项目

tep 是一款测试工具，在 pytest 测试框架基础上集成了第三方包，提供项目脚手架，帮助以写 Python 代码方式，快速实现自动化项目落地。fixture 是 pytest 核心技术，本文聊聊如何使用 fixture 完成变量、接口、用例 3 个级别复用。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 本文开发内容 用例管理是对用例进行增删改查，按照前面文章的思路，把它做出来应该不难，如果你已经自己写好了，那么可以和本文提交的代码比较下看看。除了增删改查，用例管理还需要提供运行用例的入口，在操作列添加一个运行按钮，单条用例运行，并弹窗展示运行结果。用例列表需要能看到每条用例执行情况，添加表格列用于展示，其中“运行结果”列要有超链接，点击查看上次运行结果。为了避免修改别人用例出错，还需要有个复制用例功能。除了在线编辑，平台应支持下载项目环境到本地，无缝切换到 PyCharm，让新用户快速上手。综上所述，本文开发内容如下： 用例增删改查。 运行按钮，点击后弹出“运行用例结果”。 添加表格展示列，其中“运行结果”用颜色区分不同结果状态：passed，failed，error，点击超链接后弹出“查看用例结果”。 复制按钮，点击后生成一条复制的新用例。 新增/编辑页面，添加运行按钮。 运行/查看页面，添加编辑按钮。 下载环境到本地。 工作量主要在前端，后端先做一部分。 编写后端代码 编辑 teprunner/urls.py，添加路由： 除了增删改查，还添加了 2 个接口，一个用于获取用例运行的结果，一个用于复制测试用例。 编辑 teprunner/models.py，添加模型： 第一个 Model 是 Case，没有定义 name 字段，实际上用例 ID 和用例描述已经够用了，name 不知道填什么，有点多余。第二个 Model 是 CaseResult，会记录运行结果，这个运行结果是从 pytest 执行日志最后一行的 Summary 截取出来的，比如 1 passed，1 failed，耗时也是从 Summary 截取出来的。output 存放代码运行后打到控制台的输出日志。最后三个字段记录运行环境、运行人和运行时间，运行时间取的数据库记录被添加/更新的时间。添加好以后迁移到数据库中： python manage.py makemigrations python manage.py migrate 编辑 teprunner/serializers.py，添加序列化器，第一个序列化器是 CaseSerializer： 只关联了 Case 模型的字段。 第二个序列化器是 CaseListSerializer： 它主要用来返回用例列表的数据，除了用例本身，还需要用例结果。serializers.SerializerMethodField 用于自定义序列化字段，定义好字段后，在下面添加get_前缀+字段名的方法，这是 Django 的规则，然后在方法内部添加取值代码，比如 get_result()，instance 是指 Meta.model 定义的模型，这里就等同于 Case，通过 instance.id 获取到 Case.id 并赋值给 case_id 变量，从 CaseResult 的对象中过滤 case_id 匹配的用例结果，按运行时间倒序，取最新 1 条结果的 result 字段的值。其他字段的处理是类似的，runTime 这里做了下日期格式化： ...

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 本文开发内容 现在正式进入测试相关功能开发。teprunner 测试平台底层是 pytest，中间层是 tep，还没了解的朋友可以先看看 tep 的文章，整个平台的设计思路和后面用例的执行都会基于这个工具。tep 的测试用例是放在.py 文件里面的，全局变量或者说环境变量是引用的 env_vars，公共函数和复用接口是引用的 fixtures，在做成平台后，需要把这两个部分独立为两个功能模块。多个项目的接口自动化数据需要隔离开来，要有个项目管理功能。本文将开发四个用例前置模块： 后台管理–项目管理 接口自动化–语法说明 接口自动化–环境变量 接口自动化–fixtures 语法说明给出了环境变量、fixtures、用例示例（单个接口、多个接口–增删改查）、请求方法（get、post、put、delete）的使用方法。 编写后端代码 先创建名为 teprunner 的 app： django-admin startapp teprunner 在 settings 的 INSTALLED_APPS 中添加配置让 app 生效： 并在 urls.py 添加路由： 编辑 user/fixtures/user.json，添加一个接口自动化的菜单： 截图只截了管理员，测试和开发角色，也需要添加上。access 均为 true，这三个角色都可以访问。添加后把数据同步到数据库： python manage.py loaddata user 编辑 teprunner/models.py，新增模型： 包括了项目、环境变量和 fixture 三张表。Project.env_config 用于给项目配置多个环境。不同项目不同环境的环境变量不一样，在 EnvVar 中添加了 project_id 和 env_name，并按(“project_id”, “env_name”, “name”)作为唯一键，不允许重复。不同项目的 fixtures 不同，不关心环境，在 Fixture 中只添加了 project_id。 Fixture.code 用于存放代码，字段类型为 models.TextField，容纳更多字符。 models 编写好后，迁移到数据库： ...

tep 的设计理念是让人人都可以用 Python 写自动化，本文就来介绍如何用 tep 完成增删改查接口自动化。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 系统架构 前端、后端、pytest 均以Docker容器运行服务，单独的容器化执行引擎，项目环境隔离，即用即取，用完即弃，简单，高效。 前端容器：页面交互，请求后端，展示 HTML 报告 后端容器：接收前端请求，启动任务，构建镜像，触发运行 pytest，挂载 HTML 报告 pytest 容器：拉取项目代码，指定目录执行，生成 HTML 报告 说明：构建镜像目前是在宿主机启动后端服务来执行 docker 命令的，暂未支持 Kubernetes 编排。宿主机安装了 Docker，启动服务后，可以执行 docker 命令。如果采用容器部署后端，容器里面不包含 Docker，无法构建，个人想法是可以借助 K8S 来编排，当前版本还未实现 系统流程 支持 2 种运行模式配置：容器和本地。 容器模式：判断是否支持 docker，如果支持，构建 pytest 镜像，在构建时，通过 git 拉取项目代码，再运行容器，按照指定目录执行 pytest，生成测试报告，并将报告文件挂载到后端。如果不支持，降级为本地运行。 本地模式：模拟容器行为，在本地目录拉取代码，执行 pytest，生成测试报告。 效果展示 任务管理： 容器模式： 本地模式： 平台大改造 pytestx 平台更轻、更薄，移除了用例管理、任务关联用例相关功能代码，只保留真正的任务调度功能，backend 的 requirements.txt 解耦，只保留后端依赖，pytest 相关依赖转移到 tep-project。 那如何管理用例呢？约定大于配置，我们约定 pytest 项目已经通过目录维护好了一个稳定的自动化用例集，也就是说需要通过平台任务调度的用例，都统一存放在目录 X 下，这些用例基本不需要维护，可以每日稳定执行，然后将目录 X 配置到平台任务信息中，按指定目录执行用例集。对于那些不够稳定的用例，就不能放到目录 X 下，需要调试好以后再纳入。 为什么不用 marker？pytest 的 marker 确实可以给测试用例打标记，也有人是手动建立任务和用例进行映射，这些方式都不如维护一个稳定的自动化用例集方便，在我们公司平台上，也是维护用例集，作为基础用例集。使用 pytest 项目同理。 ...

本文是一篇过渡，在进行用例管理模块开发之前，有必要把入门篇开发完成的代码部署到 Linux 系统 Docker 中，把部署流程走一遍，这个过程对后端设计有决定性影响。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 背景 在 2022 年 7 月 6 日我曾组织过一次开源测试平台开发报名，有 50+人报名，到 2023 年 1 月 28 日项目暂停，如大家在 Gittee 看到的，除我以外，只有 1 个人真正提交了代码：奉孝。 原因如其中一位同学所说：“感觉我们大部份还是缺少从 0 到 1 的经验，负责的内容有时候不要知道从哪下手，又少了点积极性”。描述得很贴切，可能刚开始动力很足，但因为缺少经验，不够积极，最后实践不了。说的很好，就是做不到。也很无奈。 二次启动，分为 2 个阶段，第一个阶段是学习阶段，我带着大家一起把 teprunner 平台从 0 到 1 开发一遍，把需要掌握的知识先学一遍，保证有一定基础，挑战能够独立完成模块开发。第二个阶段是开发阶段，共同完成 EasyPytest 测试平台开发，学以致用，加深对前后端分离项目开发的理解，具有真实的平台开发实践。 学习阶段 你都不维护了，我为什么还要学 teprunner？Django 没意思？我想学 FastAPI？ teprunner 有一套完整教程，包括前后端源码、11 篇电子书教程、2 小时视频讲解，虽然我因为工作原因没有继续维护 teprunner，但是它仍然非常适合初学者入门学习测试开发，掌握里面的知识，对于后续学习其他技术，都有很大帮助。我的技术提升除了二刷《流畅的 Python》和编写了 tep 开源工具，最大的提升就是完成了 teprunner 测试平台开发，如果你也能自己动手完成一遍，一定有极大提升。 Django、Flask、FastAPI、SpringBoot，我认为从入门者角度来说，Django 是最适合的，它属于开箱即用的框架，很多东西都给你准备好了，你用就行，避免刚开始就陷入环境搭建，三方库拼装、数据库维护的麻烦中，降低理解门槛和操作难度。学会了 Django，再学其他的，也很简单，一通百通。刚开始学习，学哪个不是最重要的，最重要的是先学会一个，迈出第一步。以我的经验来说，学习成熟框架 Django 是个正确选择。 开发阶段 EasyPytest 的后端把 Django 切换为了 FastAPI，掌握了 Django，再对比 FastAPI，就能对后端开发框架有更深入的理解。就像我学 Python 和 Java 一样，只学一门百思不得其解，对比一看，豁然开朗。目前已经完成了登录、首页、用户管理的开发，Gitee 也有相应源码。未来的规划，是做 teprunner 的升级版，实现 pytest 平台化，80%工作本地开发脚本，20%工作交给平台编排运行。 ...

温馨提示：开发指南，根据 V2.0.0 编写，不随版本更新维护，仅供入门参考。最新实现请结合教程和源码阅读，教程会在版本发布后维护。

如果没有这次全量数据对比工具，那么也许这个历史问题会继续隐藏着，直到发生线上事故才暴露出来，毕竟人工抽样验证发现的概率只有5.8%。

本书作者：测试开发刚哥，文章版权归个人所有，未经授权请勿转载。 概览 脚手架： 目录： 用例代码： """ 测试登录到下单流程，需要先启动后端服务 """ test_data = { "查询SKU": { "skuName": "电子书" }, "添加购物车": { "skuId": 123, "skuNum": 2 }, "下单": { "orderId": 222, "payAmount": "0.2" }, "支付": { "skuId": 123, "price": 0.1, "skuNum": 2, "totalPrice": 0.2 }, } case_vars = dict() def test(http, login_headers, file_data): # 搜索商品 url = file_data["domain"] + "/api/tasks/mock/searchSku" body = test_data["查询SKU"] response = http("get", url=url, headers=login_headers, params=body) assert response.status_code < 400 case_vars["skuId"] = response.jsonpath("$.skuId") case_vars["skuPrice"] = response.jsonpath("$.price") # 添加购物车 url = file_data["domain"] + "/api/tasks/mock/addCart" body = test_data["添加购物车"] body["skuId"] = case_vars["skuId"] response = http("post", url=url, headers=login_headers, json=body) assert response.status_code < 400 case_vars["skuNum"] = response.jsonpath("$.skuNum") case_vars["totalPrice"] = response.jsonpath("$.totalPrice") # 下单 url = file_data["domain"] + "/api/tasks/mock/order" body = test_data["下单"] body["skuId"] = case_vars["skuId"] body["price"] = case_vars["skuPrice"] body["skuNum"] = case_vars["skuNum"] body["totalPrice"] = case_vars["totalPrice"] response = http("post", url=url, headers=login_headers, json=body) assert response.status_code < 400 case_vars["orderId"] = response.jsonpath("$.orderId") # 支付 url = file_data["domain"] + "/api/tasks/mock/pay" body = test_data["支付"] body["orderId"] = case_vars["orderId"] response = http("post", url=url, headers=login_headers, json=body) assert response.status_code < 400 assert response.jsonpath("$.success") == "true" 页面下载脚手架 启动平台前后端服务后，从页面下载脚手架，平台会拉取开源项目 tep-project 最新代码，打成压缩包，生成下载文件，弹窗下载。 ...