1、引言
在进行Python接口自动化测试时,日志记录是一项至关重要的任务,它可以帮助开发者追踪测试过程中的详细信息,包括请求与响应数据、错误消息、调试信息等,从而有效地定位问题并提高测试效率。下面,我们将探讨如何在Python接口自动化测试项目中构建和配置一个强大的日志记录系统。
2、引入logging模块
首先,我们需要初始化logging
模块并设置相关配置。基本步骤包括定义日志级别、日志格式和日志输出位置。例如:
# filepath = './common/logging.py'
import os
import logging.handlers
class GetLogger:
"""
当已经创建了logger对象的时候,那么之后就不在创建了,也就是只创建一次对象
"""
# 把logger对象的初始值设置为None
logger = None
# 创建logger,并且返回这个logger
@classmethod
def get_logger(cls):
# 判断日志器为空
if cls.logger is None:
# 创建日志器,控制他的创建次数
cls.logger = logging.getLogger('Test_API') # 这里的值是自定义的
# 设置日志级别,debug/info/warning/error
cls.logger.setLevel(logging.DEBUG) # 设置debug级别,意味着高于debug的都会被收集
# 2.获取格式器
# 2.1 要给格式器设置要输出的样式
fmt = "%(asctime)s %(levelname)s [%(name)s] [%(filename)s (%(funcName)s:%(lineno)d)] - %(message)s"
# 2.2 创建格式器,并且给他设置样式
fm = logging.Formatter(fmt)
# 获取项目路径
project_path = os.path.dirname(os.path.abspath(__file__)).replace("common", "")
# 3.创建处理器 按照时间进行切割文件
tf = logging.handlers.TimedRotatingFileHandler(filename=project_path + f'/logs/requests.log', # 原日志文件
when='midnight', # 间隔多长时间把日志存放到新的文件中
interval=1,
backupCount=7, # 除了原日志文件,还有7个备份
encoding='utf-8'
)
logging.basicConfig(level=logging.DEBUG, format=fmt) # 这是在控制台上打印日志信息
def namer(filename):
dir_name, base_name = os.path.split(filename)
base_name = base_name.replace('requests.log.', 'requests')
rotation_filename = os.path.join(dir_name, base_name)
return rotation_filename
tf.namer = namer
tf.suffix = "_%Y-%m-%d_%H-%M-%S.log"
# 在处理器中添加格式器
tf.setFormatter(fm)
# 在日志器中添加处理器
cls.logger.addHandler(tf)
# return cls.logger
return cls.logger
(注意:需要先在根目录下创建logs目录,日志才会保存在logs目录下)
3、在接口测试中应用logging
接下来,在实际的接口自动化测试代码中,我们可以利用这个logger实例来记录HTTP请求和响应的关键信息,直接在接口统一请求方法中引用:
# filepath = './common/requests_utils.py'
import requests
from requests import ReadTimeout, RequestException
from common.logger import GetLogger
class RequestsUtil:
def __init__(self):
"""session管理器"""
# 实例化session
self.session = requests.session()
self.logger = GetLogger.get_logger()
# 统一请求封装
def send_request(self, method, url, headers=None, params=None, data=None, json=None, **kwargs):
"""
统一封装HTTP请求方法
:param method: 请求方法,如'GET', 'POST', 'PUT', 'DELETE'等
:param url: 请求URL
:param headers: 请求头信息,可选参数
:param params: URL查询参数,适用于GET请求,可选参数
:param data: 发送的数据,适用于POST等请求,可选参数
:param json: 以json格式发送的数据,适用于POST等请求,可选参数
:return: 返回requests库的Response对象
"""
try:
response = self.session.request(method, url, headers=headers, params=params, data=data, json=json, **kwargs)
res_json = response.json()
res_code = response.json()['code']
self.logger.info(f'接口请求地址:{url}')
print('接口请求地址:', url)
self.logger.info(f'接口请求方式:{method}')
print('接口请求方式:', method)
self.logger.info(f'接口请求主体:{kwargs}')
print('接口请求主体:', kwargs)
self.logger.info(f'接口返回状态码:{res_code}')
print('接口返回状态码', res_code)
self.logger.info(f'接口返回信息:{res_json}')
print('接口返回信息', res_json)
return response
except ReadTimeout:
self.logger.error(u"请求超时")
except ConnectionError:
self.logger.error(u"请求连接错误")
except RequestException:
self.logger.error(u"返回错误")
最后,查看下执行结果,控制台已经打印了相关信息,logs目录下也生成了log日志文件
4、结论
通过上述方法,我们不仅能在Python接口自动化测试中实现对每一步操作的精确记录,而且可以根据不同需求灵活调整日志级别,确保既能满足日常调试需求,又不会因过多日志而影响性能。这样构建的日志系统有助于团队快速定位问题,提高测试效率,同时也为后期的性能分析、回归测试和持续集成提供了有力的支持。因此,在接口自动化测试实践中,合理运用logging
模块进行日志管理是十分重要的实践策略。