接口自动化框架篇: 接口框架中的数据类型处理

本文链接：https://blog.youkuaiyun.com/software_test010/article/details/147117577

📝 面试求职： 「面试试题小程序」，内容涵盖测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试，命中率杠杠的。（大家刷起来…）

📝 职场经验干货：

软件测试工程师简历上如何编写个人信息（一周8个面试）

软件测试工程师简历上如何编写专业技能（一周8个面试）

软件测试工程师简历上如何编写项目经验（一周8个面试）

软件测试工程师简历上如何编写个人荣誉（一周8个面试）

软件测试行情分享（这些都不了解就别贸然冲了.）

软件测试面试重点，搞清楚这些轻松拿到年薪30W+

软件测试面试刷题小程序免费使用（永久使用）

在接口自动化测试中，数据类型处理是确保接口返回数据正确性和一致性的重要环节。接口返回的数据可能包含多种类型，如字符串、数字、布尔值、列表和字典等。正确处理这些数据类型不仅可以提高测试的准确性，还能增强测试代码的健壮性。本文将详细介绍如何在接口自动化框架中封装和处理各种数据类型，包括常见的数据类型转换、验证和断言。

一、数据类型处理的目标

数据类型转换：将接口返回的数据转换为所需的格式。

数据类型验证：验证接口返回的数据类型是否符合预期。

数据类型断言：在测试用例中对数据类型进行断言，确保数据的正确性。

二、封装数据类型处理工具

为了实现数据类型处理，可以封装一个工具类，提供通用的数据类型转换、验证和断言方法。

（一）安装依赖库

首先，需要安装 jsonschema 库，用于验证 JSON 数据的结构和类型。

pip install jsonschema

（二）封装数据类型处理类

创建一个 data_handler.py 文件，封装数据类型处理工具。

import json

import jsonschema

from jsonschema import validate

class DataHandler:

    @staticmethod

    def convert_to_json(data):

        """

        将数据转换为 JSON 格式。

        :param data: 要转换的数据

        :return: JSON 格式的数据

        """

        try:

            return json.loads(data)

        except json.JSONDecodeError as e:

            raise ValueError(f"数据转换为 JSON 格式失败：{e}")

    @staticmethod

    def validate_json(data, schema):

        """

        验证 JSON 数据是否符合指定的 schema。

        :param data: 要验证的 JSON 数据

        :param schema: JSON Schema

        :raises: jsonschema.exceptions.ValidationError

        """

        validate(instance=data, schema=schema)

    @staticmethod

    def assert_data_type(data, expected_type):

        """

        验证数据类型是否符合预期。

        :param data: 要验证的数据

        :param expected_type: 预期的数据类型

        :raises: AssertionError

        """

        assert isinstance(data, expected_type), f"数据类型不匹配。预期：{expected_type}，实际：{type(data)}"

    @staticmethod

    def assert_data_value(data, expected_value):

        """

        验证数据值是否符合预期。

        :param data: 要验证的数据

        :param expected_value: 预期的数据值

        :raises: AssertionError

        """

        assert data == expected_value, f"数据值不匹配。预期：{expected_value}，实际：{data}"

三、定义 JSON Schema

JSON Schema 是一种用于描述 JSON 数据结构的规范。通过定义 JSON Schema，可以清晰地描述 JSON 数据的结构、字段类型和约束条件。

（一）示例 JSON Schema

假设我们有一个用户信息的 JSON 数据结构，包含以下字段：

id（整数）

name（字符串）

email（字符串）

is_active（布尔值）

对应的 JSON Schema 如下：

{

    "type": "object",

    "properties": {

        "id": {"type": "integer"},

        "name": {"type": "string"},

        "email": {"type": "string"},

        "is_active": {"type": "boolean"}

    },

    "required": ["id", "name", "email", "is_active"]

}‍

四、封装测试用例

在 Pytest 中，可以使用封装的数据类型处理工具来编写测试用例。

（一）创建测试用例文件 test_user_info.py

import pytest

import requests

from data_handler import DataHandler

# 定义 JSON Schema

user_info_schema = {

    "type": "object",

    "properties": {

        "id": {"type": "integer"},

        "name": {"type": "string"},

        "email": {"type": "string"},

        "is_active": {"type": "boolean"}

    },

    "required": ["id", "name", "email", "is_active"]

}

def test_get_user_info():

    url = "https://api.example.com/users/123"

    response = requests.get(url)

    assert response.status_code == 200

    # 将响应数据转换为 JSON 格式

    data = DataHandler.convert_to_json(response.text)

    # 验证 JSON 数据格式

    DataHandler.validate_json(data, user_info_schema)

    # 验证字段类型

    DataHandler.assert_data_type(data["id"], int)

    DataHandler.assert_data_type(data["name"], str)

    DataHandler.assert_data_type(data["email"], str)

    DataHandler.assert_data_type(data["is_active"], bool)

    # 验证字段值

    DataHandler.assert_data_value(data["name"], "John Doe")

    DataHandler.assert_data_value(data["email"], "john.doe@example.com")