淺談如何提升自動化測試的穩定性和可維護性 (pytest&allure)

裝飾器與出錯重試機制

談到穩定性，不得不說的就是「出錯重試」機制了，在自動化測試中，因爲環境通常都是測試環境，常常會有各類各類的抽風狀況影響測試結果，這樣就爲測試的穩定性帶來了挑戰，畢竟誰也不想本身的腳本一天到晚的出各類未知問題，而每每這種環境的抽風（一般是前端頁面的響應速度和後端接口的響應速度）帶來的影響是暫時的，可能上一秒失敗了，下一秒你再執行又好了，在這種狀況下，若是你有一個出錯重試機制，起碼能夠在這種暫時性的影響下讓你的腳本安然無恙，下面咱們具體的說一下作法。

什麼是裝飾器？

由於咱們的作法依賴裝飾器，因此在去作以前，先簡單介紹一下裝飾器。

裝飾器，表現形式爲，在方法（或者類）的上面加上@xxx這樣的語句，假如咱們已經實現了一個裝飾器名叫retry，那麼咱們想用它就這麼用：

@retry
def test_login():
    print("test")
    error = 1/0

若是retry實現了出錯再次重試（稍後再說如何實現），那麼這麼使用的話，就會讓test_login這個case在執行出錯的時候再次執行。

很神奇，讓咱們來看看實現retry的代碼：

def retry(func):
    def warp():
        for time in range(3):
            try:
                func()
            except:
                pass
    return warp

就結果而言，執行如下代碼：

@retry
def test_login():
    print("test")
    error = 1/0

test_login()

和執行：

retry(test_login)()

是等價的，由此咱們能夠看出，裝飾器其實本質上就是一個函數，這個函數接收其餘函數（或者類）做爲參數，經過對這個函數（或者類）的調用或者修改，完成不更改原始函數而修改該函數的功能。

在這裏還有一個知識點，你有沒有想過，在retry內部的函數warp()，是怎麼拿到func這個參數來執行的？執行retry函數return的是warp這個函數，而warp並無接受func這個傳參啊。

這就是python裏的閉包的概念，閉包就是指運行時自帶上下文的函數，好比這裏的warp這個函數，他運行的時候自帶了上層函數retry傳給他的func這個函數，因此才能夠在運行時對func進行處理和輸出。

瞭解了裝飾器和閉包，那麼下面就很容易作到對測試用例的出錯重試機制了。

若是對軟件測試、接口測試、自動化測試、性能測試、LR腳本開發、面試經驗交流。感興趣能夠來加羣：747981058，羣內會有不按期的發放免費的資料連接，這些資料都是從各個技術網站蒐集、整理出來的，若是你有好的學習資料能夠私聊發我，我會註明出處以後分享給你們。

編寫一個出錯重試裝飾器

如今，咱們來嘗試本身編寫一個用於測試用例的出錯重試裝飾器，代碼以下：

def retry(times=3,wait_time=10):
    def warp_func(func):
        def fild_retry(*args,**kwargs):
            for time in range(times):
                try:
                    func(*args,**kwargs)
                    return 
                except:
                    time.sleep(wait_time)
        return fild_retry
    return warp_func

這個裝飾器能夠經過傳入重試次數（times）和重試等待時間（wait_time），對待測用例實行重試機制。

pytest裏的出錯重試機制實現

在測試框架pytest裏，已經實現了有關出錯重試的策略，咱們首先須要安裝一個此類的插件，在cmd內執行如下命令安裝：

pip install pytest-rerunfailures

若是你須要將此機制應用到全部的用例上，那麼請在執行的時候使用以下命令（reruns是重試次數）：

pytest --reruns 5

來執行你的用例；

若是你指望加上出錯重試的等待時間，請使用以下命令(reruns-delay是等待時間)：

pytest --reruns 5 --reruns-delay 1

來執行你的用例；

若是你只想對某幾個測試用例應用重試策略，你可使用裝飾器：

@pytest.mark.flaky(reruns=5, reruns_delay=2)

例如：

@pytest.mark.flaky(reruns=5, reruns_delay=2)
def test_example():
    import random
    assert random.choice([True, False])

更詳細的介紹請參閱官方文檔 。

Allure裏的測試用例分層

剛剛咱們實現了用例的出錯重試機制，可是這僅僅解決了腳本在不穩定環境下的穩定性；若是還想要腳本變得更加容易維護，除了傳統的po模式使用例和元素分離以外，咱們還能夠引入測試用例分層機制。

爲何要採用分層機制？

傳統的po模式，僅僅實現了用例和元素分離，這必定層面上保障了用例的可維護性，起碼沒必要頭疼於元素的變動會讓用例處處失效；可是這還不夠，例如，如今有三個case，他們都包含了如下步驟：登陸、打開工做臺、進入我的中心；那麼若是不作分層，這三個用例會把這三個步驟都寫一遍，若是某天頁面的變更致使其中一個步驟須要更改，那麼你不得不去每一個用例裏去更新那個步驟。

而若是，咱們把用例當作是堆積木，登陸、打開工做臺、進入我的中心這三個步驟都只是個積木，那麼咱們寫用例的時候，只須要在用到這個步驟時，把積木搭上去；若是某一天，其中一個積木的步驟有變更，那麼只須要去更改這個積木的內容，而無需在每一個使用了這個積木的用例裏去改動。

這大大加強了用例的複用性和可維護性，這就是採用分層機制的緣由，下面，我會就allure裏的分層機制作介紹來討論具體如何實現。

allure的裝飾器@step

在allure裏，咱們能夠經過裝飾器@step完成分層機制，具體的，當你用@step裝飾一個方法時，當你在用例裏執行這個方法，會在報告裏，表現出這個被裝飾方法；而@step支持嵌套結構，這就意味着，你能夠像搭積木同樣去搭你的步驟，而他們都會一一在報告裏被展現。

下面直接用allure的官方示例做作舉例：

import allure
import pytest

from .steps import imported_step


@allure.step
def passing_step():
    pass


@allure.step
def step_with_nested_steps():
    nested_step()


@allure.step
def nested_step():
    nested_step_with_arguments(1, 'abc')


@allure.step
def nested_step_with_arguments(arg1, arg2):
    pass


def test_with_imported_step():
    passing_step()
    imported_step()


def test_with_nested_steps():
    passing_step()
    step_with_nested_steps()

運行這個case後，報告是這樣的：

 

能夠看到，

test_with_nested_steps由passing_step()和step_with_nested_steps()這兩個方法組成；

而step_with_nested_steps()又由nested_step()組成；

nested_step()又由nested_step_with_arguments(1, 'abc')組成；

這樣就像搭積木同樣，組成了測試用例；而在報告裏，也層級分明的標識了步驟的嵌套結構。

這樣，咱們就能夠經過一個又一個@step裝飾的方法，組成測試用例；同時報告裏也會支持層級顯示；從而完成咱們的分層機制。