
|
5天前
|
Prometheus 监控 Cloud Native
如何查看商品销量 API 接口的性能指标数据?
要查看商品销量 API 接口的性能指标数据,可以通过以下几种方法:1. 使用第三方或开源 API 监控工具,如 Datadog、New Relic、Prometheus 和 Grafana;2. 在代码中手动记录时间戳或使用性能测量库;3. 查看 API 提供商的文档和报告;4. 进行负载测试,使用工具如 Apache JMeter 和 Gatling。这些方法可以帮助你全面评估 API 的性能表现。
23 2
|
4天前
|
存储 测试技术 数据库
数据驱动测试和关键词驱动测试的区别
数据驱动测试 数据驱动测试或 DDT 也被称为参数化测试。
|
9天前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
28 0
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
|
9天前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
20 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
12天前
|
Web App开发 设计模式 测试技术
自动化测试框架的搭建与实践
【10月更文挑战第5天】本文将引导你理解自动化测试框架的重要性,并通过实际操作案例,展示如何从零开始搭建一个自动化测试框架。文章不仅涵盖理论,还提供具体的代码示例和操作步骤,确保读者能够获得实用技能,提升软件质量保障的效率和效果。
|
12天前
|
存储 JavaScript 前端开发
Blazor 调用 Clipboard API 读写剪贴板数据
【10月更文挑战第14天】Blazor 是一个使用 .NET 和 C# 构建交互式 Web UI 的框架。由于浏览器安全策略,直接访问某些原生 API(如 Clipboard API)受限。通过 JavaScript 互操作性(JS Interop),可在 Blazor 中调用这些 API。首先在 HTML 定义 JavaScript 函数,再通过 `IJSRuntime` 调用。此外,需注意不同浏览器对 Clipboard API 的支持程度及用户隐私授权问题。
|
12天前
|
SQL 消息中间件 大数据
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
30 1
|
12天前
|
SQL 大数据 Apache
大数据-159 Apache Kylin 构建Cube 准备和测试数据(二)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(二)
43 1
|
6天前
|
JSON API 数据格式
商品详情数据JSON格式示例参考(api接口)
JSON数据格式的商品详情数据通常包含商品的多个层级信息,以下是一个综合多个来源信息的JSON数据格式的商品详情数据示例参考:
|
12天前
|
存储 SQL 分布式计算
大数据-135 - ClickHouse 集群 - 数据类型 实际测试
大数据-135 - ClickHouse 集群 - 数据类型 实际测试
25 0