一. Fiddler 抓包工具

1.1 Fiddler 工具介绍和安装

Fiddler 是一款功能强大的 HTTP 调试代理工具，能够全面记录并深入检查您的计算机与互联网之间的 HTTP 和 HTTPS 通信数据。其主界面布局清晰，主要包含菜单栏、工具栏、树形标签栏和内容栏。

1.2 Fiddler 工具的基本结构介绍

对 Fiddler 各个组成部分的功能和作用进行详细说明：

• 菜单栏：涵盖了丰富多样的操作和功能选项，例如 File（文件）用于文件相关操作，Edit（编辑）用于编辑会话等，而 Rules（规则）则用于设置各种捕获和处理规则。

  1.“File”（文件）：负责文件的打开、保存、导入和导出等操作。

  2.“Edit”（编辑）：提供对会话的编辑功能，如复制、删除、查找等。

  3.“Rules”（规则）：允许自定义各种捕获和处理规则，以满足特定的调试需求。

  4.“Tools”（工具）：包含一些辅助工具，如文本编码转换等。

• 工具栏：集中了一系列常用功能的快捷按钮，像是“Capture Traffic”（捕获流量）按钮用于启动或停止捕获请求，“Clear Sessions”（清除会话）按钮用于一键清空捕获到的会话列表。

  1.“Capture Traffic”（捕获流量）：控制捕获的开始与停止。

  2.“Decode”（解码）：对数据进行自动解码，方便查看。

  3.“Find Session”（查找会话）：快速定位特定的会话。

• 树形标签栏：直观地展示了捕获到的 HTTP 会话列表，您可以依据不同的分类标准进行灵活的过滤和排序，迅速找到所需的会话。

  1.以清晰的树形结构展示会话，可按进程、主机、请求类型等分类。

  2.支持右键菜单进行更多操作，如重发请求等。

• 内容栏：详细呈现了选中会话的全方位信息，涵盖请求头、响应头、请求体以及响应体等关键内容。

  • “Inspectors”（检查器）标签下：

    1.“Request Headers”（请求头）：展示请求的头部信息，包括方法、URL、协议版本等。

    2.“Response Headers”（响应头）：呈现响应的头部信息，如状态码、服务器类型等。

    3.“RequestBody”（请求体）和“ResponseBody”（响应体）：分别显示请求和响应的具体数据内容。

1.3 Fiddler 工具抓包讲解

详细介绍如何运用 Fiddler 进行高效抓包操作，其中涵盖设置捕获规则（例如仅捕获特定域名的请求）、灵活启动/停止捕获等关键步骤。

1.启动捕获：轻松点击工具栏上醒目的“Capture Traffic”按钮，即刻开启捕获请求之旅。

2.设置捕获规则：通过“Rules”菜单下的“Customize Rules”选项，您能够量身定制捕获规则。比如，精准设定只捕获特定域名的请求，过滤掉无关的流量，让您的关注点更加集中。

3.停止捕获：再次点击“Capture Traffic”按钮或者运用快捷键，即可迅速停止捕获，及时定格您所需的通信数据。

1.4 Fiddler 中读接口数据进行分析

深入讲解如何在 Fiddler 中精准读取和透彻分析捕获到的接口数据，包括细致查看请求头、响应头、请求体和响应体等重要环节。

1.查看请求头：在内容栏中精心选定会话后，切换至“Inspectors”标签下的“Request Headers”部分，您将一目了然地查看请求头的丰富信息，包括请求方法、URL、客户端类型等关键细节。

2.查看响应头：同样在“Inspectors”标签下，切换至“Response Headers”部分，您能够清晰获取响应头的关键信息，如状态码、服务器类型、缓存策略等。

3.查看请求体和响应体：在“RequestBody”和“ResponseBody”部分，您可以分别深入查看请求和响应的主体内容，无论是表单数据、JSON 数据还是二进制数据，都能尽收眼底，为您的分析提供全面的数据支持。

1.5 Fiddler 常用功能讲解

全面阐述如设置断点、过滤请求、模拟请求等常见且实用功能的具体使用方法。

1.设置断点：通过“Rules”菜单下的“Breakpoints”选项，您可以巧妙设置请求或响应的断点。当数据在发送或接收过程中触及断点时，Fiddler 会自动暂停，为您提供宝贵的时机来仔细检查和修改数据，确保通信的准确性和完整性。

2.过滤请求：运用工具栏上的“Filters”按钮或者便捷的快捷键，轻松打开过滤器窗口。在这里，您可以灵活设置过滤条件，例如只显示特定主机、特定进程或者特定请求类型的会话，让您在繁杂的数据中迅速聚焦关键信息，提高工作效率。

3.模拟请求：通过“Composer”菜单下的“New Request”选项，您能够手动构建并随心所欲地发送自定义的 HTTP 请求。无论是测试新的接口、验证不同的参数组合还是模拟异常情况，都能在 Fiddler 的模拟请求功能中轻松实现，为您的开发和调试工作提供强大的支持。

1.6 Fiddler 其他常用操作及流程

• 修改请求和响应：在设置断点后，可以对请求头、请求体、响应头和响应体进行修改，然后点击“Run to Completion”继续发送请求或接收响应，观察修改后的效果。

  • 操作流程：设置断点 -> 暂停会话 -> 修改数据 -> 继续执行。

• 保存会话：可以将捕获到的重要会话保存下来，以便后续分析或与他人分享。

  • 操作流程：选中会话 -> 右键 -> “Save” -> 选择保存位置和格式。

• 导出会话数据：将捕获的会话数据导出为文本、XML 等格式。

  • 操作流程：选择要导出的会话 -> “File” -> “Export Sessions” -> 选择导出格式和保存路径。

• 设置会话备注：为方便区分和记忆，可以给特定会话添加备注信息。

  • 操作流程：选中会话 -> 右键 -> “Comment” -> 输入备注内容。

• 性能分析：Fiddler 可以提供关于请求响应时间等性能指标的分析。

  • 操作流程：“Statistics”标签 -> 查看各项性能数据，如总请求数、平均响应时间等。

二. 用 requests 库实现接口测试

2.1 requests 库的介绍

requests 库是一个用于发送 HTTP 请求的 Python 库，它提供了简单易用的 API，非常适合用于接口测试。

2.2 构建 GET 和 POST 请求

import requests# GET 请求
response_get = requests.get('https://www.example.com')
print(response_get.text)# POST 请求
data = {'key1': 'value1', 'key2': 'value2'}
response_post = requests.post('https://www.example.com', data=data)
print(response_post.text)

2.3 实现接口参数化

说明如何将接口中的参数进行动态设置。

params = {'param1': 'value1', 'param2': 'value2'}
response = requests.get('https://www.example.com', params=params)
print(response.url)  # 验证参数是否已正确附加到 URL 上

2.4 实现接口断言

介绍如何对接口返回的结果进行断言判断。

import requests
import unittestclass TestInterface(unittest.TestCase):def test_get_request(self):response = requests.get('https://www.example.com')self.assertEqual(response.status_code, 200)  # 断言状态码为 200self.assertIn('expected_text', response.text)  # 断言响应文本中包含特定内容if __name__ == '__main__':unittest.main()

2.5 实现接口关联

讲解接口之间数据传递和关联的处理方法，如从上一个接口的响应中提取数据，并作为下一个接口的请求参数。

2.6 实现 cookie、session、token 的处理

展示如何在 requests 中处理这些会话相关的元素。

# 处理 Cookie
response = requests.get('https://www.example.com', cookies={'cookie_name': 'cookie_value'})
print(response.cookies)# 处理 Session
session = requests.Session()
response = session.get('https://www.example.com')
# 在同一 session 中进行后续请求，将保持相同的 cookie 和其他会话信息
response2 = session.post('https://www.example.com/post', data={'key': 'value'})# 处理 Token
headers = {'Authorization': 'Bearer your_token'}
response = requests.get('https://www.example.com', headers=headers)
print(response.json())

2.7 介绍 unittest 框架执行用例并且生成报告

解释如何使用 unittest 框架组织和执行接口测试用例，并生成测试报告。

import unittest
from HTMLTestRunner import HTMLTestRunner
import requestsclass TestInterface(unittest.TestCase):def test_get_request(self):response = requests.get('https://www.example.com')self.assertEqual(response.status_code, 200)# 可以添加更多断言if __name__ == '__main__':suite = unittest.TestSuite()suite.addTest(TestInterface('test_get_request'))# 可以添加更多测试用例到 suite 中with open('test_report.html', 'wb') as f:runner = HTMLTestRunner(stream=f, title='Test Report', description='Interface Test')runner.run(suite)

三. Python 接口自动化测试 DDT 数据驱动

3.1 重构操作 Excel 函数

讲解如何优化和重构对 Excel 文件的操作函数，以便更高效地读取和写入测试数据。

'''
在接口自动化测试中，经常需要与 Excel 文件进行交互，读取测试数据和写入测试结果。原始的 Excel 操作函数可能存在代码冗余、可读性差等问题。重构操作 Excel 函数可以通过使用合适的库（如 `openpyxl` 或 `pandas`），将读取和写入的逻辑进行封装，提高代码的复用性和可维护性。
​
例如，使用 `openpyxl` 库读取 Excel 文件中的数据：
'''
​
from openpyxl import load_workbook
​
def read_excel_data(file_path, sheet_name):wb = load_workbook(file_path)sheet = wb[sheet_name]data = []for row in sheet.iter_rows(min_row=2, values_only=True):data.append(row)return data

3.2 封装获取常量的方法

介绍将常量获取进行封装的方法和好处，如将 API URL、请求头等常量封装到一个单独的模块中。

'''
将常量（如 API 的 URL、请求头、认证信息等）进行封装有诸多好处。可以将这些常量集中定义在一个模块中，方便管理和修改。
'''
​
#创建一个 constants.py 文件
API_URL = 'https://www.example.com/api'
REQUEST_HEADERS = {'Content-Type': 'application/json','Authorization': 'Bearer your_token'
}

3.3 封装获取接口数据

为了在多个测试用例中重复使用获取接口数据的逻辑，可以将其封装为一个函数。

import requests
​
def get_interface_data(url, params=None, headers=None):response = requests.get(url, params=params, headers=headers)return response.json()

3.4 POST、GET 基类封装

对 POST 和 GET 请求的基类进行封装，以便简化测试用例的编写。

class BaseRequest:def __init__(self, base_url):self.base_url = base_urldef get(self, url, params=None, headers=None):response = requests.get(f'{self.base_url}{url}', params=params, headers=headers)return responsedef post(self, url, data=None, headers=None):response = requests.post(f'{self.base_url}{url}', data=data, headers=headers)return response# 使用示例
base_request = BaseRequest('https://www.example.com/api')
response = base_request.get('/endpoint', params={'param': 'value'})

3.5 主流程封装及错误解决调试

说明接口自动化测试主流程的封装以及错误处理和调试方法，如使用 try-except 语句捕获异常，并记录错误信息。

'''
接口自动化测试的主流程通常包括发送请求、获取响应、验证结果等步骤。可以将这个主流程封装为一个函数，并在其中处理可能出现的错误。
'''
def run_test_case(url, method, data=None, params=None, expected_result=None):try:if method == 'GET':response = base_request.get(url, params=params)elif method == 'POST':response = base_request.post(url, data=data)else:raise ValueError("Invalid method")
​# 验证结果if response.status_code == expected_result['status_code']:print("测试通过")else:print(f"测试失败，状态码: {response.status_code}，预期: {expected_result['status_code']}")except Exception as e:print(f"出现错误: {e}")

3.6 获取接口返回状态

解释如何获取接口返回的状态信息，如状态码、响应头等。

response = requests.get('https://www.example.com/api')
status_code = response.status_code
response_headers = response.headers

3.7 通过预期结果判断 case 是否执行

介绍根据预期结果来决定测试用例是否执行的方法，如使用断言来判断实际结果是否与预期结果一致，从而决定测试用例是否通过。

import unittest
​
class TestCase(unittest.TestCase):def test_example(self):actual_result = get_interface_data('https://www.example.com/api')expected_result = {...}  # 预期的结果self.assertEqual(actual_result['key'], expected_result['key'])

3.8 将预测结果写入到 Excel 中

展示如何将测试的预测结果写入到 Excel 文件中，以便后续分析和统计。from openpyxl import Workbook
​
def write_prediction_to_excel(result, file_path, sheet_name):wb = Workbook()sheet = wb.activesheet.title = sheet_name
​sheet.append(['预测结果'])for item in result:sheet.append([item])
​wb.save(file_path)

3.9 数据依赖问题通过 case_id 获取 case 数据

讲解如何通过 case_id 解决数据依赖问题并获取相应的测试数据，如从 Excel 文件中根据 case_id 查找对应的测试数据。

def get_case_data_by_id(case_id, file_path, sheet_name):data = read_excel_data(file_path, sheet_name)for row in data:if row[0] == case_id:#设case_id在第一列return rowreturn None

3.10 数据依赖问题之根据规则提取响应数据

说明根据特定规则从响应数据中提取所需信息的方法，如使用正则表达式或 JSON 解析来提取数据。

import re
import json
​
def extract_data_from_response(response, rule):if rule.startswith('/'):  # 假设是 JSON 路径data = json.loads(response.text)return jsonpath.jsonpath(data, rule)elif re.match(r'\[.*\]', rule):  # 假设是正则表达式return re.findall(rule, response.text)else:raise ValueError("Invalid rule")

3.11 构建发送邮件服务

介绍如何构建发送测试结果邮件的服务，如使用 smtplib 库发送邮件

import smtplib
from email.mime.text import MIMEText
​
def send_email(subject, body, recipient):sender = 'your_email@example.com'password = 'your_password'
​msg = MIMEText(body)msg['Subject'] = subjectmsg['From'] = sendermsg['To'] = recipient
​server = smtplib.SMTP('smtp.example.com', 587)server.starttls()server.login(sender, password)server.sendmail(sender, recipient, msg.as_string())server.quit()

3.12 结果统计并发送报告

结果统计及自动整理发送报告代码

import pandas as pd
​
def generate_report(results_file_path):data = pd.read_excel(results_file_path)passed_cases = data[data['Status'] == 'Passed'].count()['Test Case ID']failed_cases = data[data['Status'] == 'Failed'].count()['Test Case ID']
​report_body = f"测试结果统计：\n通过的测试用例数：{passed_cases}\n失败的测试用例数：{failed_cases}"
​send_email('测试报告', report_body, 'recipient@example.com')

先整理一下，fiddler抓包工具与requests库构建自动化报告笔记，后续继续整理更新fiddler具体操作 和JMeter ，postman ， Appium 以及unittest框架的各自笔记

整理不易，诚望各位看官点赞 收藏 评论 予以支持，这将成为我持续更新的动力源泉。若您在阅览时存有异议或建议，敬请留言指正批评，让我们携手共同学习，共同进取，吾辈自当相互勉励！