Pytest 接口关联

在接口自动化测试中，接口之间通常存在关联关系，比如前一个接口返回的数据需要传递给后续接口使用。以下是 Pytest 中实现接口关联的方法和详细讲解。

1. 什么是接口关联？

接口关联指的是一个接口的输出作为另一个接口的输入。常见的场景包括：

• 登录接口返回的 token 需要传递给后续的接口。
• 查询接口返回的 ID 用于更新或删除操作。
• 多接口之间的数据依赖，比如依赖创建的资源进行操作。

2. 实现接口关联的常见方法

方法一：使用全局变量

直接使用全局变量存储接口返回值，供其他接口使用。

示例代码：

import pytest
import requests

# 全局变量
global_data = {}

def test_login():
    url = "http://example.com/api/login"
    data = {"username": "user", "password": "pass"}
    response = requests.post(url, json=data)
    assert response.status_code == 200
    # 提取 token 并存储在全局变量中
    global_data["token"] = response.json().get("token")

def test_get_user_info():
    url = "http://example.com/api/user"
    headers = {"Authorization": f"Bearer {global_data['token']}"}
    response = requests.get(url, headers=headers)
    assert response.status_code == 200

优点：

• 简单易用，适合小型测试场景。

缺点：

• 全局变量可能导致测试数据污染，尤其在并发测试时。

方法二：使用 Fixture

通过 Pytest 的 Fixture 动态传递数据，避免全局变量的污染问题。

示例代码：

import pytest
import requests

@pytest.fixture
def login():
    url = "http://example.com/api/login"
    data = {"username": "user", "password": "pass"}
    response = requests.post(url, json=data)
    assert response.status_code == 200
    # 返回 token
    return response.json().get("token")

def test_get_user_info(login):
    url = "http://example.com/api/user"
    headers = {"Authorization": f"Bearer {login}"}
    response = requests.get(url, headers=headers)
    assert response.status_code == 200

优点：

• Fixture 的作用域可以控制数据的生命周期，适合中小型测试。
• 代码结构清晰，易于维护。

缺点：

• Fixture 的嵌套复杂性可能增加。

方法三：上下文管理（Context）

通过上下文类集中管理接口之间的关联数据，适合复杂项目。

示例代码：

import pytest
import requests

class Context:
    def __init__(self):
        self.data = {}

    def set(self, key, value):
        self.data[key] = value

    def get(self, key):
        return self.data.get(key)

@pytest.fixture(scope="session")
def context():
    return Context()

def test_login(context):
    url = "http://example.com/api/login"
    data = {"username": "user", "password": "pass"}
    response = requests.post(url, json=data)
    assert response.status_code == 200
    # 存储 token
    context.set("token", response.json().get("token"))

def test_get_user_info(context):
    url = "http://example.com/api/user"
    headers = {"Authorization": f"Bearer {context.get('token')}"}
    response = requests.get(url, headers=headers)
    assert response.status_code == 200

优点：

• 数据管理集中化，适合大型测试项目。
• 支持复杂的关联数据。

缺点：

• 代码稍微复杂，需要额外维护上下文类。

方法四：参数化动态传递数据

通过参数化结合接口调用动态传递数据。

示例代码：

import pytest
import requests

def login():
    url = "http://example.com/api/login"
    data = {"username": "user", "password": "pass"}
    response = requests.post(url, json=data)
    assert response.status_code == 200
    return response.json().get("token")

@pytest.mark.parametrize("token", [login()])
def test_get_user_info(token):
    url = "http://example.com/api/user"
    headers = {"Authorization": f"Bearer {token}"}
    response = requests.get(url, headers=headers)
    assert response.status_code == 200

优点：

• 简洁，适合测试用例数量少的场景。

缺点：

• 需要提前调用依赖接口，无法动态更新参数。

方法五：测试用例之间共享数据

通过 request.node 实现测试用例之间的数据共享。

示例代码：

import pytest
import requests

@pytest.fixture(scope="module")
def shared_data(request):
    request.node.shared_data = {}
    return request.node.shared_data

def test_login(shared_data):
    url = "http://example.com/api/login"
    data = {"username": "user", "password": "pass"}
    response = requests.post(url, json=data)
    assert response.status_code == 200
    # 存储 token
    shared_data["token"] = response.json().get("token")

def test_get_user_info(shared_data):
    url = "http://example.com/api/user"
    headers = {"Authorization": f"Bearer {shared_data['token']}"}
    response = requests.get(url, headers=headers)
    assert response.status_code == 200

优点：

• 测试用例之间可以共享数据。
• 避免全局变量污染。

缺点：

• 不支持多线程并发测试。

3. 各方法适用场景对比