软件测试课程总结：3个高频面试必问实战项目复盘

看了一堆视频还是不会写项目？别慌，我踩过的坑你都会。面试必问的自动化测试框架，光看理论根本记不住。这篇软件测试课程总结，直接给你能跑通的代码和避坑指南。

项目目标：从脚本到框架的跃迁

很多初学者有个误区，觉得会写几条 unittest 用例就算会测试了。错得离谱。企业级项目里，测试代码和开发代码一样，都要讲工程化。我们的目标不是写几个孤立的函数，而是搭建一个可维护、可扩展的测试框架。

这个框架要解决三个核心痛点：

数据驱动：测试数据与代码分离，改数据不用改代码。
环境隔离：不同环境（测试、预发、生产）配置自动切换。
结果可视化：失败截图、日志自动归档，邮件通知一键发送。

回想一下你之前的测试脚本，是不是数据硬编码在代码里？改个手机号，全文搜索替换，改漏一个就出 Bug。这种写法在面试里属于“初级水平”，面试官一眼就能看出来。我们要做的，是把测试代码当成产品来做，而不是当成一次性任务。

目录结构：规范先行，拒绝混乱

动手写代码前，先把目录结构定好。乱糟糟的目录，是维护噩梦的根源。以下是我推荐的标准项目结构，照着抄就行：

test_project/
├── config/
│   └── config.ini          # 配置文件，管理环境参数
├── data/
│   └── test_data.csv       # 测试数据，CSV或Excel格式
├── cases/
│   ├── test_login.py       # 登录模块测试用例
│   └── test_order.py       # 订单模块测试用例
├── common/
│   ├── base_test.py        # 基类，封装公共逻辑
│   ├── utils.py            # 工具类，文件操作、日志等
│   └── db_helper.py        # 数据库操作封装
├── report/
│   └── index.html          # 自动生成测试报告
├── logs/
│   └── test.log            # 运行日志
├── screenshots/
│   └── error.png           # 失败截图
├── conftest.py             # Pytest 全局配置
└── run_test.py             # 入口文件

这个结构有几个关键点必须注意：

config 目录：不要硬编码 URL 或账号密码。所有环境相关的变量，全部丢进 config.ini。这样切换环境，只需要改一个文件，不用动代码。

cases 目录：按业务模块划分文件。登录、注册、支付，每个模块一个文件。文件命名统一以 test_ 开头，这是 Pytest 的识别规则。

common 目录：这是框架的灵魂。所有重复的逻辑，比如数据库连接、HTTP 请求、日志打印，全部封装在这里。用例文件里只写业务逻辑，不写底层操作。

report 和 logs：自动生成的目录。不要手动创建文件，让代码去生成。每次运行测试，自动覆盖旧报告，生成新的。

核心代码实现：基类与数据驱动

接下来是干货。我们不用复杂的 Selenium，就用最轻量的 Pytest + Requests + Allure。这套组合拳，覆盖了 80% 的接口测试场景。

1. 配置文件管理

先看 config/config.ini：

[TEST]
base_url = http://test-api.example.com
username = test_user
password = test_pass_123
timeout = 10[PROD]
base_url = http://api.example.com
username = prod_user
password = prod_pass_123
timeout = 5

然后在 common/utils.py 里读取配置：

import configparser
import osclass Config:def __init__(self, env='TEST'):self.env = envself.config = configparser.ConfigParser()# 获取当前文件所在目录的上一级，即项目根目录self.base_path = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))config_file = os.path.join(self.base_path, 'config', 'config.ini')self.config.read(config_file, encoding='utf-8')def get(self, key):# 动态获取当前环境的配置值return self.config.get(self.env, key)# 全局单例，避免重复创建
config = Config()

这样，任何地方想拿 base_url，直接 config.get('base_url') 就行。想切环境？改 Config(env='PROD') 就行。简单、直接、不易出错。

2. 基类封装：公共逻辑复用

common/base_test.py 是核心中的核心。

import requests
import pytest
import allure
import os
from datetime import datetimeclass BaseTest:def __init__(self):self.headers = {"Content-Type": "application/json","Accept": "application/json"}self.base_url = config.get('base_url')self.timeout = int(config.get('timeout'))def request(self, method, url, json_data=None, params=None):"""封装统一的 HTTP 请求方法:param method: 请求方法 GET/POST/PUT/DELETE:param url: 接口路径:param json_data: 请求体数据:param params: URL 查询参数:return: 响应对象"""full_url = f"{self.base_url}{url}"with allure.step(f"发送请求: {method} {full_url}"):try:if method.upper() == 'GET':resp = requests.get(full_url, params=params, headers=self.headers, timeout=self.timeout)elif method.upper() == 'POST':resp = requests.post(full_url, json=json_data, headers=self.headers, timeout=self.timeout)else:resp = requests.request(method.upper(), full_url, json=json_data, headers=self.headers, timeout=self.timeout)# 记录请求详情到日志print(f"[REQUEST] {method} {full_url} | Body: {json_data} | Params: {params}")print(f"[RESPONSE] Status: {resp.status_code} | Body: {resp.text[:200]}...")return respexcept Exception as e:allure.attach(str(e), name="请求异常")raisedef login(self, username, password):"""登录接口封装，返回 Token这是高频考点：接口鉴权处理"""url = "/api/v1/login"data = {"username": username, "password": password}resp = self.request("POST", url, json_data=data)# 校验登录是否成功assert resp.status_code == 200, f"登录接口状态码异常: {resp.status_code}"resp_json = resp.json()assert resp_json.get("code") == 0, f"登录失败: {resp_json.get('msg')}"token = resp_json.get("data", {}).get("token")# 将 Token 存入全局或类变量，供后续用例使用self.headers["Authorization"] = f"Bearer {token}"return token

注意这里的 assert 断言。很多新手喜欢用 if-else 判断，然后 print 结果。错！测试用例必须用断言。断言失败，Pytest 会直接标记为 Fail，并记录堆栈信息。用 print 只是打印，测试依然显示 Pass，这就是“假阳性”，是大忌。

3. 数据驱动用例

cases/test_login.py：

import pytest
import allure
from common.base_test import BaseTestclass TestLogin(BaseTest):@allure.feature("用户登录模块")@allure.story("登录功能验证")def test_login_success(self):"""测试正常登录"""# 从配置文件获取测试账号username = config.get('username')password = config.get('password')token = self.login(username, password)# 断言 Token 不为空assert token is not Noneassert len(token) > 10@pytest.mark.parametrize("username, password, expected_code", [("test_user", "wrong_pass", 400),("", "", 400),("test_user", "", 400),("", "test_pass_123", 400)])@allure.title("异常登录场景")def test_login_fail(self, username, password, expected_code):"""测试异常登录场景，数据驱动"""url = "/api/v1/login"data = {"username": username, "password": password}resp = self.request("POST", url, json_data=data)# 断言状态码符合预期assert resp.status_code == expected_coderesp_json = resp.json()assert resp_json.get("code") != 0

看这个 @pytest.mark.parametrize。这是数据驱动的核心。四个异常场景，一行代码搞定。如果不用数据驱动，你得写四个方法，复制粘贴四遍。代码冗余、维护困难、容易出错。

面试时，如果问你“如何设计异常场景测试”，直接甩出这个 parametrize 代码。面试官立刻就会觉得你懂工程化思维。

运行与测试：Allure 报告与日志

代码写完了，怎么跑？怎么看结果？手动跑 pytest 命令行，结果全是文本，根本没法看。必须上 Allure 报告。

1. 安装依赖

pip install pytest requests allure-pytest
# 安装 Allure 命令行工具（需要 JDK 环境）
# 或者使用 Docker 运行 Allure
docker run --rm -it -v $(pwd)/report:/results:ro -p 8080:8080 qameta/allure serve /results

2. 运行测试

在项目根目录执行：

# 生成测试数据到 report 目录
pytest cases/ --alluredir=report --clean-alluredir -v

--alluredir=report 指定结果输出目录。 --clean-alluredir 每次运行前清空旧数据，避免数据污染。 -v 显示详细日志。

3. 查看报告

运行完成后，启动 Allure 服务：

allure serve report

浏览器自动打开 http://localhost:8080。你会看到：

测试通过率：一眼看出健康度。
失败用例详情：点击失败用例，能看到完整的请求报文、响应报文、堆栈信息。
步骤追踪：我们代码里写的 allure.step，在这里会展示成时间线。
附件查看：如果有截图或日志文件，可以直接在线查看。

这个报告，就是你交付给开发的“证据”。不是你说“我测过了，没问题”，而是“这是报告，失败率 0%，所有用例通过”。专业度瞬间拉满。

4. 日志记录

光有 Allure 报告还不够。接口测试经常遇到“偶现问题”，Allure 报告里可能只记录最后一次运行。我们需要详细的日志文件。

在 common/utils.py 里添加日志配置：

import logging
import os
from datetime import datetimedef setup_logger():"""配置日志，同时输出到控制台和文件"""logger = logging.getLogger("test_logger")logger.setLevel(logging.INFO)# 避免重复添加 Handlerif logger.handlers:return logger# 文件 Handlerlog_dir = os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))), 'logs')if not os.path.exists(log_dir):os.makedirs(log_dir)log_file = os.path.join(log_dir, f"test_{datetime.now().strftime('%Y%m%d_%H%M%S')}.log")file_handler = logging.FileHandler(log_file, encoding='utf-8')file_handler.setLevel(logging.INFO)# 控制台 Handlerconsole_handler = logging.StreamHandler()console_handler.setLevel(logging.INFO)# 设置格式formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')file_handler.setFormatter(formatter)console_handler.setFormatter(formatter)logger.addHandler(file_handler)logger.addHandler(console_handler)return logger# 全局日志对象
logger = setup_logger()

在 base_test.py 的 request 方法里，把 print 换成 logger.info：

logger.info(f"[REQUEST] {method} {full_url} | Body: {json_data}")
logger.info(f"[RESPONSE] Status: {resp.status_code} | Body: {resp.text[:200]}...")

这样，每次运行测试，都会生成一个独立的日志文件。文件名带时间戳，不会覆盖。出问题的时候，翻日志比看 Allure 报告更彻底。

优化扩展：从单接口到全链路

现在的框架，能跑通单个接口测试。但实际项目中，经常需要测“链路”。比如：登录 -> 下单 -> 支付 -> 查询订单。这种场景，怎么设计？

1. 接口依赖处理

在 base_test.py 里，我们已经在 login 方法里把 Token 存到了 self.headers。后续所有需要鉴权的接口，直接复用这个 headers 就行。

def create_order(self, product_id, quantity):"""创建订单，依赖登录 Token"""url = "/api/v1/orders"data = {"product_id": product_id,"quantity": quantity}# 此时 self.headers 里已经有 Token 了resp = self.request("POST", url, json_data=data)assert resp.status_code == 200return resp.json().get("data", {}).get("order_id")

2. 数据库校验

接口返回“成功”，不代表数据真的写进库了。特别是涉及金额、库存的场景，必须查库验证。

在 common/db_helper.py 里封装数据库操作：

import pymysql
import configclass DbHelper:def __init__(self):self.connection = pymysql.connect(host='127.0.0.1',port=3306,user='test_user',password='test_pass',database='test_db',charset='utf8mb4')self.cursor = self.connection.cursor(pymysql.cursors.DictCursor)def execute_query(self, sql, params=None):"""执行查询，返回结果集"""try:self.cursor.execute(sql, params)return self.cursor.fetchall()finally:self.cursor.close()def close(self):self.connection.close()db = DbHelper()

在用例里查库验证：

def test_order_flow(self):"""完整链路测试：登录 -> 下单 -> 查库验证"""# 1. 登录token = self.login(config.get('username'), config.get('password'))# 2. 下单order_id = self.create_order(product_id=1001, quantity=2)assert order_id is not None# 3. 查库验证sql = "SELECT status, amount FROM orders WHERE order_id = %s"result = db.execute_query(sql, (order_id,))assert len(result) == 1, "订单未入库"order_data = result[0]assert order_data['status'] == 'PENDING', f"订单状态异常: {order_data['status']}"assert order_data['amount'] == 200.00, f"订单金额异常: {order_data['amount']}"# 4. 清理数据（可选）# db.execute_query("DELETE FROM orders WHERE order_id = %s", (order_id,))

这种“接口 + 数据库”的双重验证，是高级测试工程师的标配。面试时，如果你能说出“我不仅验接口返回值，还会查库验证数据一致性”，面试官会对你刮目相看。

3. 性能监控

在 base_test.py 的 request 方法里，加上耗时统计：

import timedef request(self, method, url, json_data=None, params=None):full_url = f"{self.base_url}{url}"start_time = time.time()with allure.step(f"发送请求: {method} {full_url}"):# ... 请求代码 ...end_time = time.time()duration = (end_time - start_time) * 1000logger.info(f"[PERF] {method} {url} 耗时: {duration:.2f}ms")# 可以设置性能阈值，超时报警if duration > 2000:logger.warning(f"接口响应超时: {url} 耗时 {duration}ms")return resp

这样，每次运行测试，日志里都会有接口耗时。长期运行下来，你就能发现哪些接口变慢了。性能问题，往往是从“慢”开始的。