Python接口自动化测试框架(基础篇)-- 基础语法(真的很基础)

简介: 这篇文章是关于Python编程语言的基础语法介绍,包括编码、标识符、注释、行和缩进、输入输出以及导包等基础知识点,旨在帮助初学者理解并掌握Python编程的基础。

前言

作者的python编程基础篇已经写到了函数和内置函数,尽管没讲python多少的书写语法,上来就咔咔咔的写代码讲概念再以代码演示,作者默认了读者应该或自学已有python基础,但是对于大多数小白的同学可能会一脸茫然不知所措,故此特意加一篇基础语法以达解惑。

基础语法

编码

python语言在大多数情况下使用被认定为脚本语言,因为它可以以最小py模块的方式运行,不需要编译,拿来即用非常的方便,在linux环境下更是如鱼得水;故此它的开头需要有编码格式的开头,但它默认就是utf-8编码的Unicode字符串,所以常常看不到这一行;当然如果有需要可以指定其他格式的Unicode编码格式

# -*- coding: utf-8 -*-

标识符

标识符是变量、类名、方法名的统称,不是作为单独存在的个体;那么有以下几个特别注意的点:

  • 必须是以字母或_下划线开头,不能是数字、$美元符号开头
  • 开头后其他部分可以有字母、数字、下划线组成
  • 标识符对于字母大小写敏感

标识符命名规则

规则很重要,不要乱七八糟,最好见名知意;其次就是书写规则,提高可读性

  • 遵循标识符命名规则:必须是字母或下划线_开头
  • 变量和值中间的=赋值符号有空格:a = 1
  • 变量如果比较长,使用下划线连接:first_name = “Joe”
  • 类名规范建议是大驼峰命名,单词首字母大写:class MyFirstClass:
  • 方法名同变量命名,如果有继承的话,尽量避免_或__开头命名
  • 小驼峰命名法,比较少在python中见到:firstName
  • 所有变量或方法名,尽量不要使用内置关键字命名,以免造成功能覆盖
  • python提供了一个keyword模块,里面有所有关键字(保留字)
import keyword

print(keyword.kwlist)
# 输出:['False', 'None', 'True', 'and', 'as', 'assert', 'async', 'await', 'break', 'class', 'continue', 'def', 'del', 'elif', 'else', 'except', 'finally', 'for', 'from', 'global', 'if', 'import', 'in', 'is', 'lambda', 'nonlocal', 'not', 'or', 'pass', 'raise', 'return', 'try', 'while', 'with', 'yield']

注释

养成良好的编码习惯,写注释是为方便大家,不是方面下一家。

  • 单行注释,使用#井号

# 这是一行注释,不会被输出

a = 1

print(a) # 这是第二行注释

# 输出:1
  • 多行注释,成对的三个单引号或双引号
'''
这里的注释在程序运行过程中不会被输出
'''

"""
这里也表示多行注释
"""

print("Hello World!")

行和缩进

作者在初学python的时候,被它的缩进差点搞疯,一个是真的不习惯(从java到python的转变),二是没有使用良好的IDE编辑工具

  • 行,如果没有特殊情况,代码应该顶格对齐,如果有,那么需要有缩进,它没有{}这样的符号表示代码块

a = 1

b = 2

for i range(10):
print(a) # 在这里是错误的,已经换行了,在:之后的代码块必须有缩进
    print(a) # 前面对于for是有4个空格
  • 多行,一个字符串变量或者其他类型,如果要表示为一行则需要使用\符号

a1 = "这里是一行比较长的字符串,如果太长影响美观,则需要换行美化"

print(a1) 

a2 = "这里是一行比较长的字符串,\ 
    如果太长影响美观,\
    则需要换行美化"

print(a2) # 输出都一样

输入和输出

  • input(),输入函数,python与客户端进行交互时使用,输入的是字符串类型
  • print(), 输出函数,可以格式化输出任意数据类型;后面会讲字符串格式化输出

一行显示多条语句

  • 在python中;分号就是分隔符
import sys;print(sys.__doc__)
# 输出sys模块里面所有的方法和属性及用法说明

导包

这个在封装或引用时使用,格式有import、from…import;主要作用是引入外部模块或第三方库,即不在本py模块中定义,需要引入外部库

import sys

print(sys.platform) # 输出当前环境的系统:win32

总结

python编程的语法基础,到这里就算结束了,后面会继续介绍其更多更有趣的知识;同时对于python的学习,不要仅限于看书、读书、逛论坛,应该是勤加练习、不断的巩固基础知识,基础不牢、地动山摇,切记切记!

相关文章
|
5天前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【9月更文挑战第9天】在数字化时代,确保软件系统在高并发场景下的稳定性至关重要。Python 为此提供了丰富的性能测试工具,如 JMeter 和 Locust。JMeter 可模拟复杂请求场景,而 Locust 则能更灵活地模拟真实用户行为。结合两者优势,可全面评估系统性能并优化瓶颈。例如,在电商网站促销期间,通过 JMeter 模拟大量登录请求并用 Locust 模拟用户浏览和购物行为,可有效识别并解决性能问题,从而提升系统稳定性和用户体验。这种组合为性能测试开辟了新道路,助力应对复杂挑战。
20 2
|
1天前
|
SQL JavaScript 前端开发
基于Python访问Hive的pytest测试代码实现
根据《用Java、Python来开发Hive应用》一文,建立了使用Python、来开发Hive应用的方法,产生的代码如下
12 6
基于Python访问Hive的pytest测试代码实现
|
2天前
|
数据可视化 数据管理 测试技术
聊聊自动化测试框架
关于自动化测试框架的一些理解和思考总结,就是上面这些内容,提到的一些框架组件可能存在不合理的地方,仅供参考,如有更好的建议,请指出,不胜感激
12 4
聊聊自动化测试框架
|
5天前
|
数据采集 人工智能 程序员
避坑指南!细说Python自动化办公的5大缺点
Python如今变得愈发流行,不仅程序员,许多非专业人员也开始学习它,主要目的是提高工作效率而非成为专家。然而,Python自动化办公并非完美,存在一些缺点:首先,它仅支持Windows系统,这对Mac用户不太友好;其次,其功能虽强大但不够专业,大多功能一行代码即可完成;再者,代码包体积较大,约200MB;此外,技术门槛较低,难以形成职业优势;最后,相较于专业代码,它的启动速度较慢。即便如此,它依然比人工操作高效得多。如果能接受以上缺点,可参考《50讲·Python自动化办公》教程,快速掌握自动化办公技能。
46 29
|
4天前
|
安全 JavaScript 前端开发
自动化测试的魔法:如何用Python编写你的第一个测试脚本
【8月更文挑战第41天】在软件的世界里,质量是王道。而自动化测试,就像是维护这个王国的骑士,确保我们的软件产品坚不可摧。本文将引导你进入自动化测试的奇妙世界,教你如何使用Python这把强大的魔法杖,编写出能够守护你代码安全的第一道防护咒语。让我们一起开启这场魔法之旅吧!
|
9天前
|
测试技术 API Python
python在自动化测试中的经典例子
python在自动化测试中的经典例子
23 12
|
4天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
【9月更文挑战第10天】随着软件应用的不断扩展,性能测试成为确保系统稳定运行的关键环节。本文通过对比Apache JMeter和Locust,探讨了如何在Python环境中利用这两款工具挖掘更多性能测试潜力。JMeter是一款成熟且功能强大的开源工具,支持多种协议,适用于各种应用的测试;而Locust则基于Python,通过简单脚本模拟HTTP请求,更适合Web应用测试。
13 2
|
8天前
|
存储 Java 关系型数据库
“代码界的魔法师:揭秘Micronaut框架下如何用测试驱动开发将简单图书管理系统变成性能怪兽!
【9月更文挑战第6天】Micronaut框架凭借其轻量级和高性能特性,在Java应用开发中备受青睐。本文通过一个图书管理系统的案例,介绍了在Micronaut下从单元测试到集成测试的全流程。首先,我们使用`@MicronautTest`注解编写了一个简单的`BookService`单元测试,验证添加图书功能;接着,通过集成测试验证了`BookService`与数据库的交互。整个过程展示了Micronaut强大的依赖注入和测试支持,使测试编写变得更加高效和简单。
25 4
|
9天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
【9月更文挑战第5天】性能测试是确保应用在高负载下稳定运行的关键。本文介绍Apache JMeter和Locust两款常用性能测试工具,帮助识别并解决性能瓶颈。JMeter适用于测试静态和动态资源,而Locust则通过Python脚本模拟HTTP请求。文章详细讲解了安装、配置及使用方法,并提供了实战案例,帮助你掌握性能测试技巧,提升应用性能。通过分析测试结果、模拟并发、检查资源使用情况及代码优化,确保应用在高并发环境下表现优异。
36 5
|
6天前
|
消息中间件 监控 测试技术
惊呆了!Python性能测试高手都用这些神器:JMeter+Locust,效率翻倍📈
【9月更文挑战第8天】在软件开发中,性能测试对确保应用稳定性和高效运行至关重要。对于Python开发者而言,选择合适的性能测试工具能显著提升测试效率并精准定位性能瓶颈。本文深入探讨了JMeter和Locust这两款工具的独特优势。JMeter作为跨平台的性能测试工具,支持多种协议,具备高度可定制性和扩展性;而Locust则专为Python应用设计,利用协程实现高并发,提供实时监控和分布式测试功能。两者结合使用,可在实际项目中实现1+1>2的效果,帮助开发者构建全面高效的测试方案,保障应用稳定运行。
30 1