在《ApiTestEngine 演进之路（0）开发未动，测试先行》一文中，我对ApiTestEngine项目正式开始前的准备工作进行了介绍，包括构建API接口服务（Mock Server）、搭建项目单元测试框架、实现持续集成构建检查机制（Travis CI）等。
接下来，我们就开始构建ApiTestEngine项目的基础框架，实现基本功能吧。
接口测试的核心要素
既然是从零开始，那我们不妨先想下，对于接口测试来说，最基本最核心的要素有哪些？
事实上，不管是手工进行接口测试，还是自动化测试平台执行接口测试，接口测试的核心要素都可以概括为如下三点：
发起接口请求（Request）
解析接口响应（Response）
检查接口测试结果
这对于任意类型的接口测试也都是适用的。
在本系列文章中，我们关注的是API接口的测试，更具体地，是基于HTTP协议的API接口的测试。所以我们的问题就进一步简化了，只需要关注HTTP协议层面的请求和响应即可。
好在对于绝大多数接口系统，都有明确的API接口文档，里面会定义好接口请求的参数（包括Headers和Body），并同时描述好接口响应的内容（包括Headers和Body）。而我们需要做的，就是根据接口文档的描述，在HTTP请求中按照接口规范填写请求的参数，然后读取接口的HTTP响应内容，将接口的实际响应内容与我们的预期结果进行对比，以此判断接口功能是否正常。这里的预期结果，应该是包含在接口测试用例里面的。
由此可知，实现接口测试框架的第一步是完成对HTTP请求响应处理的支持。
HTTP客户端的最佳选择
ApiTestEngine项目选择Python作为编程语言，而在Python中实现HTTP请求，毫无疑问，Requests库是最佳选择，简洁优雅，功能强大，可轻松支持API接口的多种请求方法，包括GET/POST/HEAD/PUT/DELETE等。
并且，更赞的地方在于，Requests库针对所有的HTTP请求方法，都可以采用一套统一的接口。
requests.request(method, url, **kwargs)
其中，kwargs中可以包含HTTP请求的所有可能需要用到的信息，例如headers、cookies、params、data、auth等。
这有什么好处呢？
好处在于，这可以帮助我们轻松实现测试数据与框架代码的分离。我们只需要遵循Requests库的参数规范，在接口测试用例中复用Requests参数的概念即可。而对于框架的测试用例执行引擎来说，处理逻辑就异常简单了，直接读取测试用例中的参数，传参给Requests发起请求即可。
如果还感觉不好理解，没关系，直接看案例。
测试用例描述
在我们搭建的API接口服务（Mock Server）中，我们想测试“创建一个用户，该用户之前不存在”的场景
在上一篇文章中，我们也在unittest中对该测试场景实现了测试脚本。
def test_create_user_not_existed(self): self.clear_users() url = "%s/api/users/%d" % (self.host, 1000) data = { "name": "user1", "password": "123456" } resp = self.api_client.post(url, json=data) self.assertEqual(201, resp.status_code) self.assertEqual(True, resp.json()["success"]) |
在该用例中，我们实现了HTTP POST请求，api_client.post(url, json=data)，然后对响应结果进行解析，并检查resp.status_code、resp.json()["success"]是否满足预期。
可以看出，采用代码编写测试用例时会用到许多编程语言的语法，对于不会编程的人来说上手难度较大。更大的问题在于，当我们编写大量测试用例之后，因为模式基本都是固定的，所以会发现存在大量相似或重复的脚本，这给脚本的维护带来了很大的问题。
那如何将测试用例与脚本代码进行分离呢？
考虑到JSON格式在编程语言中处理是最方便的，分离后的测试用例可采用JSON描述如下：
{ "name": "create user which does not exist", "request": { "url": "http://127.0.0.1:5000/api/users/1000", "method": "POST", "headers": { "content-type": "application/json" }, "json": { "name": "user1", "password": "123456" } }, "response": { "status_code": 201, "headers": { "Content-Type": "application/json" }, "body": { "success": true, "msg": "user created successfully." } } } |
不难看出，如上JSON结构体包含了测试用例的完整描述信息。
需要特别注意的是，这里使用了一个讨巧的方式，就是在请求的参数中充分复用了Requests的参数规范。例如，我们要POST一个JSON的结构体，那么我们就直接将json作为request的参数名，这和前面写脚本时用的api_client.post(url, json=data)是一致的。
测试用例执行引擎
在如上测试用例描述的基础上，测试用例执行引擎就很简单了，以下几行代码就足够了。
def run_single_testcase(testcase): req_kwargs = testcase['request'] try: url = req_kwargs.pop('url') method = req_kwargs.pop('method') except KeyError: raise exception.ParamsError("Params Error") resp_obj = requests.request(url=url, method=method, **req_kwargs) diff_content = utils.diff_response(resp_obj, testcase['response']) success = False if diff_content else True return success, diff_content |
可以看出，不管是什么HTTP请求方法的用例，该执行引擎都是适用的。
只需要先从测试用例中获取到HTTP接口请求参数，testcase['request']：
{ "url": "http://127.0.0.1:5000/api/users/1000", "method": "POST", "headers": { "content-type": "application/json" }, "json": { "name": "user1", "password": "123456" } } |
然后发起HTTP请求：
| requests.request(url=url, method=method, **req_kwargs) |
最后再检查测试结果：
| utils.diff_response(resp_obj, testcase['response']) |
在测试用例执行引擎完成后，执行测试用例的方式也很简单。同样是在unittest中调用执行测试用例，就可以写成如下形式：
def test_run_single_testcase_success(self): testcase_file_path = os.path.join(os.getcwd(), 'test/data/demo.json') testcases = utils.load_testcases(testcase_file_path) success, _ = self.test_runner.run_single_testcase(testcases[0]) self.assertTrue(success) |
可以看出，模式还是很固定：加载用例、执行用例、判断用例执行是否成功。如果每条测试用例都要在unittest.TestCase分别写一个单元测试进行调用，还是会存在大量重复工作。
所以比较好的做法是，再实现一个单元测试用例生成功能；这部分先不展开，后面再进行详细描述。
结果判断处理逻辑
这里再单独讲下对结果的判断逻辑处理，也就是diff_response函数。
def diff_response(resp_obj, expected_resp_json) diff_content = {} resp_info = parse_response_object(resp_obj) # 对比 status_code，将差异存入 diff_content # 对比 Headers，将差异存入 diff_content # 对比 Body，将差异存入 diff_content return diff_content |
其中，expected_resp_json参数就是我们在测试用例中描述的response部分，作为测试用例的预期结果描述信息，是判断实际接口响应是否正常的参考标准。
而resp_obj参数，就是实际接口响应的Response实例，详细的定义可以参考requests.Response描述文档。
为了更好地实现结果对比，我们也将resp_obj解析为与expected_resp_json相同的数据结构。
def parse_response_object(resp_obj): try: resp_body = resp_obj.json() except ValueError: resp_body = resp_obj.text return { 'status_code': resp_obj.status_code, 'headers': resp_obj.headers, 'body': resp_body } |
那么最后再进行对比就很好实现了，只需要编写一个通用的JSON结构体比对函数即可。
def diff_json(current_json, expected_json): json_diff = {} for key, expected_value in expected_json.items(): value = current_json.get(key, None) if str(value) != str(expected_value): json_diff[key] = { 'value': value, 'expected': expected_value } return json_diff |
这里只罗列了核心处理流程的代码实现，其它的辅助功能，例如加载JSON/YAML测试用例等功能，请直接阅读阅读项目源码。
总结
经过本文中的工作，我们已经完成了ApiTestEngine基础框架的搭建，并实现了两项最基本的功能：
支持API接口的多种请求方法，包括 GET/POST/HEAD/PUT/DELETE 等
测试用例与代码分离，测试用例维护方式简洁优雅，支持YAML/JSON
然而，在实际项目中的接口通常比较复杂，例如包含签名校验等机制，这使得我们在配置接口测试用例时还是会比较繁琐。
在下一篇文章中，我们将着手解决这个问题，通过对框架增加模板配置功能，实现接口业务参数和技术细节的分离。
