1. 接口自动化测试与request模块概述
在当今的软件开发流程中，接口自动化测试已经成为质量保障体系中不可或缺的一环。作为Python生态中最常用的HTTP请求库，requests模块因其简洁优雅的API设计和强大的功能特性，成为了接口测试工程师的首选工具。
requests模块由Kenneth Reitz开发，它基于urllib3构建，但提供了更加人性化的接口。在实际测试工作中，我发现它相比标准库的urllib有以下优势：更简洁的API设计（比如一个简单的GET请求只需要requests.get()）、自动化的内容解码、完善的连接池管理、以及更友好的异常处理机制。这些特性使得编写测试脚本时能够更加专注于业务逻辑，而不是底层HTTP协议的细节。
提示：requests虽然简单易用，但在企业级测试框架中，建议配合unittest/pytest等测试框架使用，而不是单独编写脚本。
2. 环境准备与基础配置
2.1 安装与基础验证
安装requests模块非常简单，使用pip即可完成：
pip install requests安装完成后，可以通过以下代码验证是否安装成功：
import requests print(requests.__version__) # 应输出类似2.28.1的版本号在实际项目中，我建议固定requests的版本号，避免因版本更新导致的接口变更。可以在requirements.txt中指定：
requests==2.28.12.2 基础请求示例
让我们从一个最简单的GET请求开始：
import requests response = requests.get('https://api.github.com/events') print(response.status_code) # 200 print(response.json()) # 返回JSON格式的响应内容这个例子展示了requests最基本的用法：通过get()方法发送请求，然后通过response对象获取状态码和响应内容。对于返回JSON格式的API，可以直接使用json()方法解析。
3. 请求构造与参数处理
3.1 GET请求参数传递
在接口测试中，GET请求通常需要传递查询参数。requests提供了两种方式：
# 方式1：直接在URL中添加参数 response = requests.get('https://httpbin.org/get?key1=value1&key2=value2') # 方式2：使用params参数（推荐） params = {'key1': 'value1', 'key2': 'value2'} response = requests.get('https://httpbin.org/get', params=params)第二种方式更为推荐，因为：
- 自动处理URL编码
- 参数结构更清晰
- 便于参数动态生成
3.2 POST请求数据构造
POST请求的数据构造方式更为多样，取决于API的设计：
# 表单格式 data = {'key1': 'value1', 'key2': 'value2'} response = requests.post('https://httpbin.org/post', data=data) # JSON格式（现代API最常用） json_data = {'key1': 'value1', 'key2': 'value2'} response = requests.post('https://httpbin.org/post', json=json_data) # 文件上传 files = {'file': open('report.xls', 'rb')} response = requests.post('https://httpbin.org/post', files=files)在实际测试中，我发现很多同学容易混淆data和json参数。简单来说：
- data：发送表单格式数据（application/x-www-form-urlencoded）
- json：发送JSON格式数据（application/json）
4. 响应处理与断言
4.1 响应内容解析
requests提供了多种方式解析响应内容：
response = requests.get('https://api.github.com/events') # 文本内容 print(response.text) # 二进制内容 print(response.content) # JSON内容（自动解析为Python字典） print(response.json()) # 原始响应（很少使用） print(response.raw)对于JSON API，我强烈建议使用response.json()方法，它不仅自动解析JSON，还会处理编码问题。
4.2 响应断言
在自动化测试中，对响应进行断言是核心操作。常见的断言包括：
# 状态码断言 assert response.status_code == 200 # 响应头断言 assert 'application/json' in response.headers['Content-Type'] # 响应体断言 json_data = response.json() assert json_data['status'] == 'success' assert len(json_data['data']) > 0在实际项目中，我会将这些断言封装成可复用的函数，例如：
def assert_success_response(response): assert response.status_code == 200 json_data = response.json() assert json_data['code'] == 0 assert json_data['message'] == 'success' return json_data5. 高级功能与实战技巧
5.1 会话保持与Cookie管理
对于需要登录的接口测试，使用Session对象可以自动处理Cookie：
s = requests.Session() # 登录 login_data = {'username': 'test', 'password': '123456'} s.post('https://example.com/login', data=login_data) # 后续请求会自动携带Cookie response = s.get('https://example.com/dashboard')这个特性在测试需要认证的API时非常有用，避免了手动处理Cookie的麻烦。
5.2 超时与重试机制
在实际测试中，网络不稳定是常见问题。合理的超时和重试设置可以提高测试稳定性：
from requests.adapters import HTTPAdapter from urllib3.util.retry import Retry # 创建Session并配置重试策略 s = requests.Session() retries = Retry( total=3, backoff_factor=1, status_forcelist=[500, 502, 503, 504] ) s.mount('https://', HTTPAdapter(max_retries=retries)) # 带超时的请求 try: response = s.get('https://example.com/api', timeout=5) except requests.exceptions.Timeout: print("请求超时")注意：超时时间建议根据接口SLA设置，通常2-5秒比较合适。重试次数也不宜过多，避免测试时间过长。
5.3 Mock与测试数据生成
在接口测试中，经常需要模拟各种测试数据。我常用的几种方式：
- 使用faker库生成随机数据：
from faker import Faker fake = Faker() test_data = { 'name': fake.name(), 'email': fake.email(), 'address': fake.address() }- 使用requests-mock库模拟接口响应：
import requests_mock with requests_mock.Mocker() as m: m.get('https://test.com/api', json={'data': 'mocked'}) response = requests.get('https://test.com/api') assert response.json()['data'] == 'mocked'6. 企业级测试框架集成
6.1 与pytest集成
requests可以很好地与pytest测试框架集成：
import pytest @pytest.fixture def api_client(): s = requests.Session() yield s s.close() def test_user_login(api_client): response = api_client.post( '/login', json={'username': 'test', 'password': '123456'} ) assert response.status_code == 200 assert 'token' in response.json()6.2 测试报告生成
结合Allure可以生成漂亮的测试报告：
import allure @allure.title("测试用户登录接口") def test_login(): with allure.step("发送登录请求"): response = requests.post( 'https://example.com/login', json={'username': 'test', 'password': '123456'} ) with allure.step("验证响应"): assert response.status_code == 200 allure.attach(response.text, name="响应内容")7. 性能优化与安全考虑
7.1 连接池优化
requests底层使用urllib3的连接池，合理配置可以提高性能：
from requests.adapters import HTTPAdapter s = requests.Session() # 配置连接池 adapter = HTTPAdapter( pool_connections=10, # 连接池数量 pool_maxsize=10, # 最大连接数 max_retries=3 # 重试次数 ) s.mount('https://', adapter)7.2 安全最佳实践
在接口测试中，安全性同样重要：
- 敏感信息不要硬编码在脚本中，使用环境变量：
import os username = os.getenv('API_USERNAME') password = os.getenv('API_PASSWORD')- 使用HTTPS并验证证书（默认已启用）：
# 不推荐（禁用证书验证） requests.get('https://example.com', verify=False) # 推荐（使用自定义CA包） requests.get('https://example.com', verify='/path/to/cert.pem')- 定期更新requests库，修复安全漏洞。
8. 常见问题排查
8.1 SSL证书问题
错误信息：SSLError/SSL证书验证失败
解决方案：
- 更新证书库：pip install --upgrade certifi
- 或指定证书路径：verify='/path/to/cert.pem'
8.2 连接超时问题
错误信息：ConnectTimeout/ReadTimeout
排查步骤：
- 检查网络连接
- 增加超时时间：timeout=(3.05, 27)
- 添加重试机制
8.3 中文编码问题
错误信息：UnicodeEncodeError/UnicodeDecodeError
解决方案：
- 确保请求头包含正确的Content-Type
- 响应内容使用response.encoding = 'utf-8'指定编码
8.4 大文件下载
对于大文件下载，建议使用流式处理：
url = 'https://example.com/large_file.zip' with requests.get(url, stream=True) as r: with open('large_file.zip', 'wb') as f: for chunk in r.iter_content(chunk_size=8192): f.write(chunk)这种方式不会将整个文件加载到内存中，适合大文件下载场景。
9. 实际项目经验分享
在多年的接口测试实践中，我总结了以下几点经验：
封装请求方法：将常用的请求封装成基础方法，如get()、post()等，统一处理异常和日志。
配置文件分离：将URL、账号密码等配置信息放在单独的文件中，便于维护。
测试数据管理：使用YAML或JSON文件管理测试数据，实现数据与代码分离。
日志记录：为每个请求添加详细日志，方便问题排查。
性能监控：记录每个请求的响应时间，监控接口性能变化。
一个典型的项目目录结构如下：
/api_test ├── config │ ├── __init__.py │ ├── settings.py # 配置文件 ├── data │ ├── test_cases.yaml # 测试数据 ├── libs │ ├── __init__.py │ ├── api_client.py # 封装的请求方法 ├── tests │ ├── test_login.py # 测试用例 ├── conftest.py # pytest配置 └── requirements.txt # 依赖文件这种结构清晰分离了配置、数据和代码，便于团队协作和后期维护。
